Sistemas de cifrado en flujo.

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

Download "Sistemas de cifrado en flujo."

Transcripción

1 Sstemas de cfrado e flujo. Itroduccó. La dfereca fudametal etre el cfrado e bloque y el cfrado e flujo es que e el prmero la formacó se cfra e bloques de u determado tamaño, metras que e el segudo el cfrado se realza bt a bt, sedo e geeral mucho más rápdo. Los sstemas de cfrado e flujo hace u uso muy elevado de los sstemas geeradores de úmeros pseudoaleatoros. E estos sstemas u determado algortmo geera u cojuto de bts co ua apareca totalmete aleatora. Estos se comba co el texto fuete medate u cojuto de operacoes para obteer el texto cfrado. Los sstemas de cfrado e flujo pretede acercarse lo más posble al teórco secreto perfecto defdo por Shao y cuya expresó es el deomado oe-tme pad. El problema vee dado por el hecho de que e el oe-tme pad o cfrado de u solo uso el tamaño de la clave debe ser como mímo gual al del mesaje e claro a trasmtr, lo que lo valda para aplcacoes de comucacoes. E lugar de utlzar claves de u tamaño muy elevado, se pretede geerarlas medate u cojuto de fucoes deomadas geeradores de úmeros pseudoaleatoros, ya que los ordeadores al ser dspostvos estrctamete secuecales so capaces de geerar úmeros aleatoros puros. Por otra parte e alguos casos las secuecas aleatoras geeradas debe poder ser reproducbles, es decr, debe poder geerarse el msmo cojuto de úmeros aleatoros e dos putos dsttos, cosa que es mpractcable co la utlzacó de geeradores aleatoros puros. Alguos autores [FOS97] cosdera, s embargo, que el tamaño de la clave o es problema porque exste métodos de geeracó de úmeros aleatoros e el mudo físco y dspostvos de almaceameto de bajo coste que permte el almaceameto de claves aleatoras puras lo sufcetemete largas. A pesar de ello creemos que tales métodos o so aplcables a sstemas de comucacoes y preseta la msma desvetaja que los lbros de códgos, es decr, la exsteca físca de u medo que almacea la clave, susceptble de ser duplcado, perddo o robado. Los sstemas de cfrado e flujo preseta ua sere de vetajas co respecto a los cfradores e bloque. E prmer lugar so mucho más rápdos, geeralmete mucho más smples y fáclmete mplemetables e hardware. U esquema de u sstema de cfrado e flujo es el mostrado e la mage sguete. La operacó a la que se hace refereca puede ser cualquer cojuto de operacoes, auque geeralmete se suele utlzar el OR exclusvo como operacó. Como vemos e el dagrama sguete, el puto problemátco es la geeracó de úmeros aleatoros. U ataque a u sstema de este tpo solo puede ser realzado e base a poder predecr la secueca de úmeros que geerará el sstema. E este caso puede ocurrr tres cosas: a) Se cooce el algortmo de geeracó de úmeros aleatoros. Esta stuacó, auque parezca lo cotraro es bastate posble, la mayoría de los sstemas de geeracó de úmeros aleatoros so utlzados para geerar úmeros e aplcacoes comercales típcas, por ejemplo para protocolos e avegadores. Al ser el producto e geeral de fácl obtecó, sempre es posble utlzar téccas de geería versa que permta la obtecó del algortmo. E este caso la segurdad depede de la caldad de la semlla. U ataque de este tpo es el que realzaro uos estudates fraceses al protocolo del avegador de Netscape. S be el geerador de úmeros pseudoaleatoros era de gra caldad, la geeracó de la semlla cal era pobre y permtía hacer cojeturas sobre el valor cal e u cojuto reducdo de valores. Obtedo de la web de Crptohstora (

2 b) No se cooce el algortmo de geeracó de úmeros pseudoaleatoros la semlla que la geera. E este caso la úca esperaza del crptoaalsta es la de que el sstema tega u perodo corto e tetar deducrlo. c) Se cooce la semlla, pero o el tpo de geerador. Es posble realzar cojeturas sobre el tpo de geerador utlzado, y s se motorza la salda del sstema, es posble obteer la formacó deseada. Coceptos báscos. La mayoría de los geeradores de úmeros aleatoros, e partcular todos los obtedos por métodos matemátcos, puede geerar ua secueca fta de úmeros, s embargo, auque esta secueca pueda ser fta, será co toda probabldad peródca. Es decr, a partr de u determado mometo la secueca se repetrá. Al úmero de elemetos etre repetcoes se le deoma el perodo de la secueca y al cojuto de elemetos que forma u perodo se le deoma u cclo. Evdetemete se pretede obteer geeradores que tega u perodo máxmo, dealmete fto, para smular el oe-tme pad. E realdad, y tal como se platea e [BEK8], el cocepto de pseudoaleatoredad y su aplcacó es dferete e crptografía de lo que pueda serlo e otras dscplas cetífcas. E otras dscplas se pretede obteer geeradores de úmeros aleatoros que sga ua determada dstrbucó estadístca acorde co el expermeto que se pretede smular. E crptografía, más que la propa aleatoredad, prcpal cualdad debe ser la mpredcbldad de la secueca. Esta mpredcbldad es la que da la fortaleza al sstema. Obtedo de la web de Crptohstora (

