Métodos Numéricos TEMA 8: DERIVACION E INTEGRACION Numérica

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

Download "Métodos Numéricos TEMA 8: DERIVACION E INTEGRACION Numérica"

Transcripción

1 Métodos Numércos TEMA 8: DERIVACION E INTEGRACION Numérca DIFERENCIACIÓN NUMÉRICA Polomo de terpolacó es aplcable para la resolucó de problemas de derecacó, e geeral y el cálculo de dervadas, e partcular. Dada ua tabla de valores de la ucó () para dversos valores de, se puede determar el polomo de terpolacó que, satsacedo a los valores dados, represete co certo grado de apromacó a (). De acuerdo a lo ateror, es posble calcular, de maera más o meos precsa, la dervada '(), de la ucó e cuestó. Se puede allar e geeral y por úca vez, las dervadas sucesvas de la órmula de terpolacó y aplcarlas a cada caso partcular.

2 Dervacó umérca (/) ETSII-UPM Se trata de evaluar umércamete la dervada de ua ucó () a partr de valores umércos de dca ucó. Se puede comezar co ua apromacó tutva y geométrca De la decó de dervada como límte, se puede apromar la dervada: Geométrcamete se puede cosderar tres varates: órmula avazada órmula atrasada órmula cetrada () () () () () () () Dervacó umérca (/) ETSII-UPM E el cálculo umérco de dervadas se comete errores mportates E prcpo, parece evdete que al dsmur se reduce el error. Ejemplo: dervada de e e (valor eacto ) () ()-() '() error e e e e e e e e e e e e e e El error dsmuye co al prcpo, pero ay u mometo e que aumeta. El error mímo se produce apromadamete cuado log(eps)/.

3 Aálss del error Fórmulas avazadas Se puede obteer a partr del desarrollo e sere de Taylor: ( ζ ) ( ) ( ) ( ζ ) ( ) ( ) ( ) ( )!! y e este caso se dce que el error es de orde ó orde : O(). Para la órmula cetrada ETSII-UPM Se realza el desarrollo e sere de Taylor e y e : ( ) ( ζ) ( ) ( ) ( )!! ( ) ( ζ ) ( ) ( ) ( )!! Restado membro a membro y supoedo que ''' es cotua: ( ) ( ) ( ) ( ( ζ) ( ζ ) ) ( ) ( ζ )!! de dode se llega almete a: ( ) ( ) ( ) ( ) ( ) ( ζ ) O( )! La órmula cetrada es de orde y por tato más precsa que las otras dos. DERIVACION MEDIANTE FORMULAS DE INTERPOLACION La metodología descrpta mplca el uso de cualquera de las órmulas de terpolacó estudadas. Se desarrolla u caso partcular. La órmula de NEWTON-GREGORY Ascedete, e la cual se a eco la trasormacó u, para acltar su uso: ( ) ( ) ( ) ( ) ( ) ( ) u u u u! ( ) ( )( ) u u u K (8.)!

4 DERIVACION MEDIANTE FORMULAS DE INTERPOLACION () Dervado respecto de la varable u, se obtee: u u 6u 6 ( u) ( ) ( ) ( ) K y para ; vale decr, para u, resulta la ecuacó: ( ) ( ) ( ) ( ) ( ) K (8.) DERIVACION MEDIANTE FORMULAS DE INTERPOLACION () Aálogamete, para la dervada seguda se obtee la epresó: 6u 8 u ( u ) ( ) ( )( u ) ( ) K y para ; o sea, acedo u, resulta la ecuacó: ( ) ( ) ( ) ( ) K (8.) Este procedmeto puede ser terado tatas veces como se eceste, para obteer dervadas de mayor orde.

