Análisis de Correspondencias Múltiples

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

Download "Análisis de Correspondencias Múltiples"

Transcripción

1 Aálisis de Correspodecias Múltiples (ACM)

2 ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES Lebart, 974 Hacer aálisis de correspodecias sobre: Tabla disyutiva completa Tabla de Burt Represetació simultáea de todas las modalidades. Oo: # de modalidades Bibliografía: Lebart et al. (iglés) Lebart et al. (español) Greeacre (iglés) Escofier & Pagès (fracés)

3 Aálisis de Correspodecias Múltiples ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES : idividuos p: variables cualitativas Tabla disyutiva completa: Tipo de Sexo Prov salario M Alauela Alto 2 F Heredia Bao 3 F Sa Jose Muy Alto 4 M Cartago Bao M M M M M F SJ A C H MB B M A MA M

4 Aálisis de Correspodecias Múltiples ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES Tabla de Burt (cotigecia geeralizada) M F So Ala Car Her MB B M A MA M F SJ A C H MB B M A M

5 ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES La tabla de datos: Tabla de Burt id SEXO EDAD INGRESO F 5 Medio 2 F 3 Alto 3 M 4 Bao 4 F Bao 5 F 2 Medio 6 M 5 Alto 7 F 2 Medio 8 M 3 Bao 9 M Alto 0 F 4 Medio Igresos Edad Sexo Sexo Edad Igresos F M B M A F M B 2 3 M A

6 ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES ACM Aálisis de Correspodecias de ua tabla disyutiva completa idividuos Profesió Edad Sexo Estructura particular de la tabla Propiedades particulares del aálisis

7 ACM: AFC DE UNA TABLA DISYUNTIVA i p zi L p z i # idividuos # variables cualitativas p k #modalidades de la variable k p k p k total de columas Márgees: z i ( z i ) z z i 0 pues hay uos e la fila i z # idividuos ue tiee modalidad i z i Matriz a diagoalizar: t D S BD co D diag( z )

8 ANÁLISIS DE CORRESPONDENCIAS MÚLTIPLES F 2 F Prof 2 Prof 3 M Edad 2 Prof 4 Prof Edad F Edad 3 putos e R p putos e R

9 ACM: CASO DE 2 VARIABLES Aálisis factorial de correspodecias Disyutiva completa Burt Cotigecia P P ( ) ( 2 ) P P 2 P P P P 2 B t K 2 t λ z 2 λ B λ ( ) z λ K 2λz

10 ACM: NUBES DE PUNTOS - PERFILES Perfiles- fila (idividuos) Putos (coordeadas): Peso: i Métrica: diag Distacia χ 2 : d i i p 2 ( i, i ) Perfiles- columa (modalidades) Putos (coordeadas): Peso: Métrica: diag Distacia χ 2 : diag i i 2 d (, ) i ( ) i i i diag i i Tabla: 2 2 ( )

11 ACM: DISTANCIA DE χ 2 Perfiles de fila: d 2 ( i, i ) p 2 ( ) i i M ii co M ii : modalidades ue tiee solo u idividuo i o i Más parecidos si tiee más modalidades e comú. Perfiles de columa: d 2 (, ) i i i 2 card( id [,o ] + card( id[,o ] Etre más obetos tega sólo ua de o mayor es la distacia

12 INTERPRETACIÓN Dos modalidades escogidas por los mismos idividuos coicide Dos idividuos so cercaos si escoge las mismas modalidades Modalidades co poco efectivo está aleadas del cetro de gravedad

13 ACM: INERCIA G,..., Cetro de gravedad de ube de modalidades 2 ), ( i i i i i G d Distacia mayor si el efectivo es peueño Iercia de la modalidad : G d I ), ( ) ( 2 Mayor iercia si el efectivo es peueño

14 ACM: INERCIA Iercia de la variable k: ) ( ) ( ) ( k p p p I k I k k Crece co el úmero de modalidades Si p k 2 míimo Iercia total: ) ( ) ( ) ( p p p k I I k k k No tiee sigificado estadístico

15 ACM: SOLUCIÓN Diagoalizació: ψ λ ψ ϕ λ ϕ ϕ λ t t t D D u D u u D E : p R factor E : R Relacioes de trasició: ϕ λ ψ ψ λ ϕ D t