3 Más formalmete podemos decr que dada ua secueca p, teemos sempre que s s p, m p como peródca s exste u p> tal que s s, m p S s s.. s co perodcdad, o versamete defmos ua secueca S p. Defmos u cclo de la secueca S de período p a ua subsecueca cualquera de logtud p que cumpla la propedad ateror, defédose el prmer cclo de la secueca como el cclo geerador de la msma. E el caso de que u cojuto fto de térmos preceda a la aparcó del prmer cclo se dce que la secueca tee u retraso que vee defdo por ese cojuto de térmos. Podemos defr també la fucó de autocorrelacó de la secueca para ua traslacó t como A D ( t), sedo A el úmero de poscoes e las que las secuecas sm y s m t cocde p y D el umero de poscoes e las que o cocde. Evdetemete teemos que A+D = p y que ( t p) ( t). Postulados de Golomb. E [GOL8] se dca las propedades que debe cumplr ua secueca bara de período p. Estos postulados de Golomb como se les cooce so: ) S p es par el cclo de logtud p debe coteer la msma catdad de uos y ceros. E el caso de que p sea mpar, la dfereca etre uos y ceros o puede ser mayor que uo. ) E u cclo de logtud p, la mtad de las seres de compoetes détcos (rachas) tee logtud, ua cuarta parte tee logtud, ua octava parte tee logtud 3, y e geeral, para cada para el cual hay al meos seres de compoetes guales, tee logtud. Además se cumple que para cada ua de esas logtudes hay tatas seres de ceros como de uos. 3) La autocorrelacó de ua secueca de período p se matee costate para cada valor de t, cuado t. La fucó de autocorrelacó se defe como: C( t) p p a a p t t s t s La razó de estos postulados es clara. El prmero refleja la propedad de que las etradas tega la msma probabldad de aparcó al teer la msma catdad de elemetos de cada clase. E la seguda se pretede gualar la probabldad de aparcó de bgramas, trgramas, etc. El últmo postulado pretede evtar ataques de tpo Kassk, es decr, evtar la aparcó de secuecas baras e las cuales haya ua certa perodcdad de aparcó de patroes. Test de aleatoredad. Como ya hemos dcado aterormete, los geeradores de úmeros pseudoaleatoros so capaces de geerar secuecas que puede cofudrse co secuecas aleatoras puras, s Obtedo de la web de Crptohstora ( 3

4 embargo, estas secuecas tee todas u perodo fto, e geeral bastate elevado. E 5 aplcacoes crptográfcas este perodo suele ser superor a [BEK8]. Necestamos algua herrameta que os permta determar s efectvamete las secuecas geeradas so aleatoras. Para ello se suele aplcar téccas estadístcas que co u vel de sgfcacó os permte decdr que la secueca tee u ( )% de cofaza de ser aleatora. Los test más frecuetemete utlzados so: ) Test de frecueca o. Cosste e la aplcacó del test co u vel de ( ) sgfcacó. Se calcula, dode es el úmero de ceros e la secueca y el úmero de uos, y se cotrasta co ua tabla de la dstrbucó para el vel de sgfcacó deseado, s el valor calculado es meor que el obtedo e la tabla dremos que la secueca es correcta, e caso cotraro es rechazada. ) Test de seres. Se utlza para determar que las probabldades de trascó sea correctas. Sea,, y la catdad de pares,, y e la secueca de bts e observacó. Teemos que y queremos además que, se demuestra que 4 4 ( j ) ( ) se dstrbuye aproxmadamete como ua co j dos grados de lbertad para, co lo cual se calcula el valor ateror y se procede como e el test ateror. 3) Test del poker. Se trata de calcular las frecuecas de cada tpo de seccó de m logtud m. Sea f, f,..., f m las frecuecas, teemos que f F. La m m m fucó ( f ) F se dstrbuye como ua co m grados de lbertad. F Nótese que para m = teemos el test de seres. Exste ua varate del test e el m m ( x ) que se evalúa la fucó F que se dstrbuye como ua co m F m grados de lbertad, sedo x los bloques de logtud m tales que está formados por uos y m - ceros. 4) Test de autocorrelacó. Sea a, a,.., a la secueca de bts a evaluar. Defmos d A( d) a a d co d y d u etero fjo tal que d. Obtedo de la web de Crptohstora ( 4

5 d A( d) Utlzamos la expresó que sgue aproxmadamete la d dstrbucó Normal co meda y varaza cero para valores de d. 5) Test de rachas. Sea r el úmero de rachas de ceros de logtud, y su equvalete e uos r. El úmero total de rachas de ceros y uos defdos como r o y r es k k ( r e ) ( r e ) r r, y r r, la expresó co e e ( 3) e y k el mayor etero para el cual e 5, se dstrbuye como ua co.k grados de lbertad. Números aleatoros. Los úmeros aleatoros so úmeros co dos propedades estadístcas mportates: uformdad e depedeca. Se puede decr que u úmero aleatoro a es ua muestra depedete de ua dstrbucó cotua etre y. De esta maera decmos que su dstrbucó de probabldad vee dada por:, co x f ( x), e cualquer otro caso. El valor esperado de cada a vee dado por: Y la varaza vee dada por: E( a) xdx 3 x V ( a) x dx E( R) Como cosecueca de las propedades de uformdad e depedeca teemos que:. S el tervalo [,] está dvddo e clases o subtervalos de gual logtud, el x úmero esperado de observacoes e cada tervalo es N, sedo N el úmero total de observacoes.. La probabldad de observas u valor e u tervalo depedete e partcular es depedete de los valores observados aterormete. Números pseudoaleatoros. Se trata de úmeros que pretede producr ua secueca de úmeros etre y que smula, ta felmete como sea posble, las propedades deales de uformdad e depedeca. S embargo, los úmeros pseudoaleatoros o so aleatoros propamete dchos y preseta alguos problemas, etre los que podemos clur :. Los úmeros geerados puede o estar uformemete dstrbudos. Obtedo de la web de Crptohstora ( 5