5 DERIVACION MEDIANTE FORMULAS DE INTERPOLACION () S se parte de la órmula de NEWTON-GREGORY Descedete o, de las de GAUSS, LAGRANGE, BESSEL, etc., se ecotrara, uevas órmulas de dervacó para cada caso e partcular, las que, orecerá mayor o meor precsó segú la poscó relatva del valor de la varable para el cual se desea calcular las dervadas DERIVACION MEDIANTE FORMULAS DE INTERPOLACION (5) La aplcacó de détco crtero para la órmula de NEWTON- GREGORY Descedete: u ( ) ( ) ( ) ( u ) u ( ) ( u )( u ) u u!! da como resultado dervado co respecto a u e gualado a cero: ( ) ( ) ( ) ( ) K como así també: ( ) ( ) ( ) ( ) K (8.) (8.5) ( ) K 5

6 ALGORITMO DE HORNER Otro método dóeo para determar el valor de las dervadas sucesvas, e el especal caso de que la ucó e cuestó sea ua epresó algebraca, es el deomado MÉTODO o ALGORITMO DE HORNER Este método, tee la vetaja adcoal que permte calcular el valor de la ucó para el valor de la varable e el cual se pretede determar sus dervadas y, además, de ser de muy seclla aplcacó: INTRODUCCION E ocasoes es ecesaro determar el valor umérco de ua ucó algebraca polómca, de la orma: ( ) a a a a a P K (8.6) Será estudado a cotuacó el caso de teer que calcular el valor de la ucó e u puto α. Todos los desarrollos que sgue tee valdez tato para valores de α reales, como complejos, pero se etederá que el úmero de operacoes a eectuarse solo es váldo e el campo real. 6

7 INTRODUCCION () S se calculara drectamete su valor reemplazado el de por el de α, resulta: (8.7) P ( α ) aα aα K a α a Se debe calcular α ; α ;...; α ; es decr, - multplcacoes. Después debe ser ormados los productos a α ; a α - ;...; a - α ; o sea, multplcacoes más. E total se debe realzar - multplcacoes y adcoes para calcular el valor de P(α) a partr de la epresó (8.6), acedo uso drecto de la órmula (8.7). INTRODUCCION () Ua alteratva dada por HORNER, permte dsmur práctcamete a la mtad el úmero de operacoes, co la posbldad adcoal de calcular també sus dervadas sucesvas e el msmo puto α: P'(α); P"(α);...; P () (α). 7

8 CALCULO DEL VALOR DEL POLINOMIO Ua maera recurrete de escrbr la epresó (8.7) es la sguete ( α ) ( K((( aα a) α a) α a) α K a ) α a P que puede obteerse drectamete acedo uso del algortmo b a b b α a b b α a b - b - α a - (8.8) P(α) b b - α a El valor de b es el de P() cuado α; vale decr, el de P(α). E total so ecesaras multplcacoes y adcoes, para lograr el resultado ateror Ejemplo (): p() - - 8, Etrayedo actor comú e los prmeros térmos, luego e los prmeros, y almete e los prmeros térmos, se tee: p() ( p() (( p() ( (( - ) ) - 8 ; ) - - ) ) - 8 ; ) - 8 8

9 Algortmo de Horer Algortmo: E) Igresar (grado polomo); a (coecetes); valor para el cual se evalúa p() E) Asgar: b a E) Para k -, -,..., acer : b a k bk E) Imprmr: Valor de P( ) ; b ; k Ejemplo (): Evaluamos aora los parétess de esta últma epresó de p(), desde el más teror, (), para y así sguedo, asta el últmo: ) e ) () - e ) () ) () - 8 e es gual a es e es es 8 9

10 Ejemplo (): Por lo tato: p() 8 El algortmo de Horer para este ejemplo dode grado p() es y los coecetes a permte escrbr: p() ((( a a ) a ) a ) a Nota: Ejemplo (V): Vetaja mportate el aorro de operacoes, dsmuyedo así los eectos de la propagacó de errores. Obsérvese e el ejemplo que el método usual ecesta multplcacoes y sumas (restas); e cambo, co la regla de Horer, se eectúa multplcacoes y sumas.