16 ACM: SOLUCIÓN Relacioes baricétricas: ) ( ) ( I i i i i i i P p i i i ψ λ ψ λ ϕ ϕ λ ϕ λ ψ P(i) modalidades ue tiee i I () modalidades ue tiee

17 ACM: INTERPRETACIÓN Proximidad etre idividuos e térmios de parecido: - Dos idividuos se parece si tiee casi las mismas modalidades: Proximidad etre modalidades de variables diferetes e térmios de asociació: - So cercaos puesto ue globalmete está presetes e los mismos idividuos Proximidad etre modalidades de ua misma variable e térmios de parecido: - So excluyetes por costrucció - Si so cercaas es porue los idividuos ue las posee preseta casi el mismo comportamieto e las otras variables

18 Aálisis de Correspodecias Múltiples CONCEPTOS SOCIOLÓGICOS EN LA EDUCACIÓN C.R. Opiió: var,, var 5/var 6,, var 0 Señalizació: sexo, tipo colegio, igr, reli, poli, edpa, edma Libertad y empresa privada Var. La empresa privada es ecesaria para la libertad Var 2. Se puede etrar e u sidicato si ser perseguido Var 3. Si se trabaa e ua e.p. o hay tiempo para ocuparse de la familia Var 4. Los trabaadores debe repetar las órdees de su patroo si criticarlas Var 5. Mi padre debe dedicarle más tiempo a la empresa o istitució dode trabaa Democracia y Eército Var 6. U país democrático o ecestita eército Var 7. U país co eército es u país totalitario Var 8. Es ecesario ue C.R. tega eército para defederse de ameazas exteras Var 9. La existecia de u eército e C.R. podría llevar a ua dictadura militar a corto plazo Var 0. E.E. U.U. o es u país democrático porue tiee eército

19 ACM Eemplo

20 Aálisis de Correspodecias Múltiples ACM Eemplo

21 Aálisis de Correspodecias Múltiples ACM Eemplo

22 Aálisis de Correspodecias Múltiples ACM Eemplo

23 ACM Eemplo

24 ACM Eemplo

25 ACM Eemplo

26 ACM Eemplo

27 ACM Eemplo

28 ACM Eemplo

29 ACM Eemplo Clasificacio de variables cuya asociacio es medida co el T de Chuprov

30 ACM Eemplo

31 ACM Eemplo

Análisis Factorial de Correspondencias Simples

Análisis Factorial de Correspondencias Simples Aálisis Factorial de Corresodecias Simles Aálisis Factorial de Corresodecias Simles (AFC) Aálisis Factorial de Corresodecias Simles TABLAS DE CONTINGENCIA Tio de emleo Fucioario Agricultor Obrero/ Otros

Más detalles

SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES

SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES L. GENERALIZACIÓN DEL A.F.C. : ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES 1. Itroducció Las «ecuestas» se

Más detalles

Guía 1 Matemática: Estadística NM 4

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

Más detalles

Análisis en Componentes Principales (ACP).

Análisis en Componentes Principales (ACP). Capítulo Aálisis e Compoetes Pricipales (ACP) Como ates se ha dicho, el Aálisis e Compoetes Pricipales, ACP, cosidera ua matriz R de datos iiciales de carácter o simétrico: Sus compoetes, r ij, so valores

Más detalles

3. Igualdad de proporciones

3. Igualdad de proporciones 1 La prueba de Pearso Tema 10 1. Bodad de ajuste. Idepedecia 3. Igualdad de proporcioes 4. Medidas de asociació 5. Errores tipificados 1. Bodad de ajuste Objetivo: Comprobar si ua distribució teórica de

Más detalles

1b percusión CÁLCULOS Y DIAGRAMAS 15%

1b percusión CÁLCULOS Y DIAGRAMAS 15% Laboratorio de Vibracioes Mecáicas Departameto de geiería Mecáica Práctica Determiació de mometos de iercia y PARTCPACON 5% 1b localizació del cetro PRESENTACÓN 1% de gravedad y de NVESTGACONES 1% percusió

Más detalles

Bárbara Cánovas Conesa. Clasificación Números Reales. Números Racionales. Números Irracionales

