6. Intervalos de confianza

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

Download "6. Intervalos de confianza"

Transcripción

1 6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros 80 Iervalos de cofiaa

2 3 Iervalos de cofiaa 0 Iroducció 0. B arox = 4 Iervalos de cofiaa - 0 de : Desejado P = ivel de COFIAZA -

3 + ivel de cofiaa: - Tamaño Muesral Iervalos de cofiaa 5 Ejemlo 0 = = ± = 00 = % = 00 = % Iervalos de cofiaa 6

4 7 Iervalos de cofiaa. ormal: Iervalo ara co coocido... x x x ± 8 Iervalos de cofiaa. ormal:iervalo ara co descoocido... s x s x S S 0 + s x ± - -

5 Disribució de Sude Z V Z 0 V Z V χ so ideediees Iervalos de cofiaa 9 3. ormal: Iervalo ara... S = P χ i = i S χ S = χ s χ s χ χ χ χ Iervalos de cofiaa 0

6 EJEMPLO. La resisecia a la comresió de robeas de acero elegidas al aar es: S S x = 4 7 Iervalos de cofiaa s = % cofiaa: χ S 4S P407 s = S χ 33 = % cofiaa: χ Iervalos de cofiaa

7 4. Poisso: Iervalo ara λ λ = λ λ λ P arox λ λ 0 0 λ λ λ Poisso λ - = λ λ λ λ + λ Iervalos de cofiaa 3 Tabla -Sude ν ν: grados de liberad g.l. EJEMPLO P 9 6 = 00 Iervalos de cofiaa g.l ifiio

8 Tabla χ χ ν- ν: grados de liberad g.l. EJEMPLO Pχ 9 90 = 00 Iervalos de cofiaa g.l

9 Ejercicios rouesos Caíulo 6. Iervalos de cofiaa 6. Se ha omado valores de ua variable física que se suoe ormal resulado a Cosruir u iervalo de cofiaa ara la media de la oblació al 95% de cofiaa. b Cosruir u iervalo de cofiaa ara la variaa de la oblació co el mismo ivel de cofiaa del aarado aerior. 6. E la lisa adjua se idica la edad y el área cieífica e que rece imoraes cieíficos de diversas áreas descubriero la eoría que les ha dado la fama. Cosruir co esos daos u iervalo de cofiaa ara la edad a la que los cieíficos realia su coribució más imorae: Galileo 34 asroomía Frakli 40 elecricidad Lavoisier 3 química Lyell 33 geología Darwi 49 biología Maxwell 33 ecuacioes de la lu Curie 34 radiacividad Plak 43 eoría cuáica Marx 30 socialismo cieífico Freud 3 sicoaálisis Bohr 6 modelo del áomo Eisei 6 relaividad Keyes 36 macroecoomía. 6.3 Ua muesra de esacioes de servicio de ua cadea de gasolieras roorcioa u igreso medio or ersoa al mes de 340 euros co ua desviació íica de 85 euros. Calcular u iervalo de cofiaa ara el igreso medio or rabajador e esa emresa. Calcular el úmero de esacioes que debemos esudiar ara que el iervalo ega ua amliud máxima de 500 euros. 6.4 Se ha escogido al aar 5 robeas de u deermiado acero cuya resisecia a la comresió se suoe que se disribuye ormalmee y se ha medido ésa e las uidades adecuadas habiédose observado los resulados siguiees a Esimar la resisecia media del acero y su variaa. b Hallar u iervalo de cofiaa del 99% ara la resisecia media. c Hallar u iervalo de cofiaa del 99% ara la variaa. d Cuáas robeas debería haberse uiliado e el esudio si se quisiera esimar la resisecia media del acero co ua recisió de ±6 uidades y ua cofiaa del 95%?. 6.5 Ua comañía de comida recociada desea laar al mercado u uevo roduco. Para coocer la aceació del mismo realia reviamee ua ecuesa ere 00 ersoas elegidas al aar de las que 37 maifiesa su disosició a comrarlo. Obeer u iervalo de cofiaa =0.05 ara la roorció de comradores oeciales de ese uevo roduco. Cúal debería ser el amaño muesral si se quisiera reducir la logiud del iervalo a la miad. 6.6 Se desea esimar la roorció de iños ere 0 y 4 años que se ecuera adecuadamee vacuados cora la oliomieliis. Si se quiere que la diferecia e valor absoluo ere la esimació fial y el verdadero valor de la roorció sea meor que 0.05 co robabilidad 0.95 Cúal es el amaño muesral míimo requerido?.