11 CALCULO DE LAS DERIVADAS SUCESIVAS Para calcular las dervadas sucesvas de P() e el puto α, es ecesaro utlzar u smple artco. La epresó: ( ) a a a a a P K (8.6) se puede escrbr P() (-α) [b - b -... b - b - ] b (8.9) dado que se puede recostrur la (8.6) a partr de la (8.9); realzado las operacoes dcadas, resulta: P() b - α b - b - - α b -... b - - α b - b - - α b - b b (b - α b ) - (b - α b ) -... (b - - α b - ) (b - α b - ) CALCULO DE LAS DERIVADAS SUCESIVAS () Comparado esta últma epresó co la (8.6) e gualado sus coecetes omólogos se puede despejar los b j de la sguete maera: a b b a a b - α b b a α b a - b - - α b - b - a - α b - a b - α b - b a α b - como se quería demostrar.

12 CALCULO DE LAS DERIVADAS SUCESIVAS () Llamado Q () al polomo ecerrado detro del corcete de la sguete epresó: P() (-α) [b - b -... b - b - ] b (8.9) Puede escrbrse P () ( - a) Q () b (8.) dode el resto b es costate e gual a P(α), como ya se a vsto. Dervado respecto de la epresó (8.), resulta: P () Q () ( - a) Q () (8.) de la que es posble err que: P (α) Q (α) (8.) CALCULO DE LAS DERIVADAS SUCESIVAS () Epresó, que puede ser escrta e orma recurrete y smlar a la (8.8), de la maera sguete: P ( α ) ( K((( b α b ) α b ) α b ) α K b ) α b cuyo algortmo resolutoro, es: c b c b α c c b a c P (α) c - b - α c - Q Se dee los coecetes c de modo que al al del proceso se obtega el valor buscado e: Q (α ) P (α)

13 CALCULO DE LAS DERIVADAS SUCESIVAS (5) Para determar las sguetes dervadas sucesvas del polomo P() e el puto α, es ecesaro acer las sguetes cosderacoes.. Escrbedo el polomo P() e térmos de la órmula del desarrollo e sere de Taylor, resulta: P ( ) P( α ) ( α ) P ( α ) ( α ) ( α ) P K! ( α )! P ( ) ( α ) CALCULO DE LAS DERIVADAS SUCESIVAS (6). De P () ( - a) Q () b y cosderado que b P(α), se puede escrbr que: P ( ) ( ) P( α ) Q α. Teedo e cosderacó estas dos últmas epresoes, resulta: ( α ) α Q ( ) P ( α ) P ( α ) P ( α ) K!!. Sacado actor comú -α, se obtee: Q ( ) P ( α ) ( α ) ( α ) P! α P! ( α ) K ( α )! ( α )! P ( ) P ( ) ( α ) ( α )

14 CALCULO DE LAS DERIVADAS SUCESIVAS (7) 5. Llamado, almete, Q () al polomo ecerrado detro del corcete, resulta: Q () P (α) ( - α) Q () Dervado esta últma epresó se obtee Q () Q () ( - α) Q () que, e el puto α, vale: Q () Q () (8.) CALCULO DE LAS DERIVADAS SUCESIVAS (8) Dervado la sguete epresó respecto de, se obtee: P () Q () ( - a) Q () (8.) P () Q () ( - a) Q () la cual, a su vez, e el puto α, toma el valor: P (α) Q (α) (8.) Cosderado las epresoes (8.) y (8.), se obtee e detva P (α) Q (α) (8.5) Q () Q () (8. )

15 CALCULO DE LAS DERIVADAS SUCESIVAS (9) Co mayor grado de geeralzacó, es posble calcular las sguetes dervadas sucesvas de P(), e el puto α. Iterado el procedmeto descrpto aterormete, se puede escrbr, e geeral: Q Q de dode: k ( ) k ( ) ( α ) ( k) P ( k )! k ( ) ( α )! ( k ) ( α ) Q ( ) k (8.6) ( α ) k k α ( k ) ( ) P P ( α ) K P ( α ) (8.7) k!! CALCULO DE LAS DERIVADAS SUCESIVAS () Dervado la (8.6) co respecto a, se deduce que: Q k- () Q k () ( - α) Q k () e la cual, acedo α, resulta: Q k- (α) Q k (α) Cosderado la epresó (8.7), se obtee: ( Q P k ) k ( α ) k! 5