Bárbara Cánovas Conesa. Clasificación Números Reales. Números Racionales. Números Irracionales Bárbara Cáovas Coesa 67 70 Clasificació Números Reales www.clasesalacarta.com Números Reales Reales (R) Naturales (N) Eteros (Z) { Negativos Racioales (Q) Decimales Exactos Fraccioarios { Decimales Periódicos

Más detalles

Tenemos k objetos distintos para distribuir en n cajas distintas con

Tenemos k objetos distintos para distribuir en n cajas distintas con Departameto de Matemática Aplicada. ETSIIf. UPM. SELECCIONES ORDENADAS Teemos objetos distitos para distribuir e cajas distitas co de cuátas formas distitas se puede itroducir los objetos e las cajas,

Más detalles

SEMANA 01. CLASE 01. MARTES 04/10/16

SEMANA 01. CLASE 01. MARTES 04/10/16 EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados

Más detalles

Introducción. v Qué es la estadística?

Introducción. v Qué es la estadística? v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

ARITMÉTICA MODULAR. CONGRUENCIAS ENTERAS Carl Friedrich Gauss ( )

ARITMÉTICA MODULAR. CONGRUENCIAS ENTERAS Carl Friedrich Gauss ( ) CONGRUENCIAS ENTERAS Carl Friedrich Gauss (1777 1855) ARITMÉTICA MODULAR Defiició Sea m, a, b. a es cogruete co b módulo m si y sólo si ma b. a b (mód m) La relació de cogruecia es ua relació de equivalecia:

Más detalles

Significado de la media y desviación estándar poblacional

Significado de la media y desviación estándar poblacional REV. OBSTET. GINECOL. - HOSP. SANTIAGO ORIENTE DR. LUIS TISNÉ BROUSSE 015; VOL 10 (1): 17-1 ARTÍCULO DE REVISIÓN Sigificado de la media y desviació estádar poblacioal Sócrates Aedo M 1, Gabriel Cavada

Más detalles

En la formulación de Bragg se supone que los diferentes planos cristalinos reflejan especularmente la onda electromagnética.

En la formulación de Bragg se supone que los diferentes planos cristalinos reflejan especularmente la onda electromagnética. 8/03/009 Determiació de estructuras cristalias mediate difracció de Rayos X Para que la difracció de Rayos X sea observable, la logitud de oda de la radiació debe ser meor o del orde de las distacias iteratómicas

Más detalles

Columna armada del Grupo V (con presillas) sometida a Compresión axil. Aplicación Capítulos E, F, H y Apéndice E.

Columna armada del Grupo V (con presillas) sometida a Compresión axil. Aplicación Capítulos E, F, H y Apéndice E. 63 EJEPLO N Columa armada del Grupo V (co presillas) sometida a Compresió ail. Aplicació Capítulos E, F, H Apédice E. Euciado Verificar ua columa armada sometida a ua compresió ail P u 800 kn. La secció

Más detalles

Tema 2: Diagonalización de matrices cuadradas

Tema 2: Diagonalización de matrices cuadradas Departameto de Aálisis Ecoómico UNIVERSIDAD DE ZARAGOZA Tema : Diagoalizació de matrices cuadradas.1. El cojuto R Defiició: Dados úmeros reales x 1, x,..., x R, se llama -tupla ordeada a x = ( x 1,, x,...,

Más detalles

Límites en el infinito y límites infinitos de funciones.

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

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL Cuado u objeto real gira alrededor de algú eje, su movimieto o se puede aalizar como si fuera ua partícula,

Más detalles

GEOESTADÍSTICA STICA APLICADA UNIVERSIDAD NACIONAL AUTÓNOMA

GEOESTADÍSTICA STICA APLICADA UNIVERSIDAD NACIONAL AUTÓNOMA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICOM GEOESTADÍSTICA STICA APLICADA Tema: Estimació Espacial Istructores: Dr. Martí A. Díaz Viera (mdiazv@imp.m) Dr. Ricardo Casar Gozález (rcasar@imp.m) 2009 Coteido

Más detalles

Métodos de la Minería de Datos

Métodos de la Minería de Datos This is page i Priter: Opaque this Métodos de la Miería de Datos Dr Oldemar Rodríguez Rojas 6 de mayo de 2008 ii This is page iii Priter: Opaque this Cotets Elemetos básicos de aálisis de datos exploratorio

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

Ejercicios y Talleres. puedes enviarlos a

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

Más detalles

Ejercicios y Talleres. puedes enviarlos a

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

Más detalles

DESIGUALDADES CLÁSICAS

DESIGUALDADES CLÁSICAS DESIGUALDADES CLÁSICAS PARA EL SEMINARIO DE PROBLEMAS (CURSO 017/018) ALBERTO ARENAS 1 Desigualdades etre medias La estrategia más geeral para probar desigualdades es trasformar la desigualdad a la que

Más detalles

Entrenamiento estatal.