10 6.7 Ua roca luar es eviada a u laboraorio ara deermiar su ivel de radiacividad θ ivelquese mide or el úmero medio de arículas emiidas or hora. Desués de 5 horas el equio Geiger ha coabiliado u oal de arículas emiidas. Aceado que el úmero de arículas emiidas sigue ua disribució de Poisso dar u iervalo co 95% de cofiaa ara el ivel de radiacividad de la roca. oa.- Uiliar que si Z iee disribució 0 eoces P Z.96 = Teiedo e cuea que si... es ua muesra aleaoria simle de ua variable aleaoria exoecial co fució de desidad fx = λ exλ x 0 λ > 0; el esadísico U =λ iee disribució χ dode = ; resolver la cuesió siguiee: El iemo de fucioamieo de u equio elecróico es ua variable aleaoria co disribució exoecial. Se ha omado los iemos de fucioamieo hasa el fallo de 30 equios elegidos al aar obeiédose horas de media. Calcular u iervalo co 95 % de cofiaa ara la vida media de u equio. 6.9 E ua ceralia ha habido 80 llamadas durae las úlimas dos horas. Obega u iervalo de cofiaa ara la eseraa del úmero de llamadas or hora suoiedo que el úmero de llamadas durae u eriodo de duració T cualquiera sigue ua disribució de Poisso. 6.0 La velocidad de ua molécula segú el modelo de Maxwell es ua variable aleaoria co fució de desidad 4 fx = π 3 x ex x x 0 0 x 0. dode >0 es el arámero de la disribució y se verifica que E = y Var = 3 π 4 π. a Calcular el esimador máximo verosímil de y su variaa asióica. b Calcular el esimador or momeos de y la variaa de dicho esimador. c Para ua muesra de amaño =00 ara la que se verifica que 00 P x i = 34 yque 00 P x i = 339hallar u iervalo de cofiaa de co el 95% de cofiaa uiliado ambos esimadores. 6. Los úcleos radioucleidos del elemeo radiacivo Carboo 4 C 4 se desiegra aleaoriamee. El iemo que arda e desiegrarse cada radioucleido es ua variable aleaoria co disribució exoecial de media años. a Si iicialmee había 0 radioucleidos obeer el úmero eserado de los radioucleidos si desiegrar al cabo de los años. b Obeer ara la variable aleaoria úmero de radioucleidos si desiegrar al cabo de años u iervalo que coega al valor de esa variable co robabilidad 0 95 e ierrear el resulado. i= i=

11 c Ua iea arqueológica ha esado eerrada durae años al cabo de los cuales se ha observado 0 0 radioucleidos de C 4. Esimar or el méodo de los momeos el úmero iicial de radioucleidos y calcular la media y la variaa del esimador obeido. d Deermiar el iemo que debe rascurrir ara que el úmero de radioucleidos iiciales se reduca a la miad. 3

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL CONCEPTO BÁCO DE ETADTCA NFERENCAL Població N Muesra Parámeros Esadísico µ Esimador dividuo Cada parámero poblacioal le correspoderá u esadísico de la muesra que cosiuirá ua esimació del primero. Defiició

Más detalles

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL MODULO IV. ETIMACIÓN POR INTERVALO DE CONFIANA ANÁLII DE CAO DOCENTE: JUAN CARLO VERGARA CHMALBACH ETADÍTICA INFEREIAL CAO : ETIMACIÓN DE LA MEDIA CON DEVIACIÓN POBLACIONAL CONOCIDA La rimera esimació