6 . Los úmeros geerados puede ser dscretos e lugar de cotuos. 3. La meda de los úmeros geerados puede ser muy alta o muy baja. 4. La varaza de los úmeros geerados puede ser muy alta o muy baja. 5. Puede haber depedecas etre los úmeros. Por ejemplo: a. Autocorrelacó etre úmeros. b. Números sucesvos mucho mayores o meores que sus adyacetes. c. Varos úmeros mayores que la meda, segudos por varos úmeros meores que la meda. Para determar lo bueas que so las secuecas geeradas por u método exste varos test, que veremos más adelate. S embargo, ya que la mayoría de los úmeros so geerados medate ordeadores, es mportate que el método utlzado cumpla ua sere de codcoes. Etre ellas:. La ruta debe ser rápda.. Debe ser portable. 3. Debe teer u perodo muy largo. 4. Debe ser replcable. 5. Debe cumplr lo más felmete posble las propedades estadístcas deales de uformdad e depedeca. 6. E su uso e aplcacoes crptográfcas debe cumplr co la propedad de la mpredecbldad. Es decr, coocdos varos símbolos de salda s, s,..., s, éstos o debe aportar formacó sufcete para poder predecr el valor del sguete símbolo de salda s. Métodos de geeracó de úmeros aleatoros. Geeradores cogruecales. Se trata de uo de los métodos más usados para geerar úmeros aleatoros dada su facldad de mplemetacó y la posbldad de obteer secuecas co u perodo muy largo. Fue propuesto por Lehmer e 95 y produce ua secueca de eteros x, x,.., x etre y m sguedo la relacó: x ( ax c) mod m, co,,,.., Este caso se suele deomar geerador cogruecal afí, metras que e el caso e que c =, se suele deomar geerador cogruecal leal y vee defdo por la sguete formula. Los valores cales x, a, c y m se deoma semlla, costate multplcadora, cremeto y modulo respectvamete. Su eleccó afecta drástcamete a sus propedades estadístcas y su perodo máxmo como veremos más adelate. Su segurdad o es especalmete buea tal como demostró Jm Reeds e su día. U ejemplo ayudará a eteder el proceso. Supogamos que teemos el sguete geerador cogruecal: x (7x 37) mod99 Los prmeros úmeros geerados supoedo que empezamos co ua x 3 sería: Obtedo de la web de Crptohstora ( 6

7 x (7.3 37) mod99 88 x x 3 ( ) mod99 48 ( ) mod99 6 Los úmeros geerados estaría e el tervalo [, m], s embargo, e muchos casos ecestamos covertr esos úmeros a úmeros decmales. E ese caso se obtee por ejemplo smplemete dvdedo por m. E uestro caso los úmeros resultates sería: x 88,88 x 48,48 x 6 3,6 Como hemos dcho la eleccó de los parámetros x, a, c y m afecta de ua forma drástca al fucoameto del geerador, e partcular a sus propedades estadístcas. El ejemplo ateror es ua muestra de ello. Los prmeros úmeros geerados so: 88,48,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,4 8,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,48,6,84,79,93,34,,97,3,88,48,6,84, 79,93,34,,97,3. Como vemos, el perodo e esta sere es de dez, co lo que a partr del oceavo elemeto la sere se repte. E el sguete gráfco podemos aprecar muy claramete esta repetcó. 8 6 Sere Obtedo de la web de Crptohstora ( 7

8 La eleccó de los valores a, c, y m es fudametal para cosegur u perodo grade, como veremos más adelate. Lo que os teresa calmete es ver cua uformes e depedetes so los valores x, x,.., x geerados. També, y o meos mportates, so la obtecó de ua máxma desdad y, evdetemete, u perodo máxmo. A pesar de que 48 los valores geerados so dscretos, s escogemos u m muy grade, por ejemplo, u valor comú e geeradores de leguajes de smulacó, podremos cosderar a veles práctcos la fucó como cotua y asumr como desdad máxma el hecho de que o haya tervalos grades e los que la fucó o tome valores. Para obteer u perodo máxmo e estos geeradores es codcó ecesara y sufcete que se cumpla las sguetes codcoes :. El mcd( m, c). q prmo tal que q m se cumple que q ( a ) 3. S 4 m etoces se cumple que 4 ( a ). E el caso de geeradores cogruecales leales el perodo máxmo se cosgue s:. mcd( x, m). a es u elemeto prmtvo modulo m. U elemeto se dce que es prmtvo modulo m cuado después de m cálculos ha geerado todos los elemetos del cojuto fto [, m-]. Para que u úmero a sea u e elemeto prmtvo modulo p se debe cumplr algua de las sguetes codcoes v : e. p y a es mpar.. p e 4 y a mod p e 8 y a mod8 3, 5 o p, e 4 y a mod8 3, 5. p q 5. p es mpar, e, a mod p y a mod p q prmo dvsor de p. 6. p es mpar, e, a cumple co lo establecdo e el apartado ateror y además cumple a p mod p. E [BAN] se da uas recetas más secllas para obteer geeradores cogruecales leales co perodo máxmo v :. Para ua poteca de, por ejemplo b, y co c, el perodo máxmo b se obtee s c es relatvamete prmo co b y a 4k, co k etero. b. Para ua poteca de, por ejemplo, y co c, se obtee u perodo máxmo de s x es mpar y a 3 8k o a 5 8k para algú k,, Para m, u umero prmo, y c se obtee u perodo gual a m s a k cumple la propedad de que el etero k más pequeño tal que a es dvsble por m es k m. Veamos u ejemplo utlzado la receta ateror. Escogemos k = 3, b = 7, c = 5 co lo que m 7 8 y a = 3. La formula resultate sería: x ( ax c)mod m. Los prmeros 5 valores que obteemos a partr de u valor cal x 3 so: Obtedo de la web de Crptohstora ( 8