Entrenamiento estatal. Etreamieto estatal. Combiatoria. Coteo. Problemas de caletamieto. 1. Cuátos códigos diferetes de cico dígitos puede hacerse? 2. Si para ir de A a B hay 3 camios, para ir de A a C hay dos camios, Para ir

Más detalles

Destilación. Columna de destilación

Destilación. Columna de destilación estilació Columa de destilació Plato Reboiler estilació mezclas biarias a separació requiere Ua seguda fase debe ser formada tal que las fases de liquido vapor está presetes pueda estar e cotacto e cada

Más detalles

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b) MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que

Más detalles

Combinatoria. Tema Principios básicos de recuento

Combinatoria. Tema Principios básicos de recuento Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo

Más detalles

Análisis Factorial General y Análisis de Componentes Principales.

Análisis Factorial General y Análisis de Componentes Principales. Capítulo 4 Aálisis Factorial Geeral y Aálisis de Compoetes Pricipales 41 Aálisis Factorial Geeral (AFG) Itroducció Sea ua tabla rectagular de valores uméricos, represetados por ua matriz X p, co térmios

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

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

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

Más detalles

Análisis de datos cualitavos con análisis de correspondencias

Análisis de datos cualitavos con análisis de correspondencias Análisis de datos cualitavos con análisis de correspondencias Sesión 2 Camp Elías Pardo Universidad Nacional Sesión 2 - contenido 1. Análisis de correspondencias múl@ples (ACM) 1. Obje@vos del ACM 2. Tabla

Más detalles

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar

Más detalles

Sesión 8 Series numéricas III

Sesión 8 Series numéricas III Sesió 8 Series uméricas III Defiició Serie de Potecias Si a 0, a, a,, a so úmeros reales y x es ua variable, ua expresió de la forma a x, se llama Serie de Potecias. Lo abreviaremos co SP. Alguos ejemplos

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

Educación Estocástica La enseñanza y aprendizaje de la probabilidad y la estadística

Educación Estocástica La enseñanza y aprendizaje de la probabilidad y la estadística I Ecuetro Colombiao de Educació Estocástica La eseñaza y apredizaje de la probabilidad y la estadística COMBINATORIA PARA LA ESCUELA Bejamí Sarmieto y Felipe Ferádez Uiversidad Pedagógica Nacioal (Colombia)

Más detalles

Fracciones. Prof. Maria Peiró

Fracciones. Prof. Maria Peiró Fraccioes Prof. Maria Peiró Recordemos Las partes de ua divisió so Dividedo Residuo divisor Cociete Defiició Ua fracció o querado, es ua divisió de la uidad e u determiado úmero de partes, de las cuales

Más detalles

Guía Semana 9 1. RESUMEN. Universidad de Chile. Ingeniería Matemática

Guía Semana 9 1. RESUMEN. Universidad de Chile. Ingeniería Matemática 1. RESUMEN Igeiería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo e Varias Variables 08-1 Igeiería Matemática Guía Semaa 9 Teorema de los multiplicadores de Lagrage

Más detalles

Jueves, 25 de abril. Dificultades de los modelos PNL. Dónde está la solución óptima? Otro ejemplo: Óptima Local frente a Global

Jueves, 25 de abril. Dificultades de los modelos PNL. Dónde está la solución óptima? Otro ejemplo: Óptima Local frente a Global . Jueves, de abril Teoría sobre la programació o lieal Programació separable Dificultades de los modelos PNL PL: Etregas: material de clase PNL: Aálisis gráfico de la programació o lieal e dos dimesioes:

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Tema 6. Variables cualitativas o atributos