16 CALCULO DE LAS DERIVADAS SUCESIVAS () Co mayor grado de geeralzacó, es posble calcular las sguetes dervadas sucesvas de P(), e el puto α. E detva, es posble deducr que, e geeral, la dervada de orde k-ésmo resulta: P (k) (α) k! Q k (α) (8.8) que represeta la epresó geeral de la dervada de orde k, de u polomo P(), e el puto α. Itroduccó a la tegracó umérca ETSII-UPM Plateameto del problema Se trata de evaluar la tegral deda de ua ucó medate u sumatoro de valores de esa ucó e certos putos llamados odos, multplcados por uos coecetes de poderacó llamados pesos: b a ( ) d w ( ) w w... w Esta epresó mplca la susttucó de u sumatoro to (la tegral) por u sumatoro to, por lo que se producrá u error de trucameto. Se llama grado de precsó de la órmula de tegracó al mámo grado de los polomos que so tegrados eactamete por dca órmula. Para deducr las órmulas de tegracó umérca la ucó () se suele susttur por el polomo de terpolacó p () () y realzar la tegracó eacta de este polomo. S u polomo de grado es tegrado eactamete es de esperar que el error e la tegracó umérca de la ucó () depeda de la dervada de orde () de dca ucó e u puto perteecete al tervalo de tegracó. La tegracó umérca es u proceso más estable y precso que la dervacó umérca vsta prevamete. 6

17 Fórmulas de Newto-Cotes (/) ETSII-UPM Se basa e el polomo de terpolacó de Newto co argumetos gualmete espacados (órmula de derecas tas). Alguas órmulas de Newto-Cotes: Regla trapezodal ( ) d ( ) err ( ζ ) 5 ( v) Regla de Smpso ( ) d ( ) err ( ζ ) 5 ( v) Regla de Smpso ( ) d ( ) err ( ζ ) Regla de Boole ( ) ( v) d ( 7 7 ) err ( ζ ) 5 95 Observacoes: E estas órmulas se supoe k k. Los errores depede de potecas elevadas de. La órmula de Smpso tee ua alta relacó precsó/coste. No se suele utlzar órmulas de orde muy grade porque aparece coecetes egatvos que da lugar a problemas umércos. Fórmulas de Newto-Cotes (/) Deduccó de la regla de Smpso /8 Se parte del polomo de terpolacó de Newto e derecas tas: ( ) y y p ( ) y y( ) ( )( ) ( )( )( )!! Hacedo el cambo de varable s ( ) s ( s ) ( ) ( s ) ( s ) ( ) ( s ) Se llega a: L Teedo e cueta que se obtee almete, después de reordear térmos: () () p ( ) d ( ) ( ) p s ds y y y y 8 ETSII-UPM ( ) s( s ) s( s )( s ) p ( s) y s y y y!! s( s ) s( s )( s ) y s( y y) (( y y) ( y y) ) ((( y y) ( y y )) (( y y) ( y y) ))!! s( s ) s( s )( s ) y s( y y) ( y y y) ) ( y y y y )!! 9 9 sds ; s( s ) ds ; s( s )( s ) ds!! 8 7

18 Fórmulas de Newto-Cotes (/) ETSII-UPM El cálculo de los errores de las restates órmulas de Newto-Cotes es bastate laboroso y o se cluye e estas trasparecas. Iterpretacó gráca de la regla trapezodal y las dos reglas de Smpso: E ( ξ ) v E ( ξ ) 9 5 v E ( ξ ) 8 5 Fórmulas abertas y cerradas ETSII-UPM Cocepto de órmula de tegracó aberta Se llama aberta a ua órmula de tegracó umérca que o evalúa la ucó tegrado e uo o e los dos etremos del tervalo. Las órmulas abertas so útles cuado o se cooce la ucó e u etremo o tee u valor to (tegrales mpropas). U caso de gra terés práctco so las órmulas de Adams, que utlza putos, pero sólo desea calcular la tegral e el últmo tramo (ver guras) aberta cerrada Newto-Cotes aberta cerrada Adams 8