9 44, 65, 8, 47, 4, 77,, 7,, 5, 74, 7, 3, 37,, 5, 8, 3, 66, 95, 88, 5, 94, 75, 84, 73, 58, 9, 6, 85, 86, 99,, 33, 5, 5, 7, 45, 78, 3, 68,, 4, 39,, 5, 7, 9, 4, 8, 34, 63, 56, 93, 6, 43, 5, 4, 6, 87,, 53, 54, 67, 8,, 8,, 4, 3, 46, 9, 36, 89,, 7, 96,, 38, 5, 9, 49,, 3, 4, 6, 3,,, 9,, 55, 8,,, 35, 76, 97, 4, 79, 8, 9, 4, 59, 4, 57, 6, 3, 64, 69, 6, 83, 6, 7, 98, 7,, 9, 6, 7, 6, 5, 9, 3, 48, 7, 8, 3, 44, 65, 8, 47, 4, 77,, 7,, 5, 74, 7, 3, 37,, 5, 8, 3, 66, 95, 88, 5. Como vemos, e este caso el perodo es máxmo (8) y s observamos el gráfco sguete podemos observar que los resultados obtedos so, a prmera vsta, aleatoros Sere Uso de los úmeros pseudoaleatoros e crptografía. Es evdete que la utlzacó de estos úmeros e crptografía, partedo del cumplmeto de las codcoes aterormete expuestas, es de ua gra utldad. Su utlzacó es seclla. S los vamos a utlzar como u geerador pseudoaleatoro de bts smplemete debemos covertr el úmero obtedo por el método que queramos e u bt o grupo de bts. Por ejemplo, podemos hacer ua susttucó del úmero por u baro e el caso de que el úmero resultate sea mpar y por u e caso cotraro. També podemos hacer lo msmo co los dos úmeros cetrales, o co el prmer y últmo dígto del úmero obtedo. Por ejemplo, co los úmeros obtedos e el ejemplo ateror (44, 65, 8, 47, 4, 77,, 7,, 5) obtedríamos la sguete tra de bts e el prmer caso:, y la sguete e el caso de utlzar el prmer y últmo úmero para geerar bts:. Otra posbldad, e el caso de cfrar úmeros drectamete, es sumar s acarreo al úmero resultate de codfcar la letra. Este método es amplamete utlzado e ambetes dplomátcos y mltares e combacó co lbros de códgos. Supogamos que utlzamos ua tabla como la sguete para codfcar las letras del alfabeto: A B C D E F G H I J K L M N Ñ O P Q R S T U V W X Y Z Obtedo de la web de Crptohstora ( 9

10 Tabla. U mesaje como EL ATAQUE DE LOS TANQUES EMPEZARÁ DE MADRUGADA quedaría como: Tal como podemos ver e la tabla sguete: E L A T A Q U E D E L O S T A N Q U E S E M P E Z A R A D E M A D R U G A D A Vamos a cfrarlo utlzado el sguete geerador cogruecal: x 357x 5377 mod8973 co la semlla cal x 33 Los prmeros úmeros de la sere sería: Iremos sumado los dígtos obtedos s acarreo co el mesaje codfcado obteedo el sguete resultado: E L A T A Q U E D E L O S T A N Q U E S E M P E Z A R A D E M A D R U G A D A Para descfrar smplemete tedremos que poer debajo del mesaje cfrado los úmeros geerados co el geerador cogruecal e r restado s acarreo. Ua vez obtedo el resultado vamos a la tabla de susttucó y cambamos cada letra por su valor E L A T A Q U E D E L O S T A N Q U E S E M P E Z A R A D E M A D R U G A D A El ataque de Reeds a los geeradores cogruecales. Supogamos que uestros servcos de escucha ha captado el mesaje cfrado ateror y pasa el mesaje al equpo de crptoaálss, que lo úco que cooce, por el estudo de mesajes smlares, es que los úmeros utlzados e el geerador cogruecal so de cuatro dígtos y que la tabla de codfcacó es la tabla. Además se está esperado u ataque co taques, co lo que ua frase probable e el mesaje sería precsamete LOS TANQUES. Vamos probado el sguete esquema co todos los grupos de doce dígtos hasta que llegamos al que verdaderamete cotee la palabra buscada: La obtecó de las tablas de codfcacó báscas es muy frecuete e ambetes de guerra, be por captura, el caso más geeral, be por comparacó etre varos mesajes cfrados y su equvalete e claro. Obtedo de la web de Crptohstora (

11 Palabra probable L O S T A N Q U E S Cfrado Valor palabra Clave Los úmeros que se geera so: 557, 48, 89, 8 y 376. Teemos por la defcó de geerador cogruecal que: x bmod M 89 48x bmod M 8 89x bmod M 376 8x b mod M Restado las ecuacoes sobre la prmera teemos que 56 86x mod M x mod M x mod M Itetaremos ahora elmar x. 86 y 747 so relatvamete prmos co lo que podemos multplcar la prmera ecuacó por 747 y la seguda por 86. La tercera o os es ecesara. Ua vez hecho esto tedríamos: x mod M x mod M Co lo que 3639 mod M, es decr, M dvde a éste úmero. Factorzamos pues el úmero y os dará que es u producto de 3x3x3x5x997. Cogemos todas las posbles combacoes de úmeros ferores a ya que sabemos que el geerador cogruecal da como resultado úmeros de cuatro dígtos. E uestro caso puede ser: Es decr, que los caddatos para M so: 3, 9, 3, 69, 5, 7, 453, 997, 359, 99, 3473, Parece lo más lógco que el úmero sea el mayor posble, e este caso el 8973, que es la solucó correcta. Teemos que ecotrar ahora el valor de x, para ello cogemos la prmera ecuacó del grupo de 3 ( 56 86x mod8973)ya que sus factores 8973 y 86 so relatvamete prmos, lo que garatza que exste ua solucó úca. El verso multplcatvo de 86 mod 8973 es 3973, co lo que calculamos el resultado y obteemos que el valor de x es 357, lo que sabemos es correcto. Solo os falta ecotrar b que podemos calcular smplemete utlzado la prmera ecuacó cal x bmod M co lo que teemos que b mod mod mod8973. Obtedo de la web de Crptohstora (