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

Estimacion puntual y por Intervalo

Estimacion puntual y por Intervalo Eimacio uual y or Iervalo El objeivo e efecuar ua geeraliació de lo reulado de la muera a la oblació. Iferir o adiviar el comoramieo de la oblació a arir del coocimieo de ua muera. E geeral o iereará coocer

Más detalles

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

V.- CONDICIÓN DE CONTORNO ISOTÉRMICA EN SÓLIDOS INFINITOS

V.- CONDICIÓN DE CONTORNO ISOTÉRMICA EN SÓLIDOS INFINITOS V.- CONDICIÓN DE CONTONO ISOTÉMICA EN SÓIDOS INFINITOS V.1.- CONDUCCIÓN TANSITOIA EN PACA INFINITA CON CONDICIÓN DE CONTO- NO ISOTÉMICA a coducció a ravés de ua placa plaa de espesor fiio e la direcció

Más detalles

MATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física

MATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física MAEMÁICAS Posgrado e Naoecología Dr. Robero Pedro Duare Zamorao 16 Deparameo de Física EMARIO. Series de Fourier 1. Iroducció.. Desarrollo de Fourier. 3. Expasioes de Fourier de medio rago. Iroducció.

Más detalles

APÉNDICE: ANÁLISIS DE REGRESIÓN

APÉNDICE: ANÁLISIS DE REGRESIÓN Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores APÉDICE: AÁLISIS DE REGRESIÓ ITRODUCCIÓ El aálisis de regresió es ua herramiea esadísica que permie hacer u ajuse de daos eperimeales

Más detalles

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3 Pruebas de Acceso a Eseñazas Uiverarias Oiciales de Grado Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá coesar a ua de las dos opcioes propuesas A ób. Se podrá uilizar cualquier

Más detalles

LEY FINANCIERA DE CAPITALIZACIÓN COMPUESTA. TEORÍA

LEY FINANCIERA DE CAPITALIZACIÓN COMPUESTA. TEORÍA LEY FINANIERA DE APITALIZAIÓN OMPUESTA. TEORÍA Profesor: Jua Aoio Gozález Díaz Dearameo Méodos uaiaivos Uiversidad Pablo de Olavide www.clasesuiversiarias.com LEY FINANIERA DE APITALIZAIÓN OMPUESTA E el

Más detalles

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013 El Marge de Riesgo México Por: Pedro Aguilar B. paguilar@csf.gob.mx paguilar@ifiium.com.mx Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

Universidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones

Universidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones Uiversidad Tecológica Nacioal Faculad Regioal Rosario Cáedra de Ig. e las Reaccioes Trabajo pracico Nº 3: Flujo o ideal: isribució de iempos de residecia e u reacor flujo pisó AÑO 14 Ig. Roque Masciarelli

Más detalles

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden PRÁCTICA 1 Sisemas elécricos de rimer y segudo orde Objeivo: Deermiar la resisecia iera de u geerador. Realizar medicioes de la cosae de iemo de circuios de rimer orde asabajas y de los arámeros de diseño

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO CRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació e la maemáica

Más detalles

EJERCICIOS DE MATRICES

EJERCICIOS DE MATRICES EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F

Más detalles

SISTEMAS, MATRICES Y DETERMINANTES

SISTEMAS, MATRICES Y DETERMINANTES .- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a

Más detalles

UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS

UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS Movimieo recilíeo Iroducció El esudio de los movimieos de los cuerpos es de vial imporacia para coocer el comporamieo

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia

Más detalles

Regresión Lineal Simple

Regresión Lineal Simple REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013 Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e

Más detalles

Recordemos para la distribución Binomial

Recordemos para la distribución Binomial U estimador utual atural de la roorció e u exerimeto biomial se ecuetra dado or el estadístico roorció =x/, dode x rereseta el úmero de éxitos e ruebas o exerimetos realiados. Etoces la roorció de la muestra

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Tema Iferecia estadística. Estimació de la media Mate CCSSII 2º Bach. 1 TEMA INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA DISTRIBUCIÓN NORMAL EJERCICIO 1 : Los esos, e kilogramos, de u gruo de ersoas