19 INTEGRACIÓN NUMÉRICA Detro del campo aalítco, perteecete a la matemátca pura, se descooce la prmtva de la mayor parte de las ucoes que ella estuda o s esta se cooce, su aplcacó es larga y compleja, para utlzarla co proveco e la resolucó de ua tegral. Icluso, es posble que se descoozca la epresó aalítca de la ucó sobre la cual se desea tegrar. Cosecuetemete, y e térmos geerales, es posble asegurar que la gra mayoría de los problemas que se preseta e la práctca, carece de solucó detro del campo aalítco. INTEGRACIÓN NUMÉRICA () Resumedo, la mposbldad, o la coveeca, de la aplcacó de métodos tradcoales está dada, udametalmete, por : I.- Que o se coozca gua prmtva de aquella ucó que es ecesaro tegrar, II.- Que aú coocédose ua ucó prmtva, su aplcacó resulte ecesvamete compleja o etesa, III.- Que, drectamete, se descoozca la epresó aalítca de la ucó que debe ser tegrada. 9

20 INTRODUCCION Cuado el problema e cuestó cosste e calcular la tegral deda de ua determada ucó (), dada por: b a ( ) I d (8.9) y se cooce ua ucó F(), prmtva de (), es decr, F' () (), se aplca la regla de BARROW : I b a ( ) d F( b) F( a) (8.) INTRODUCCION () Cuado o se cooce gua prmtva de la ucó, resulta ecesaro apelar a métodos de cálculo apromados. Igual proceder debe adoptarse s, aú coocédose ua prmtva, resulta poco práctco aplcarla, por su complejdad. E ocasoes se cueta solamete co ua tabla de alguo de sus valores, proveete de resultados epermetales; e cuyo caso, tampoco es posble aplcar la regla de BARROW. Cosderado que la tegral dada por (8.9) equvale a determar el valor del área bajo la curva de la ucó (), es posble desarrollar dversos métodos apromados para lograr dco objetvo.

21 FORMULA DE LOS TRAPECIOS Supógase coocdos los valores ; ;...; deducdos de la ucó (), coocda, que cumple co la codcó: k - k- para k ; ;... ; Ua prmera apromacó al valor del área a calcular, lmtada por los putos ; A ; A ;... ; A ; se obtee cosderado la suma de las áreas de los trapecos scrptos e cada ua de las superces parcales lmtadas por los putos, ; A ; A ; ; A ; A ; ; A - ; A ; FORMULA DE LOS TRAPECIOS () Fgura 8.. A A- A ( ) A A Y Y Y Y- X X X X - Y X

22 FORMULA DE LOS TRAPECIOS () E cosecueca, resulta: área ( ; A ; A ; ) / ( y y ) área ( ; A ; A ; ) / ( y y ) área ( - ; A - ; A ; ) / ( y - y ) Sumado las epresoes de las áreas así obtedas, resulta ( ) d ( y y y y ) K (8.) FORMULA DE LOS TRAPECIOS () La órmula de los trapecos tee ua precsó sucetemete buea cuado se trata de aplcarla a determacoes que o requera ua apromacó de orde elevado. E el caso de aberse susttudo la curva, dada por la ucó cotua (), medate la polgoal scrpta, descrpta medate los putos dados o calculados, el modelo realzado puede clascarse como ua Dscretzacó; y o satsace pleamete cuado se trata de obteer gra precsó.

23 FORMULA DE SIMPSON () Basado e la utlzacó de segmetos de parábola para apromar los arcos de curva, e lugar de emplear segmetos de recta;es decr utlzar curvas e lugar de ua polgoal, se obtee ua mayor precsó e el cálculo de tegrales dedas. Prmeramete se cosderará el caso de la parábola de segudo grado, a partr del que se deducrá la epresó aalítca de la órmula de SIMPSON. FORMULA DE SIMPSON () A Y A Fgura 8. A Y Y X X Y X