12 Geeradores cogruecales leales combados. El problema de los geeradores cogruecales leales es el perodo, que e geeral es pequeño para las ecesdades actuales, s cotar co la poca segurdad que preseta. Es ecesaro pues ecotrar geeradores co perodos más largos. Ua aproxmacó que ha fucoado be desde el puto de vsta de la logtud de perodo es la combacó de dos o más geeradores cogruecales, s embargo, como veremos, e la mayoría de los casos o se cosgue u aumeto sgfcatvo de la segurdad. Método de L Ecuyer. Este método fue presetado por L Ecuyer e 988 [ECU88]. La dea cosste e utlzar la suma de varos geeradores cogruecales depedetes para obteer u resultado cuyo perodo sea fucó de los perodos de dchos geeradores. Para ver como podemos combar los geeradores os basamos e el sguete resultado: Sea X,, X,,..., X, k varables aleatoras dscretas, o ecesaramete gualmete dstrbudas, pero ua de ellas sí forzosamete dstrbuda uformemete e el tervalo k [, m ]. Teemos etoces que X X, j esta uformemete dstrbuda e dcho j tervalo. Basádoos e este resultado, s teemos el cojuto X,, X,,..., X, k de las - ésmas saldas de k dferetes geeradores cogruecales multplcatvos, dode el j-ésmo geerador tee u módulo prmo mj y el multplcador aj se escoge de maera que el perodo sea máxmo, es decr, m j. De esta maera el cojuto geerado por el j-ésmo geerador está aproxmadamete uformemete dstrbudo e, j y cosecuetemete X, j está uformemete dstrbudo e [, j ], co lo que se le aplca el resultado ateror. L Ecuyer sugere la utlzacó de u geerador de la forma: k j X X, j mod m j X co X m co R m co X m El perodo máxmo e u geerador de este estlo sería: P m m.. Para u ordeador de 3 bts L Ecuyer recomeda u geerador co k, m , a 44, m y a 469. Este geerador tee u perodo de m m. k m k Obtedo de la web de Crptohstora (

13 Ejemplo: Programa para calcular ua catdad determada de úmeros aleatoros co u geerador cogruecal. El resultado se graba e el fchero af.txt detro de la carpeta crpto e el dsco duro c. #clude <stdo.h> // bbloteca de etrada/salda ma() { log t x, c, m, teracoes,, a; FILE *pfchero; pfchero=fope("c:/crpto/af.txt","w"); //El resultado se graba e el fchero af.txt e la carpeta crpto// prtf ("Itroduce la costate: "); scaf ("%d", &c); prtf("\");// escrbe 'salto de lea' prtf("itroduce multplcador: "); scaf ("%d", &a); prtf("\");// escrbe 'salto de lea' prtf("itroduce el modulo : "); scaf ("%d", &m); prtf("itroduce el valor cal : "); scaf ("%d", &x); prtf("\");// escrbe 'salto de lea' prtf("itroduce teracoes: "); scaf ("%d", &teracoes); prtf("\");// escrbe 'salto de lea' for ( = ; < teracoes; ++) { x=(a*x+c)%m; prtf ("%d", x); prtf (" "); fprtf(pfchero, "%d;", x); // retur ; } } //- f: af Fucoameto de los sstemas de cfrado e flujo. Los sstemas de cfrado e flujo preseta dos modos de fucoameto, cfrado sícroo y autoscrozate. E el cfrado sícroo el geerador de úmeros aleatoros o depede del mesaje a cfrar, co lo que el emsor y el receptor debe scrozar la clave ates de empezar la trasmsó y e el caso de pérdda de u bt se perde el scrosmo. La propedades más relevates de los sstemas sícroos so[sor99]: ) No exste depedeca co el mesaje a cfrar. ) Los errores e trasmsó o se propaga. 3) La secueca cfrate es peródca. Obtedo de la web de Crptohstora ( 3

14 4) La pérdda o sercó de u bt e el mesaje produce la pérdda del scrosmo. CIFRADO SINCRONO CIFRADO DESCIFRADO M C M K GENERADOR K GENERADOR E los cfrados autoscrozates, la geeracó de la clave es fucó del mesaje utlzado aterormete, esto tee la vetaja de permtr la scrozacó automátca e stuacoes de pérdda de scrosmo. Las propedades más destacadas de los sstemas autoscrozates so: ) El estado sguete depede de los últmos caracteres del mesaje. ) E caso de u error de trasmsó, éste se propaga bts. 3) La pérdda o sercó de u bt e el mesaje provoca la perdda de scrosmo durate bts. 4) La secueca cfrate es aperódca. CIFRADO AUTOSINCRONIZANTE CIFRADO DESCIFRADO M C M K GENERADOR K GENERADOR Métodos de geeracó de úmeros pseudoaleatoros. Exste varos métodos de geeracó de úmeros aleatoros, sedo alguo de ellos adecuado para la utlzacó e crptografía por su falta de segurdad, utlzádose amplamete e otros campos como el de la smulacó. E [BAN96] se dca los errores a Obtedo de la web de Crptohstora ( 4

15 evtar e ua fucó de geeracó de úmeros pseudoaleatoros, así como las propedades más deseables de su mplemetacó e u ordeador. Ua fucó debe cumplr que: ) Los úmeros geerados debe estar uformemete dstrbudos. ) La meda o debe ser demasado alta demasado baja. 3) La varaza o debe ser demasado alta demasado baja. 4) No debe exstr varacoes cíclcas del tpo: a) Autocorrelacó etre úmeros. b) Gra varacó etre úmeros adyacetes. c) Seres de úmeros por ecma de la meda segudas de seres por debajo de la msma (o vceversa). Ua mplemetacó e ordeador de ua fucó de geeracó de úmeros aleatoros debe cumplr: ) La ruta debe ser rápda. ) La ruta debe ser portable y debe geerar los msmos valores e todas las mplemetacoes. 3) Debe teer u cclo lo sufcetemete largo para las ecesdades de la aplcacó que se le va a dar. 4) La fucó debe ser replcable. Es decr, dados la semlla y la fucó debe poder geerarse la msma secueca de úmeros. 5) La secueca debe acercarse lo más posble a las propedades estadístcas de uformdad e depedeca. Para su utlzacó e crptografía debemos añadr tres propedades[sor99] que ya hemos cometado aterormete: ) La logtud de la clave debe ser grade para evtar la prueba exhaustva de todas las claves. ) El perodo debe ser largo, dealmete, ta largo como el mayor de los mesajes a trasmtr. 3) La secueca geerada debe ser mpredecble. Es decr, dados los - elemetos aterores, debe ser mposble predecr el valor del -ésmo. Fred Pper e [PIP8] añade ua cuarta propedad. El sstema debe parecer o leal. La mayoría de los ataques crptoaalítcos pretede obteer ua formulacó leal a u problema crptográfco. A cotuacó se expoe alguos de los métodos de geeracó de úmeros aleatoros más comues. Cogruecas leales. Se trata de geeradores de la forma X ( ax b) mod m. Partedo de u valor cal X deomado semlla, se geerará valores etre y m. A los valores a, b y m se le deoma multplcador, cremeto y módulo respectvamete. El método co la formula tal Obtedo de la web de Crptohstora ( 5