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Tema 6. Variables cualitativas o atributos Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gil José María Sarabia Alegría DPTO. DE ECONOMÍA Este tema se publica bajo Licecia: Creative Commos BY-NC-SA 4.0 Itroducció Las variables cualitativas

Más detalles

Aplicaciones Lineales. Diagonalización 1.- Sean xy

Aplicaciones Lineales. Diagonalización 1.- Sean xy Aplicacioes Lieales. Diagoalizació.- Sea xy, vectores propios de ua matriz A asociados al mismo valor propio. Etoces: a) x+ y tambié es vector propio de A. b) x+ y tambié es vector propio de A, si x +

Más detalles

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación .. Tormetas putuales Aspectos geerales Se utiliza los datos putuales de altura de precipitació o itesidades máximas de lluvia registradas e ua estació So válidas para áreas cuya extesió este defiida por

Más detalles

COLEGIO INGLÉS NUMERO FACTORIAL PRINCIPIO DE LA SUMA

COLEGIO INGLÉS NUMERO FACTORIAL PRINCIPIO DE LA SUMA COLEGIO INGLÉS DEPARTAMENTO NIVEL: CUARTO MEDIO PSU. UNIDAD: COMBINATORIA PROFESOR: NATALIA MORALES A. ROLANDO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. La combiatoria estudia las diferetes formas

Más detalles

MUESTREO. Con los datos de la tabla se calcula el número total de elementos. 795 Mujeres 80

MUESTREO. Con los datos de la tabla se calcula el número total de elementos. 795 Mujeres 80 MUESTREO 1. Supogamos que e u cetro escolar los alumos y docetes se distribuye de acuerdo co la tabla siguiete: 3 ESO 4 ESO 1º Bach º Bach Prof Hombres 85 80 100 83 4 Mujeres 95 96 110 91 31 Si quieres

Más detalles

es ligada, siendo v V Dos subespacios F y G de V son suplementarios si y solo si se verifica:

es ligada, siendo v V Dos subespacios F y G de V son suplementarios si y solo si se verifica: 1- Dado el sbcojto F={ ( λ μ, λ,μ, μ) R / λ, μ R} de R, se verifica qe: a) dim F= b) {(1,1,0,0),(-,0,,-1)} es a base de F c) F o es sbespacio vectorial de R - E sistema ligado, se verifica qe: a) Agregado

Más detalles

Mecánica de Materiales II: Análisis de Esfuerzos

Mecánica de Materiales II: Análisis de Esfuerzos Mecáica de Materiales II: Aálisis de Adrés G. Clavijo V., Coteido Itroducció Fueras de volume Coveció de sigos de cauch Estado Triaial Circulo de Mohr Método gráfico Estado plao de Circulo de Mohr - Reglas

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Resumen de combinatoria

Resumen de combinatoria Resume de combiatoria 1. Pricipio básico Ua tupla so símbolos ordeados (! 1 ;! 2 ; :::;! ). La i esima compoete es! i. Dos tuplas distitas tiee al meos ua compoete distita. Se costruye u cojuto de tuplas

Más detalles

TEORÍA DEL CONTROL III

TEORÍA DEL CONTROL III Igeiería e Cotrol y Atomatizació Formas caóicas Trasformació de similitd TEORÍA DEL CONTROL III 5 de agosto de 5 Ator: M. e C. Rbé Velázqez Cevas Escela Sperior de Igeiería Mecáica y Eléctrica Formas caóicas

Más detalles

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

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

Más detalles

Dinámica compleja. Conjuntos de Julia y Mandelbrot Método de Newton

Dinámica compleja. Conjuntos de Julia y Mandelbrot Método de Newton Estalmat Madrid Miguel Reyes Diámica compleja Cojutos de Julia y Madelbrot Método de Newto Los úmeros complejos Los úmeros complejos so los úmeros de la forma a dode a y b so úmeros reales e i es la uidad

Más detalles

MODELO DE RESPUESTAS. Lim n. Lim

MODELO DE RESPUESTAS. Lim n. Lim Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Lapso 008 - INTEGRAL MATEMÁTICA I (175) FECHA PRESENTACIÓN: 08-11-008 MODELO DE RESPUESTAS OBJ 7 PTA 7 Dadas las sucesioes de térmios