24 FORMULA DE SIMPSON () El prmer paso cosste e determar el área compredda etre el eje de las, la parábola de eje vertcal que pasa por los tres prmeros putos dados y sus ordeadas etremas. Llamado A ; A ; A a los putos mecoados y supoedo que tee abscsas equdstates; es decr, que: - - Cosderado, además que, acedo pasar el eje y por el puto termedo A o se perde geeraldad (ver gura 8.). FORMULA DE SIMPSON () Dadas estas codcoes y teedo e cueta que, e geeral, la parábola de segudo grado es: y a b c pero, como debe pasar por los tres putos A ; A ; A, es posble escrbr: y a b c a (-) b (-) c a - b c y a b c c y a b c a b c a b c

25 5 FORMULA DE SIMPSON (5) Sumado y restado la prmera y la últma de estas epresoes, y drectamete de la seguda, se obtee los sguetes valores: ; ; y c y y b y y y a Valores que será empleados para reemplazarlos e la epresó de la tegral FORMULA DE SIMPSON (6) Por otra parte, del aálss sabemos que la epresó aalítca del área buscada vale: ( ) c a c b a d c b a yd I Reemplazado e esta últma los valores de a y c aterormete obtedos, resulta: ( ) ( ) 6 y y y y y y y y y y y I El coocmeto de tres ordeadas es sucete para determar el área lmtada por el arco de parábola cuadrátca que pasa por los putos correspodetes.

26 FORMULA DE SIMPSON (7) E el caso de que la curva se ecuetre descrpta medate ua tabla compuesta de putos A ; A ;...; A, sedo u úmero par y co abscsas ; ;...; equdstates, es posble aplcar la metodología epuesta, cada tres putos (A ; A ; A ); (A ; A ; A ); etc. y, de este modo, obteer la epresó: I ( y y y ) ( y y y ) K ( y y y ) ( ) d FORMULA DE SIMPSON (8) De dode, cosderado a los operadores E, P, I co détco sgcado al establecdo e el puto ateror, se obtee: I ( ) d ( E I P) (8.) Esta últma epresó es la coocda e mportate FORMULA DE SIMPSON, muy utlzada para determacoes epedtvas. 6

27 REGLA DE LOS TRES OCTAVOS DE SIMPSON Como es ácl aprecar, la órmula de SIMPSON, solo es válda y utlzable e el caso e que se aya subdvddo el tervalo de tegracó e u úmero de rajas tal, que la catdad de putos resultates; vale decr, los que descrbe la curva y (), sea mpar. Esto sucede cuado el úmero de rajas aluddo es par. El msmo Smpso a desarrollado ua órmula utlzable e el caso que el úmero de rajas sea mpar. REGLA DE LOS TRES OCTAVOS DE SIMPSON () Fgura 8. A Y A A A Y Y Y Y H H H H 7

28 REGLA DE LOS TRES OCTAVOS DE SIMPSON () La deduccó de la correspodete órmula es smlar a la realzada para la de SIMPSON, ecepto que, para la determacó de las áreas parcales, es ecesaro utlzar parábolas de tercer grado que coecte cuatro putos cosecutvos de la curva e cuestó. La orma geeral de la ecuacó de tercer grado represetada por ua parábola cúbca es: y a b c d (8.) REGLA DE LOS TRES OCTAVOS DE SIMPSON () Para determar los valores de los parámetros a; b; c; d es ecesaro mpoer a la epresó (8.), la codcó que pase por los cuatro putos A ; A ; A ; A y ubcar el eje de las y como se dca e la gura 8., lo cual o ace perder geeraldad al razoameto; co ello el tervalo de tegracó resulta: 8

29 REGLA DE LOS TRES OCTAVOS DE SIMPSON (5) Se puede calcular el área buscada medate la epresó: I ( a b c d ) a d b c d a. b. c d a. b. c d de dode: I. b..d REGLA DE LOS TRES OCTAVOS DE SIMPSON (6) Y, realzado las operacoes dcadas, resulta: b I d (8.5) Para calcular los valores de las costates que tervee e el cálculo es ecesaro acer: y a b c d y a b c d y a b c d y a b c d 9