16 como la hemos presetado se deoma método cogruecal mxto, e el caso de que el valor b sea gual a cero se deoma método cogruecal multplcatvo. Se trata de geeradores muy rápdos co uas propedades estadístcas muy bueas, pero cuya segurdad queda e etredcho al depeder cada valor solo del ateror. S a, b, m y X se escoge adecuadamete se puede cosegur geeradores completos o de secueca máxma. E [BAN96] se da las sguetes eleccoes de los parámetros ates dcados: x x ) S m y b, el máxmo perodo posble es y se obtee s b es relatvamete prmo co m y a 4k co k etero. x ) S m y b, el máxmo perodo posbles es x y se obtee cuado la semlla X es par y el multplcador a 3 8k o a 5 8k co k etero. 3) S m es u úmero prmo y b =, el máxmo perodo posble es m y se obtee cuado el multplcador a cumple la propedad de que el meor k que cumple que k a es dvsble por m es k = m. Se ha propuesto métodos para elmar la depedeca exclusva del últmo elemeto, la más comú es la utlzacó de geeradores cuadrátcos y cúbcos, pero todas estas mplemetacoes se ha demostrado seguras [SCH94]. Geeradores cogruecales leales combados. U sstema co u mayor perodo que el ateror es la combacó de dos o más geeradores cogruecales de forma que el geerador resultate tega u perodo mayor además de uas bueas propedades estadístcas. Estos geeradores fuero estudados por L Ecuyer que sugere la utlzacó de geeradores de la forma X k co X j ( ) m X X, j mod m co resultado R, sedo j m co X m X,,.. X, k las saldas de k dferetes geeradores cogruecales multplcatvos de forma que el j-ésmo geerador tega u modulo prmo m j y u multplcador a j escogdo de forma que el perodo sea m. El máxmo perodo obtedo e este caso es j ( m )( m )...( m ) P k. k Geeradores de Tausworthe. So geeradores de bts que tee la forma b c. b c. b... c. b ) mod. ( q q Las costates c solo puede tomar los valores y. Permte obteer secuecas muy largas co propedades estadístcas muy bueas. Geerador de Blum-Mcal. alguos autores [SOR99] prefere hablar de método cogruecal leal y afí e lugar de mxto y multplcatvo. Obtedo de la web de Crptohstora ( 6

17 Se trata de u algortmo muy seguro basado e la dfcultad de calcular logartmos dscretos. Sea a y p úmeros prmos co p grade. Se escoge ua semlla cal x y se calcula los úmeros de la sguete maera: x ) Calcular x a modp ) Escoger Geerador RSA.. p s logax e cualquer otro caso El geerador RSA, basa su segurdad e la dfcultad de factorzar u úmero, al gual que su homómo para cfrado. La obtecó de úmeros aleatoros se realza de la sguete maera. Se escoge dos úmeros prmos p y q. Se calcula su producto y se escoge u úmero b tal que sea relatvamete prmo a. Al gual que e el algortmo de cfrado, y b so públcos metras que p y q so secretos. Se escoge ua semlla cal x y se obtee los de úmeros aleatoros medate aplcacó de la sguete formula: b x x mod. S el úmero obtedo es par, se escoge u como el sguete bt de la secueca, e caso cotraro se escoge u. DES e modo OFB. El DES e modo OFB puede utlzarse para la geeracó de úmeros aleatoros. La salda de 64 bts preseta uas bueas propedades estadístcas. Geerador Blum Blum Shub o de resduos cuadrátcos. Se trata quzás del algortmo más popular, o solo por la soordad de su ombre, so també por su efceca y segurdad. Segú Scheer [SCH94] se trata del algortmo más secllo y más efcete, s be es relatvamete leto comparado co otros geeradores, es excelete para aplcacoes de alta segurdad. Su fortaleza, al gual que e el caso ateror, se basa e la dfcultad de factorzar úmeros grades. Sea p y q dos úmeros prmos grades y = p.q. Se escoge u úmero etero x relatvamete prmo co. S deotamos por s a los úmeros de la secueca pseudoaleatora teemos que x mod s x s x mod x mod s Algortmos geétcos. Obtedo de la web de Crptohstora ( 7