Más detalles

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

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

Más detalles

Álgebra I Práctica 3 - Números enteros (Parte 1)

Álgebra I Práctica 3 - Números enteros (Parte 1) FCEyN - UBA - 1er cuatrimestre 015 Divisibilidad y algoritmo de divisió Álgebra I Práctica 3 - Números eteros (Parte 1 1. Decidir cuáles de las siguietes afirmacioes so verdaderas a, b, c Z i a b c a c

Más detalles

Repaso...Último Contenidos NM 4

Repaso...Último Contenidos NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Fucioes y relacioes. Diagrama Sagital. Sea A = { a,b, c} y B = { 1, 2, 3, 4} Repaso...Último Coteidos NM 4 A: Cojuto

Más detalles

Tema 12. Límites de sucesiones

Tema 12. Límites de sucesiones Aálisis IES Complutese Tema Límites de sucesioes Resume Alguas características y propiedades de las sucesioes Sucesió creciete Ua sucesió es creciete si cada térmio es mayor o igual que el aterior: a a

Más detalles

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

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

Más detalles

DISEÑO Y ANÁLISIS DE DATOS I

DISEÑO Y ANÁLISIS DE DATOS I DIEÑO Y ANÁLII DE DATO I EGUNDO PARCIAL. JUNIO 014 Problema 1.- E ua determiada empresa de psicología especializada e técicas de modificació de coducta, se asegura dispoer de u aparato para combatir la

Más detalles

Protón Neutrón Electrón

Protón Neutrón Electrón 1 Descubrimieto de las partículas subatómicas Tema 4. Estructura Atómica y Sistema Periódico Electró (Stoey, 1891) Protó (Rutherford, 1911) Neutró (Chadwick, 193) Crookes (1.875). rayos catódicos Viaja

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales 10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga

Más detalles

STICA APLICADA stica Multivariada. Contenido

STICA APLICADA stica Multivariada. Contenido INSTITUTO MEXICANO DEL PETRÓLEO GEOESTADÍSTICA STICA APLICADA Tema: Geoestadística stica Multivariada Istructores: Dr. Martí A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar Gozález (rcasar@imp.mx) 2004

Más detalles

GEOESTADÍSTICA APLICADA

GEOESTADÍSTICA APLICADA INSTITUTO MEXICANO DEL PETRÓLEO GEOESTADÍSTICA APLICADA Tema: Geoestadística Multivariada Istructores: Dr. Martí A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar Gozález (rcasar@imp.mx) 2004 Coteido Itroducció

Más detalles

Tema 3. Series de Fourier. Análisis de Espectros

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

Más detalles

Trabajo Final Estadística Descriptiva

Trabajo Final Estadística Descriptiva Prof: Ramó Alvarez Sebastiá Castro Pieria Costa Mathias Fuidio Motevideo, 9 de Juio del 0 ÍNDICE Itroducció Marco teórico.. Variables. Medidas de Resume. Medidas de Posició. Medidas de Dispersió. Medidas

Más detalles

Tema 1 Estadística descriptiva: Medidas de centralización y dispersión

Tema 1 Estadística descriptiva: Medidas de centralización y dispersión Tema 1 Estadística descriptiva: Medidas de cetralizació y dispersió Curso 2017/18 Grados e biología saitaria Departameto de Física y Matemáticas Marcos Marvá Ruiz A partir de los valores de ua variable

Más detalles

Proyecto No. 2. Suponga que una curva es descrita por medio de una función desconocida f (x)

Proyecto No. 2. Suponga que una curva es descrita por medio de una función desconocida f (x) UNIVERSIDAD DE SAN CARLOS DE GUATEMALA DEPARTAMENTO DE MATEMÁTICA FACULTAD DE INGENIERÍA MATEMÁTICA BÁSICA 1 Proyecto No. 2 Etrega: Martes 17 de abril de 2018 Itroducció: Cotiuado co el desarrollo de las

Más detalles

3. Distribuciones de probabilidad

3. Distribuciones de probabilidad 3. Distribucioes de probabilidad Estudiamos a cotiuació las pricipales distribucioes de probabilidad que se ecuetra e las aplicacioes del cálculo de probabilidades. Clasificaremos las distribucioes atediedo