30 REGLA DE LOS TRES OCTAVOS DE SIMPSON (7) Resolvedo, por cualquer método, el cojuto de ecuacoes smultáeas y reemplazado sus valores e la epresó (8.5): ( y y ) ( y y ) I de lo que, e detva, resulta: I 8 [ 9( y y ) ( y y )] ( ) d ( y y y y ) (8.6) que es la epresó aalítca de la deomada REGLA DE LOS TRES OCTAVOS DE SIMPSON. REGLA DE LOS TRES OCTAVOS DE SIMPSON (8) Al qutarle tres rajas a ua zocacó dada por ua catdad mpar de ellas, da como resultado ua catdad par, a la que puede aplcarse la órmula de SIMPSON ya estudada. Por ejemplo, s se estuvera rete al problema de calcular el área subdvdda e 7 rajas, la REGLA DE LOS TRES OCTAVOS DE SIMPSON se podría utlzar para apromar el área bajo la curva ocupada por las tres prmeras rajas. El área bajo las rajas restates, luego de ser calculada medate la órmula de Smpso, se sumaría a la de las tres aterores.

31 FORMULA DE EULER-MACLAURIN Medate el agregado de térmos complemetaros que corrge otras órmulas elemetales como la de los TRAPECIOS o SIMPSON, es posble obteer u s úmero de epresoes elemetales de órmulas de tegracó. Ua de las más comues es la que muestra a cotuacó. La msma propoe adcoar ua sere de térmos a la órmula de los TRAPECIOS, aumetado de este modo, su precsó. ( ) d ( y y K y y ) FORMULA DE EULER-MACLAURIN () Cosdérese que F() es ua prmtva de (); vale decr que, F ()(), del msmo modo que, F () (); etc. Aplcado la órmula del desarrollo e sere de TAYLOR a la ucó prmtva F, resulta: F!! ( ) F( ) F ( ) F ( ) F ( ) K

32 FORMULA DE EULER-MACLAURIN () Traspoedo el prmer térmo del segudo membro, al prmer membro y tomado, sucesvamete, ; ;...; -, resulta: M F!! ( ) F( ) ( ) ( ) ( ) K o F ( ) F( ) ( ) ( ) ( ) K!! M M F M! ( ) F( ) ( ) ( ) ( ) K M! FORMULA DE EULER-MACLAURIN () La suma membro a membro de estas ecuacoes da como resultado e el prmer membro F( )-F( ), pero, como F() es ua prmtva de (), es lícto aplcar la Regla de BARROW al prmer membro, sedo:! ( ) d ( ) ( ) ( ) K! (8.7)

33 FORMULA DE EULER-MACLAURIN (5) Epresoes aálogas a la ateror se obtee cosderado, sucesvamete, las ucoes (); (); etc., resultado: ( ) ( ) ( ) ( ) ( ) K! d (8.8) ( ) ( ) ( ) ( ) ( ) K! d (8.9) ( ) ( ) ( ) ( ) ( ) K! IV d (8.) FORMULA DE EULER-MACLAURIN (6) Sumado a la epresó (8.7) la (8.8) multplcada por C ; la (8.9) multplcada por C ; la (8.) multplcada por C, etc., se obtee: ( ) ( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) [ ] K C C C d ( ) ( ) ( )!!! C C C ( ) K!!! C C C

34 FORMULA DE EULER-MACLAURIN (7) Es ecesaro determar aora, los valores que debe tomar los coecetes C de modo que se aule los corcetes que gura e el segudo membro. E cosecueca, se obtee:! C C C!! C C C C C!!! C C C C C 5!!!! C 7 FORMULA DE EULER-MACLAURIN (8) Así sguedo se calcula los demás coecetes. Susttuyedo estos valores e la últma epresó de la tegral, se obtee la FORMULA DE EULER-MACLAURIN: ( ) d ( ) ( ) K ( ) ( ) [ ] 7 [ ( ) ( )] ( ) ( ) V [ ( ) ( )] K 5 V (8.)

35 FORMULA DE GREGORY Ua órmula que utlza solamete los valores de la ucó y de las correspodetes derecas sucesvas, terores al tervalo ( ; ) es la deomada FORMULA DE GREGORY, la cual será deducda a partr de la ya estudada epresó de EULER- MACLAURYN. FORMULA DE GREGORY () S e la ctada órmula, las dervadas so reemplazadas por las epresoes correspodetes e térmos de las derecas; que so: ( ) ( ) ( ) ( ) ( ) K ( ) ( ) ( ) ( ) ( ) K 5

36 6 FORMULA DE GREGORY () ( ) ( ) ( ) ( ) K 5 7 ( ) ( ) ( ) ( ) K 5 7 ( ) ( ) ( ) K V ( ) ( ) ( ) K V FORMULA DE GREGORY () Resulta la FORMULA de GREGORY: ( ) ( ) ( ) ( ) ( ) d K ( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) [ ] K

37 METODOS COMBINADOS E alguas ocasoes resulta teresate combar alguos de los métodos aalzados aterormete para resolver satsactoramete alguos problemas. Supogamos dada () e u tervalo (a,b) Cerrado, sobre el cual se desea obteer la tegral de dca ucó. Supógase també que se dspoe de 5 segmetos de recta. Ua opcó sera aplcar el método de Trapecos. No obstate debdo al eorme error por Trucameto resulta acosejable combar las reglas de Smpso de / y /8 para atacar el problema. Así la regla de Smpso / sera aplcada a los dos eros segmetos ( putos ) metras que para los otros segmetos restates se recurre a la regla de Smpso /8. Así se obtee ua estmacó del error de tercer orde para todo el tervalo. METODOS COMBINADOS Ejercco: Aplcar esta dea para calcular la tegral de la ucó: () sobre el tervalo (.5,.5) co 5 segmetos sobre dco tervalo. Eectuar u aálss comparatvo y aalzar el error aplcado dsttos métodos. Ejercco: Aplcar a u ej. practco ormulas de trapecos, Euler Mac Laur y Gregory, comparar resultados y etraer coclusoes. 7

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

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

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

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

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

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

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

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

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

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

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

2.5. Área de una superficie.

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

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

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

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

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

TEMA 6. ECUACIONES DIFERENCIALES ORDINARIAS E INTEGRACIÓN NUMÉRICA

TEMA 6. ECUACIONES DIFERENCIALES ORDINARIAS E INTEGRACIÓN NUMÉRICA Tema 6: Ecuacoes derecales ordaras e tegracó TEMA 6. ECUACIONES DIFERENCIALES ORDINARIAS E INTEGRACIÓN NUMÉRICA. Itroduccó. Nomeclatura. Ecuacoes derecales ordaras 4. Métodos eplíctos de resolucó de ecuacoes

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

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

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

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

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

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

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

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

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

Más detalles

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

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA: UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA:

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

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

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

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

Más detalles

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

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

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

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

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

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

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

3 AJUSTE DE FUNCIONES

3 AJUSTE DE FUNCIONES AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

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

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

R-C CARGA Y DESCARGA DE UN CONDENSADOR

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

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

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

. Usaremos una vía algebraica y una geométrica que nos

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

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

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

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente: Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

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 aalzó el sgo

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

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

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

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

Análisis de un circuito RC con resistencia no lineal

Análisis de un circuito RC con resistencia no lineal Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

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

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

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Núeros Coplejos PREGUNTAS MÁS FRECUENTES. Qué es la udad agara? Es u eleeto del que cooceos úcaete su cuadrado:.obvaete, o se trata de u úero real.. Qué es u úero coplejo? Es

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

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

LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES

LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp) Vol. 101, Nº. 1, pp 21-33, 2007 VII Programa de Promocó de la Cultura Cetífca y Tecológca LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES FCO. JAVIER GIRÓN GONZÁLEZ-TORRE

Más detalles

CAPITULO 5: LA EVACUACION DE EDIFICIOS

CAPITULO 5: LA EVACUACION DE EDIFICIOS 5. La evacuacó de edfcos 195 CAPITULO 5: LA EVACUACION DE EDIFICIOS 5.1 ESTUDIO DEL PROBLEMA MEDIANTE REDES DE FLUJO Hstórcamete la utlzacó de redes de flujo supuso u avace otable e el estudo del problema

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