18 La utlzacó de algortmos geétcos para la obtecó de secuecas pseudoaleatoras vee defda por su msma eseca. Su prcpal vetaja es la de que los úmeros so cuas aleatoros y que su aleatoredad puede cotrolarse a través de la fucó de apttud y de la proporcó de mutacó asgada. Sus prcpales coveetes so el hecho de ecestar ua fucó geeratrz de úmeros aleatoros para los procesos de mutacó y su relatva lettud. La segurdad del sstema e este caso depede del coocmeto del valor cal de la poblacó, de los tatos por ceto asgados al cruzameto y a la mutacó, la fucó de geeracó de úmeros aleatoros y su semlla. Regstros de desplazameto. U regstro de desplazameto es u dspostvo de almaceameto de bts que deotaremos s, s,.., s, estos elemetos se va desplazado y varado su cotedo e fucó de la exsteca o o de ua fucó de realmetacó. El valor de estos elemetos e u tempo t se deoma el estado del regstro. S be exste varos tpos de regstros de desplazameto, e crptografía se utlza báscamete los dos tpos, los regstros co realmetacó leal (Lear Feedback Shft Regster) y los regstros co realmetacó o leal (No Lear Feedback Shft Regster). Las operacoes utlzadas e ambos so la O exclusva deotada por y la Y deotada por el puto. f( s, s,..., s ) s s s s s E el caso de que la fucó f ( s, s,..., s ) esté defda por u polomo sobre u campo de Galos e módulo, que deotaremos como CG(), se dce que el regstro de desplazameto es leal y los coefcetes c los deomamos coefcetes de realmetacó. E los apartados sguetes correspodetes a regstros de desplazameto, cosderamos que las operacoes se realza e CG() y utlzaremos dsttamete los símbolos + y para deotar la suma exclusva. Regstros de desplazameto co realmetacó leal(lfsr). E u regstro de desplazameto co realmetacó leal podemos represetar la fucó f como f ( s, s,..., s ) co. so c. s... c s y dado u state t, el valor de cualquer estado queda fjado para u state posteror t+ de la sguete maera: Obtedo de la web de Crptohstora ( 8

19 s( t) co s ( t ) cs ( t) co Vsta la defcó de LFSR, la prmera preguta es Cual es el tamaño máxmo del perodo e u LFSR?. El tamaño máxmo del perodo es de, ya que la secueca de estados,,..., debe elmarse pues geera cotuamete la msma salda Polomos prmtvos. Defmos como polomo característco de cualquer LFSR el defdo por f ( x) c cx... c x x. Se dce que u polomo característco es rreducble s o exste g(x) y q(x) de grado meor o gual a tales que f(x) = g(x).q(x). La mportaca de los polomos rreducbles es que puede demostrarse que cualquer polomo de grado puede expresarse como el producto de dos polomos rreducbles. U caso especal de estos polomos so los deomados prmtvos, que tee la propedad de que todas las secuecas o ulas geeradas por él tee u perodo de. f * Se defe el polomo recíproco de u polomo ( x) a x teresates: x Obtedo de la web de Crptohstora ( 9 f ( x) a x de grado como h. Los polomos recíprocos tee ua sere de propedades x ) El grado del polomo f * ( x ) es como máxmo, sedo exactamete s h. ) Para cualquer polomo característco se cumple sempre que el grado del polomo es el msmo que el de su recíproco. * * 3) ( f ( x)) f ( x) f (). * * * 4) ( f ( x). f ( x)) f ( x). f ( ). x Dados los polomo f(x),g(x) y h(x) s se cumple que h(x) = f(x).g(x), se dce que g(x) y f(x) dvde a h(x). U polomo cuyos úcos dvsores so el y él msmo se dce que es u polomo rreducble. Se defe el máxmo comú dvsor de dos polomos f(x), g(x), u tercer polomo h(x) tal que h(x) dvde a ambos y s otro polomo que cumpla esta propedad, també dvde a h(x). Aálogamete se defe el mímo comú múltplo de dos polomos f(x), g(x) como el mímo polomo que dvde a ambos. E el caso de que el mcd( f ( x), g( x)), se dce que ambos polomo so relatvamete prmos. Defmos la fucó geeratrz de ua secueca fta como G ( x) a x. S G(x) es la fucó geeratrz de la secueca de salda s t, G(x) quedará defdo completamete por su estado cal y su polomo característco. A cotuacó presetamos alguos teoremas relatvos a los polomos e los CG(), las demostracoes de los msmos puede cosultarse e [BEK8]. ) Sea f ( x) c cx... c x x u polomo e CG() y ( f ) el espaco de solucoes de f, supogamos además que el cojuto s ( f ). S

20 G ( x) s x, etoces se cumple que ( x) ( c x ( s j x j )) y j Como vemos, (x) c. represeta el estado cal, ua vez obtedo (x) teemos defda la secueca de los s. ( x) G( x), co f * ( x) queda determado completamete por f(x) y el cojuto s que podemos calcular G(x), co lo cual ) Sea f(x) y g(x) dos polomos y sea h(x) = m.c.d(f(x), g(x)), etoces se cumple f ( x) g( x) que y so relatvamete prmos. h( x) h( x) 3) Sea f(x), g(x) y h(x) polomos tales que h(x) dvde al producto de f(x) y g(x) y tales que el m.c.d.(h(x), f(x)) =, se cumple que h(x) dvde a g(x). 4) Sea f(x) u polomo co expoete e, s s ( f ), se cumple que el perodo de s dvde a e. 5) Sea f(x) u polomo rreducble co expoete e, co s ( f ) y s perodo de s es e. Como cosecueca de esta propedad, otemos que s u polomo rreducble tee grado y expoete, cualquer secueca o ula geerada por él será de perodo máxmo, es decr., el 6) Sea f(x) u polomo de grado. S s ( f ) perodo máxmo s y solo s f(x) es prmtvo. y s, etoces s es de Co las herrametas ecesaras para la costruccó de polomos de perodo máxmo, os queda por determar la catdad de polomos prmtvos de u determado grado. Para ello se utlza la fucó de Euler, que ya hemos vsto al presetar el sstema RSA. Para u determado, el úmero de polomos de ese grado sobre CG() vee ( ) defdo por la formula ( ). Por últmo dcar que cualquer secueca de perodo máxmo geerada por u LFSR, cumple los postulados de Golomb, co lo que podemos determar que calmete puede utlzarse e algortmos crptográfcos. S embargo, las secuecas crptográfcas geeradas por LFSR so relatvamete secllas de crptoaalzar, ya que dada ua secueca de dígtos, sedo el grado del polomo prmtvo podemos fáclmete obteer el estado cal y sus coefcetes. La mportaca prcpal de las LFSR es que cualquer secueca peródca puede geerarse co u LFSR o sgular, deomádose complejdad leal la logtud del mímo LFSR capaz de geerarla. Para determar el LFSR capaz de geerar ua secueca dada, se utlza el algortmo sguete. Algortmo de Massey-Berlekamp. Obtedo de la web de Crptohstora (