Más detalles

TEMA I OPTICA GEOMÉTRICA APLICADA AL OJO

TEMA I OPTICA GEOMÉTRICA APLICADA AL OJO Diplomatura e Óptica y Optometría Adelia Felipe Marcet TEMA I OPTICA GEOMÉTRICA APLICADA AL OJO I Adaptació de las relacioes paraiales II.- Proimidades y potecias III.- Ecuació de Gauss IV.- Ecuació de

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

1.3 Introducción a la combinatoria

1.3 Introducción a la combinatoria .3 Itroducció a la combiatoria Aprederemos e esta secció técicas básicas para cotar, aplicadas a diferetes aspectos: Cotar los elemetos de u cojuto, como por ejemplo los elemetos de A B o los de A B, co

Más detalles

IntroducciónalaInferencia Estadística

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

Más detalles

VII. Sistemas con múltiples grados de libertad

VII. Sistemas con múltiples grados de libertad VII. Sistemas co múltiples Objetivos: 1. Describir que es u sistema de múltiples grados de libertar. 2. Aplicar la seguda ley de Newto y las ecuacioes de Lagrage para derivar las ecuacioes de movimieto.

Más detalles

SISTEMAS DE SEGUNDO ORDEN

SISTEMAS DE SEGUNDO ORDEN CÁTEDRA: SISTEMAS DE CONTROL (PLAN 004) DOCENTE: Prof. Ig. Mec. Marcos A. Golato ANÁLISIS DE RESPUESTAS TRANSITORIAS SISTEMAS DE SEGUNDO ORDEN 1 Cátedra: Sistemas de Cotrol TEO-04-016 RESPUESTAS DE SISTEMAS

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fundada en 1551

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fundada en 1551 UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fudada e 55 FACULTAD DE CIENCIAS MATEMÁTICAS EAP DE ESTADÍSTICA APLICACIÓN DEL ANÁLISIS FACTORIAL DE CORRESPONDENCIAS A MAPAS PERCEPTUALES DE LOS PACIENTES INFECTADOS

Más detalles

Composición de fundamental con tercera armónica Onda fundamental. Onda resultante

Composición de fundamental con tercera armónica Onda fundamental. Onda resultante Fució POLARMÓNCAS ENSONES Y CORRENES POLARMÓNCAS 7. troducció E los aálisis ateriores, hemos trabajado co geeració de tesioes alteras del tipo seoidal, y circuitos co características lieales, lo cual se

Más detalles

Prácticas de Matemáticas I y Matemáticas II con DERIVE 136

Prácticas de Matemáticas I y Matemáticas II con DERIVE 136 Prácticas de Matemáticas I y Matemáticas II co DERIVE 6. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales

Más detalles

TEMA 7 Trenes de Engranajes

TEMA 7 Trenes de Engranajes Igeiería Idustrial. Teoría Máquias TEMA 7 Trees de Egraajes Haga clic para modificar el estilo de subtítulo del patró Objetivos: Itroducir el mudo de los trees de egraajes, aalizado los diversos tipos

Más detalles

Aplicaciones del cálculo integral vectorial a la física

Aplicaciones del cálculo integral vectorial a la física Aplicacioes del cálculo itegral vectorial a la física ISABEL MARRERO epartameto de Aálisis Matemático Uiversidad de La Lagua imarrero@ull.es Ídice 1. Itroducció 1 2. Itegral doble 1 2.1. Motivació: el

Más detalles

Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 138

Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 138 Prácticas de Matemáticas I y Matemáticas II co DERIVE-5 8. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales

Más detalles

5-14 Ecuaciones de diseño importantes

5-14 Ecuaciones de diseño importantes 46 PARTE DOS Preveció de fallas R R R a) Figura 5-33 R b) Formas de las curvas de la gráfica R versus R. E cada caso, el área sombreada es igual a R se obtiee por itegració umérica. a) Curva típica de

Más detalles

Derivación Numérica. Ultima actualización: 15/01/2008

Derivación Numérica. Ultima actualización: 15/01/2008 Titulació: Asigatura: Autor: Igeiero Geólogo Aálisis Numérico César Meédez Ultima actualizació: 5/0/008 Derivació Numérica Plaificació: Materiales: Coocimietos previos: Teoría+ Prácticas+0.5 Laboratorio

Más detalles

Métodos Numéricos para la Resolución de Ecuaciones Diferenciales Ordinarias con Valor Inicial

Métodos Numéricos para la Resolución de Ecuaciones Diferenciales Ordinarias con Valor Inicial Métodos Numéricos // Problema de valor iicial Métodos Numéricos para la Resolució de Ecuacioes Difereciales Ordiarias co Valor Iicial ) x I (x) Relació etre e Codició iicial x D Supoemos que se verifica

Más detalles

Análisis de Correspondencias Binarias con información externa

Análisis de Correspondencias Binarias con información externa -- Aálisis de Correspodecias Biarias co iformació extera RAMIREZ, Guillermo VASQUEZ, Maura Area de Postgrado e Estadística Actuariado, UCV Es ampliamete coocido que el Aálisis de Correspodecias Biarias

Más detalles

sobre los números de hal y lah

sobre los números de hal y lah Revista de Matemática: Teoría y Aplicacioes 2002 9(2) : 1 6 cimpa ucr ccss iss: 1409-2433 sobre los úmeros de hal y lah Eduardo Piza Volio * Recibido: 12 Feb 2002 Resume E este trabajo se estudia alguas

Más detalles

Nota: es indiferente utilizar la pulsación o la frecuencia en abscisas: puesto que ω =2 π f, la representación es semejante

Nota: es indiferente utilizar la pulsación o la frecuencia en abscisas: puesto que ω =2 π f, la representación es semejante Respuesta e frecuecia Se puede represetar completamete el comportamieto e frecuecia que tiee u circuito (o sistema cualquiera de fució de trasferecia coocida mediate dos diagramas: a Uo que represete la

Más detalles

COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN

COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN MEDIDAS DE POSICIÓN Las medidas de posició divide u cojuto de datos e

Más detalles

Vectores y matrices. x 1. x 2. x n. vector columna. X x 1, x 2,...,x n vector fila. a 11 a a 1m. a 21 a a 2m... a n1 a n2...

Vectores y matrices. x 1. x 2. x n. vector columna. X x 1, x 2,...,x n vector fila. a 11 a a 1m. a 21 a a 2m... a n1 a n2... Vectores y matrices x 1 X x 2. x vector columa X x 1, x 2,...,x vector fila a 11 a 12... a 1m A a 21 a 22... a 2m............ a 1 a 2... a m Matriz traspuesta a 11 a 21... a 1 A a 12 a 22... a 2............

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

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

Más detalles

DESIGUALDADES. 1. Desigualdad de Cauchy-Schwarz. Para todo a 1,a 2,...,a n,b 1,b 2,...,b n números reales se cumple que:

DESIGUALDADES. 1. Desigualdad de Cauchy-Schwarz. Para todo a 1,a 2,...,a n,b 1,b 2,...,b n números reales se cumple que: DESIGUALDADES E las olimpiadas de matemáticas es frecuete la aparició de problemas cosistetes e la demostració de determiadas desigualdades. Auque o existe ua estrategia geeral para resolver los problemas

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

8 Derivadas. Página 239. Página 247. Función derivada

8 Derivadas. Página 239. Página 247. Función derivada 8 Derivadas Págia 9 Fució derivada E el itervalo (a, b ), f () es decreciete. Por tato, su derivada es egativa. Es lo que le pasa a g () e (a, b ). La derivada de f e b es 0: f ' (b ) 0. tambié es g (b

Más detalles

Tema 3: Técnicas de contar

Tema 3: Técnicas de contar Tema 3: Técicas de cotar Objetivo específico: Dado u cojuto fiito podemos cotar sus elemetos si hacer la lista de dichos elemetos? Aplicacioes: Probabilidades (se cueta casos favorables y casos posibles)

Más detalles

Ejercicios Resueltos de Clasificación de Funciones

Ejercicios Resueltos de Clasificación de Funciones Istituto Tecológico de Ciudad Madero Uidad I. Complejidad Computacioal Capitulo. Clasificació de Algoritmos Ejercicios Resueltos de Clasificació de Fucioes.. Determie si f ( ) perteece a la clase idicada

Más detalles

Pasos básicos para docimar una hipótesis:

Pasos básicos para docimar una hipótesis: Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los

Más detalles