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

Índice. 1. Introducción Antecedentes Marco teórico... 5

Índice. 1. Introducción Antecedentes Marco teórico... 5 Ídice. Iroducció.... Objeivos.... Aecedees... 3. Pruebas para la hipóesis de movimieo Browiao...4 3. Marco eórico... 5 3. Alguos cocepos de procesos esocásicos...5 3.. Movimieo Browiao o Proceso de Wieer...7

Más detalles

Tema 4: Fenómenos de transporte de carga

Tema 4: Fenómenos de transporte de carga Elecróica de disosiivos Tema 4: Feómeos de rasore de carga Ca. : Se, Ca. 4: K. Kao rrasre de oradores movilidad resisividad efeco all ifusió de oradores Proceso de difusió Relació de Eisei Iyecció de oradores

Más detalles

LECCIÓN N 14 ADQUISICIÓN Y CONVERSIÓN DE DATOS. Conversión Digital-Analógica. Conversión Analógico-Digital

LECCIÓN N 14 ADQUISICIÓN Y CONVERSIÓN DE DATOS. Conversión Digital-Analógica. Conversión Analógico-Digital Elecróica Digial LECCÓN N 4 ADQUSCÓN Y CONVESÓN DE DAOS roducció uesreo de señal Coversió DigialAalógica Coversió AalógicoDigial 4 Elecróica Digial roducció La iformació digial se puede procesar, almacear

Más detalles

Nucleación y crecimiento unidimensional

Nucleación y crecimiento unidimensional Nucleació y crecimieo uidimesioal Pare II. Aálisis de la ecuació de Avrami Virgilio A. Gozález G.* Carlos A. Guerrero S, Jua Aguilar G.* ABSTRACT The applicaio of he Avrami-Johso-Mehl model o he uidimesioal

Más detalles

Solución. x 1 =36 x 2 =24 n 1 =50 n 2 =75 IC=96 % σ 1 =6 σ 2 =8. Datos. Fórmula x 1 -x 2 =36-24=

Solución. x 1 =36 x 2 =24 n 1 =50 n 2 =75 IC=96 % σ 1 =6 σ 2 =8. Datos. Fórmula x 1 -x 2 =36-24= Solució Datos x =36 x =4 =50 =75 IC=96 % σ =6 σ =8 Fórmula x x z Se lleva a cabo u exerimeto e que se comara dos tios de motores, A y B. Se mide el redimieto e millas or galó de gasolia. Se realiza 50

Más detalles

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE SEPTIEMBRE DE 2003.

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE SEPTIEMBRE DE 2003. POSIBE SOUCIÓN DE EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE SEPTIEMBRE DE 3. Problema (35 uos): Se usa ua máuia ara roduir herramieas de reió. Si la máuia esá hoy e bueas odiioes eoes esará bie

Más detalles

Qué es la Cinética Química?

Qué es la Cinética Química? Tema 4. La velocidad de Cambio Químico I. Velocidad de reacció.. Ecuació de velocidad y orde de reacció. 3. álisis de los daos ciéicos: ecuacioes iegradas de ciéicas secillas. 4. Ciéicas complejas.. Velocidad

Más detalles

OSCILACIONES AMORTIGUADAS. PENDULO DE POHL

OSCILACIONES AMORTIGUADAS. PENDULO DE POHL OSCILACIONES AMORTIGUADAS. PENDULO DE POHL.- INTRODUCCION TEÓRICA El Pédulo de Pohl de la figura permie esudiar las oscilacioes libres, amoriguadas y forzadas de baja frecuecia producidas mediae u pédulo

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores Capíulo Iroducció a la Elecróica de oecia. Iroducció a la Elecróica de oecia. Clasificació de los Coeridores Como su ombre lo idica su fució es coerir ua fuee de ua esió y frecuecia dada a ora de diferees

Más detalles

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN FCULTS DE INGENIERÍ PÁGIN: 5-1 de 16 INTRODUCCIÓN El esudio de las aceleracioes e los mecaismos ariculados coplaares se puede abordar ya sea por méodos aalíicos o por méodos gráficos. Ese capíulo se deermiará

Más detalles

SP-A Superintendencia de Pensiones, al ser las catorce horas del siete de diciembre del dos mil diecisiete.

SP-A Superintendencia de Pensiones, al ser las catorce horas del siete de diciembre del dos mil diecisiete. Superiedecia de Pesioes, al ser las caorce horas del siee de diciembre del dos mil diecisiee. SE MODIFICA INTEGRALMENTE EL ACUERDO SP-A-008 DEL 20 DE DICIEMBRE DE 2002 Y SUS REFORMAS CONSIDERANDO: 1. El

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

Curvas MOISES VILLENA

Curvas MOISES VILLENA 6 6.1. 6.. 6.. 6.4. 6.1. FUNCIÓN VECTORIAL DE UNA VARIABLE REAL 6.1.1 DOMINIO 6.1. LIMITE 6.1. CONTINUIDAD 6.. TRAYECTORIA (CAMINO) 6.. GRAFICA. DEFINICIÓN 6.4. TRAZA 6.5. CURVA 6.6. DERIVADA 6.7. CONCEPTOS

Más detalles

03) Rapidez de Cambio. 0301) Cambio

03) Rapidez de Cambio. 0301) Cambio Págia 1 03) Rapidez de Cambio 0301) Cambio Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Iroducció Uo de los aspecos más desacables de la auraleza es su carácer variable. La Tierra y odos

Más detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 3: INFERENCIA ESTADISTICA ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.

Más detalles

Métodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8

Métodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8 Méodos Numéricos - cap. 7. Ecuacioes Difereciales PVI /8 Ecuacioes Difereciales Ordiarias (EDO Ua Ecuació Diferecial es aquella ecuació que coiee difereciales o derivadas de ua o más fucioes. Ua Ecuació

Más detalles

Práctica 3 MUESTREO E INTERVALOS DE CONFIANZA

Práctica 3 MUESTREO E INTERVALOS DE CONFIANZA Deparameo de Méodos Cuaiaivos e Iformáicos. Objeivos: a) Calcular los parámeros de la disribució de medias o proporcioes muesrales de amaño, exraídas de ua població de media y variaza coocidas. b) Calcular

Más detalles

Apéndice Números Complejos

Apéndice Números Complejos Aédice Números Comlejos 1 Números comlejos. Geeralidades. Oeracioes co úmeros comlejos Potecia y raíz de úmeros comlejos. 4 Fució exoecial y forma exoecial. E.U.Politécica de Sevilla. Fudametos Matemáticos

Más detalles

La Serie de Fourier Trigonométrica

La Serie de Fourier Trigonométrica La Serie de Fourier Trigoomérica Dr. Luis Javier Morales Medoza FIEC Uiversidad Veracruzaa Poza Rica Tuxpa Ídice 5.. Iroducció 5.. La serie rigoomérica de Fourier 5.3. Relació ere los coeiciees de Fourier

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

La Organización Mundial de la Salud es un organismo especializado

La Organización Mundial de la Salud es un organismo especializado La Orgaizació Mudial de la Salud es u orgaismo especializado de las Nacioes Uidas que se ocupa fudamealmee de asuos saiarios ieracioales y salud pública. Por coduco de esa orgaizació, creada e 1948, los

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS ONTIFICIA UNIVERSIDAD CATÓLICA DE UERTO RICO DEARTAMENTO DE FÍSICAMATEMÁTICAS Nombre: Fecha: Sec. Eame Fial MAT. 98 Núm. I. Seleccioe la repuea correca: (3 puo cada uo) Cao: Sea Z {0 0 3 3 4 4 5 6 7 7

Más detalles

MODELIZACIÓN DE LA VOLATILIDAD MEDIANTE MODELOS AUTORREGRESIVOS DE HETEROCEDASTICIDAD CONDICIONAL

MODELIZACIÓN DE LA VOLATILIDAD MEDIANTE MODELOS AUTORREGRESIVOS DE HETEROCEDASTICIDAD CONDICIONAL Máser Oficial e Esadísica Alicada Trabao Fi de Máser MODELIZACIÓN DE LA VOLATILIDAD MEDIANTE MODELOS AUTORREGRESIVOS DE HETEROCEDASTICIDAD CONDICIONAL Uiversidad de Graada Auor: Carmelo García Sáchez Tuor:

Más detalles

Revisión periódica en tiendas con un elevado número de referencias de lento movimiento

Revisión periódica en tiendas con un elevado número de referencias de lento movimiento VIII Cogreso de Igeiería de Orgaizació Legaés, 9 y 1 de sepiembre de 24 Revisió periódica e iedas co u elevado úmero de referecias de leo movimieo Mauel Cardós, Eduardo Vices, Crisóbal Miralles Deparameo

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

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

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

Más detalles

Planificación contra stock. Presentación. Introducción

Planificación contra stock. Presentación. Introducción Plaificació cora sock 09.0.07 Preseació Fabricar cora sock? No iee que ser cero el iveario? Se vio e el capíulo de iroducció. Plaificar cora sock Ciclo de pedido y fabricació idepediees. Demada aual coocida.

Más detalles

MS-1 Modelos de supervivencia Página 1 de 20

MS-1 Modelos de supervivencia Página 1 de 20 CURSO: - TEMA : Pricipales modelos de moralidad. Modelizació esocásica. Ley de De Moivre. Leyes de Dormoy y de Sag. Leyes de Gomperz y de Makeham. Oros modelos de moralidad. Esudiaremos aquí disios modelos

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

9- Intervalos de confianza

9- Intervalos de confianza arte Itervalos de cofiaa rof. María B. itarelli 9- Itervalos de cofiaa 9. Itroducció e ha visto como costruir a artir de ua muestra aleatoria u estimador utual de u arámetro descoocido. E esos casos ecesitábamos

Más detalles

Estimación de Parámetros

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

Más detalles

MMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos

MMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos MMII_c4_MSV: Ecuació de Lapace e u recáguo. Probemas o homogéeos Guió: E esa case os ocuparemos de a apicació de Méodo de Separació de Variabes (MSV) a a ecuació de Lapace, o que podremos hacer mediae

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar

Más detalles

Sistemas y Señales I. Ecuaciones de Estado. Variables de Estado

Sistemas y Señales I. Ecuaciones de Estado. Variables de Estado Sisemas y Señales I Ecuacioes de Esado Auor: Dr. Jua Carlos Gómez Variables de Esado Defiició: Las Variables de Esado so variables ieras del sisema, cuyo coocimieo para odo iempo, juo co el coocimieo de

Más detalles

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496. GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y

Más detalles

Modelos discretos de probabilidad

Modelos discretos de probabilidad UNIDAD 6 Modelos discreos de probabilidad Objeivos Al fializar la uidad, el alumo: disiguirá y resolverá ejercicios de cada uo de los modelos discreos: biomial, geomérico, biomial egaivo, hipergeomérico

Más detalles

PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II UNIDAD III: TECNICAS DE ESTIMACIÓN ESTIMACIÓN POR INTERVALOS

PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II UNIDAD III: TECNICAS DE ESTIMACIÓN ESTIMACIÓN POR INTERVALOS PROYECTO DE CARRERA: INGENIERÍA INDUTRIAL AIGNATURA: ETADÍTICA II UNIDAD III: TECNICA DE ETIMACIÓN ETIMACIÓN POR INTERVALO INTRODUCCIÓN E temas ateriores se estableciero las bases que ermite a los estadísticos

Más detalles

CI52R: ESTRUCTURAS DE ACERO. Programa CI52R

CI52R: ESTRUCTURAS DE ACERO. Programa CI52R CI5R: ESTRUCTURAS DE ACERO Prof.: Ricardo Herrera. Aux.: Phillio Correa. Programa CI5R NÚERO NOBRE DE LA UNIDAD OBJETIVOS 5 DURACIÓN 4 semaas Diseño ara flexió Ideificar modos de falla de elemeos e flexió.

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

Patrones de datos y elección de técnica de pronóstico

Patrones de datos y elección de técnica de pronóstico Curso de Ecoomería de Series de Tiempo Faculad de Ecoomía Uiversidad Nacioal Auóoma de México Paroes de daos y elecció de écica de proósico * Maerial de apoyo para desarrollar el capíulo 3 de Hae, e. al.

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació

Más detalles

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2004.

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2004. POSBLE SOLUCÓN DEL EXAMEN DE NVESTGACÓN OPERATVA DE SSTEMAS DE JUNO DE 4. Problema (,5 utos): Ua máuia es iseccioada cada semaa ara comrobar si fucioa correctamete. El resultado de la isecció uede ser

Más detalles

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n =

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n = Hoa Problemas Aálisis II /9 85.- Sea la fució oliómica: N R Demosrar que: i ii iii iv Solució: Cosideremos la ideidad: R N. Derivado e ambos miembros reseco de mulilicado desués or se obiee: - Derivado

Más detalles

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x

Más detalles

Inferencia Estadística

Inferencia Estadística Decrició breve del tema Iferecia Etadítica Tema 7. Itroducció. Itervalo de Cofiaa Determiació del tamaño muetral 3. Cotrate de hiótei Geeralidade de lo cotrate Metodología del cotrate Regió de rechao y

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

CONTROL DE ASISTENCIA A EXAMEN

CONTROL DE ASISTENCIA A EXAMEN Uiversidad de Las Palmas de Gra Caaria Escuela Técica Superior de Igeieros de Telecomuicació Teoría de la Señal - Eame Covocaoria Ordiaria: 3 de febrero de 2009 CONTROL DE ASISTENCIA A EXAMEN La firma

Más detalles

Distribuciones en el muestreo, EMV

Distribuciones en el muestreo, EMV Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador

Más detalles

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( ) I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad

Más detalles

Precálculo Quinta edición Matemáticas para el cálculo

Precálculo Quinta edición Matemáticas para el cálculo Precálculo Quia edició Maemáicas para el cálculo Límies JAMES STEWART, LOTHAR REDLIN, SALEEMWATSON Pag. 88-94 . Cocepo iuiivo de ie de ua fució. Limies Esquema del capiulo E ese capiulo se esudia la idea

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

LECCIÓN N 9 CÁLCULO CINETOSTÁTICO DE MECANISMOS PLANOS 9.1 FUERZAS DE INERCIA DE LOS ESLABONES DE LOS MECANISMOS PLANOS

LECCIÓN N 9 CÁLCULO CINETOSTÁTICO DE MECANISMOS PLANOS 9.1 FUERZAS DE INERCIA DE LOS ESLABONES DE LOS MECANISMOS PLANOS LEIÓN N 9 ÁLULO INETOSTÁTIO DE MEANISMOS PLANOS 9. UERZAS DE INERIA DE LOS ESLAONES DE LOS MEANISMOS PLANOS omo se sabe del curso de mecáica, e el caso más geeral odas las fuerzas de iercia del eslabó

Más detalles

EXAMEN FINAL DE METODOS NUMERICOS (MB536)

EXAMEN FINAL DE METODOS NUMERICOS (MB536) UNIVERSIDAD NACIONAL DE INGENIERIA P.A. 7- FACULTAD DE INGENIERIA MECANICA //7 EXAMEN FINAL DE METODOS NUMERICOS (MB36) SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO Y CALCULADORA CIENTIFICA ESCRIBA

Más detalles

CAPITULO 2. La importancia básica de pronóstico es de ser un eslabón que se une a la etapa de Planificación y Control de un sistema.

CAPITULO 2. La importancia básica de pronóstico es de ser un eslabón que se une a la etapa de Planificación y Control de un sistema. CAPITULO PRONOSTICOS Hacer u proósico, es hacer u proceso de esimació de u acoecimieo fuuro, a parir de ua iformació de ipo hisórica, ormalmee de ipo maemáica, y/o de ipo referecial de apreciacioes, esimacioes

Más detalles

LECCIÓN 10 DISPOSITIVOS EMISORES DE MICROONDAS (DISPOSITIVOS GUNN)

LECCIÓN 10 DISPOSITIVOS EMISORES DE MICROONDAS (DISPOSITIVOS GUNN) LIÓN 0 ISPOSITIVOS MISOS MIOONAS (ISPOSITIVOS GUNN) )INTOUIÓN Ya hemos viso e la lecció 6 u disposiivo PN (el diodo úel) co ua caracerísica I(V) que iee ua zoa de resisecia diferecial egaiva. icha zoa

Más detalles

t T 1 Y Y T Y = T Y = 3 [ T Y m EJERCICIOS DE FORMAS DE ONDA y DESARROLLOS EN SERIE DE FOURIER.

t T 1 Y Y T Y = T Y = 3 [ T Y m EJERCICIOS DE FORMAS DE ONDA y DESARROLLOS EN SERIE DE FOURIER. EJERCICIOS DE FORMAS DE ONDA DESARROLLOS EN SERIE DE FOURIER. EJERCICIO. Hallar el valor eficaz,, e las foras e oa repreaas e la figura. RESOLUCIÓN: Los valores eficaces e las res foras e oa so iguales.

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

Estimación puntual ± Margen de error

Estimación puntual ± Margen de error Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica

Más detalles

Capitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica

Capitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica Capiulo II II.2 Teoría de curvaura 1 Capiulo II Movimieo Plao II.1 Aspecos geerales del movimieo plao. II.2 Teoría de la curvaura. 1. Teorema de Harma. 2. Euler-Savary. 3. Circuferecia de iflexioes y circuferecia

Más detalles

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

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

Más detalles

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

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

Más detalles

SERIES DE TIEMPO AJUSTADAS CON MODELOS DE ESPACIO DE ESTADO. Errores de proyección. Adriana Fátima Panico de Bruguera.

SERIES DE TIEMPO AJUSTADAS CON MODELOS DE ESPACIO DE ESTADO. Errores de proyección. Adriana Fátima Panico de Bruguera. Ruig head: PROPAGACIÓN DE LOS ERRORES DE PROYECCIÓN DE LAS SERIES DE TIEMPO AJUSTADAS CON MODELOS DE ESPACIO DE ESTADO Errores de proecció Adriaa Fáima Paico de Bruguera apaico@herrera.u.edu.ar María Agélica

Más detalles

x = nº pólizas Toledo y = nº pólizas Albacete z = nº pólizas Cuenca

x = nº pólizas Toledo y = nº pólizas Albacete z = nº pólizas Cuenca wwwclasesalacartacom Uiversidad de Castilla la Macha AEG Juio JUNIO Opció A Dadas las matrices: A = y B = a) Calcula la matriz M = (I + A), dode I es la matriz idetidad de orde b) Calcula, si es posible,

Más detalles

Consideremos los siguientes experimentos aleatorios

Consideremos los siguientes experimentos aleatorios 69 Veremos e lo que sigue uevas variables aleatorias discretas. Estas variables y sus distribucioes se utiliza como modelos e muchas alicacioes estadísticas. Distribució Biomial Cosideremos los siguietes

Más detalles

PROPUESTA A. b ) Coordenadas de los máximos y mínimos relativos de f(x). dx. b )

PROPUESTA A. b ) Coordenadas de los máximos y mínimos relativos de f(x). dx. b ) ES CSTELR DJOZ Eame Juio de (Geeral) Euciado oio Megiao Corbacho PRUE DE CCESO (LOGSE) UNVERSDD DE CSTLL L MNCH JUNO (GENERL) MTEMÁTCS Tiempo máimo: horas miuos Elija ua de las dos opcioes, o, coese a

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de

Más detalles

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA Métodos estadísticos y uméricos Estimació por Itervalos de cofiaa PROBLEMA REUELTO DE ETIMACIÓN POR INTERVALO DE CONFIANZA U adador obtiee los siguietes tiempos, e miutos, e 0 pruebas croometradas por

Más detalles