21 El algortmo de Massey-Berlekamp, es u algortmo capaz de determar la complejdad leal de ua secueca bara fta de logtud e O( ) operacoes de bts. El esquema parte de fjar u LFSR de ua logtud dada e r comprobado s añadedo u bt de la secueca cal el LFSR sgue sedo capaz de geerar la secueca, e caso cotraro se aumeta la logtud del LFSR y se sgue co el msmo proceso. U esquema del algortmo obtedo de [MEN98] es el sguete: /* L es la complejdad leal y C(D) el polomo característco de la msma */ Fucó Massey-Berlekamp Defr vectores C(D), B(D), T(D); C( D) ; L ; m ; B( D) ; N ; Metras N hacer d ( s N L c sn ) mod T ( D) C( D) N m S d = hacer C( D) C( D) B( D). D L N L N S L hacer m N B( D) T( D) N N devolver (N). Combadores o leales. Como hemos vsto, la lealdad es uo de los prcpales eemgos de la segurdad. Es por ello que pretedemos la elmacó de la msma e aras a obteer u sstema crptográfcamete seguro. Exste dos formas báscas de reducr la lealdad e los LFSR: ) Utlzar ua fucó de realmetacó o leal. ) Utlzar uo o varos LFSR. El problema de la prmera aproxmacó es que o exste, por el mometo, coocmetos matemátcos sufcetes para poder determar la segurdad relatva de u sstema. E el segudo caso la dea es combar varos LFSR medate ua fucó o dspostvo que permta geerar secuecas de mayor caldad desde el puto de vsta crptográfco. A cotuacó vemos alguos de los más comues. Obtedo de la web de Crptohstora (

22 Geerador de Geffe. E este geerador la dea cosste e combar tres geeradores leales de grados,, 3 cuyos polomos sea relatvamete prmos medate ua fucó o leal de forma que el perodo de la sere resultate sea el producto del perodo de los tres LFSR. La complejdad leal del geerador vee dada por 3. LFSR a ( t) a ( t) LFSR a 3 ( t) LFSR 3 b a. a a a a. a3 a. a a. 3 3 Auque estadístcamete los valores geerados so bueos, los correspodetes a la autocorrelacó so pobres. Sea s la salda del geerador, teemos que 3 p ( s a) p( a ) p( a ). p( a3 a).. El cálculo de p( s a3 ) os da 4 el msmo resultado. Este geerador es pues crptográfcamete seguro y sucumbe ate ataques por correlacó[men98]. Geerador de Beth-Pper. La dea básca e este geerador cosste e utlzar la salda de u LFSR para cotrolar la etrada de u segudo LFSR, de forma que este últmo solo cambe su estado e el caso de que la salda del prmero sea u. S defmos como,, 3 los grados de los polomos mplcados, el sstema tee ua complejdad leal de 3, pero al gual que el geerador de Geffe su segurdad es baja y puede ser atacado de la msma maera[sch94]. Obtedo de la web de Crptohstora (

23 LFSR a ( t ) LFSR a ( t) RELOJ a ( t 3 ) LFSR 3 Geerador de Gollma. Se trata de ua varate del geerador de Beth-Pper que comparte co él ua complejdad leal muy elevada, pero se dfereca e que por el mometo o se cooce gú ataque váldo cotra él. Báscamete cosste e u cojuto de LFSR coectados e sere de forma que la salda de u LFSR cotrole el reloj del sguete LFSR. S todos los LFSR tee la msma logtud l, la complejdad leal vedrá dada por l ( l ). LFSR LFSR LFSR3 RELOJ RC4. El algortmo de cfrado RC4 fue dseñado por Ro Rvest e 987 por ecargo de RSA Data Securty Ic. Se trata de u algortmo de logtud varable de clave muy rápdo y compacto, co u perodo superor a. S be era u algortmo propetaro cuyo códgo se mateía secreto por la RSA, e Septembre de 994, el códgo fuete fue troducdo aómamete e ua lsta de correo Cypherpuk. Se trata de u algortmo muy secllo. Utlza ua caja S de 56 etradas, que so ua permutacó de los úmeros del al 55 e fucó de la clave. Utlza dos cotadores y j, que calmete está a cero. Sea m u byte del mesaje, el proceso de geerar u byte cfrado c es como sgue: Obtedo de la web de Crptohstora ( 3

24 ( Itercambar S t ( S K S c m K t j) mod 56 j ( j S ) mod 56 j y S S ) mod 56 La calzacó de la caja S se hace relleado calmete la msma co los úmeros del al 55, de forma que S,..., S Paralelamete se calza u vector K de claves de 56 bytes co la clave, reptédola s es ecesaro. Ua vez hecho esto se comba ambos vectores para obteer la caja S deftva de la sguete maera: j Hacer 56 veces j ( j S K ) mod 56 Itercambar S FHacer j y S [BAN, 56-57]. [REE77]. [SOR99,9] v Obtedos de [SOR99, 9], la fuete prmara es [KNU69, 9-33]. v [BAN, 59-6]. j j Obtedo de la web de Crptohstora ( 4

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

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

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Intensificación en Estadística

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

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

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

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

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

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

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

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

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

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

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

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

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

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Estadística Contenidos NM 4

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

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

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

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

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

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

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

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

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

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

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

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

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

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

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

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

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

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

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

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

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

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

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

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

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

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

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

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

V Muestreo Estratificado

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

CENTRO DE MASA centro de masas centro de masas

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

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística. TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.

Más detalles

Incertidumbre de las medidas.

Incertidumbre de las medidas. Icertdumbre de las meddas. Al realzar el proceso de medcó, el valor obtedo y asgado a la medda dferrá probablemete del valor verdadero debdo a causas dversas, algua de las cuales ombraremos más adelate.

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

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

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

Más detalles

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles