ANÁLISIS DE VARIABLES CATEGÓRICAS MEDIANTE EL PROCEDIMIENTO CATMOD DE SAS : APLICACIÓN A DATOS DE CRUZAMIENTO INDUSTRIAL EN BOVINO
|
|
- Claudia Palma Vázquez
- hace 7 años
- Vistas:
Transcripción
1 ITEA (2002), Vol. 98A N. 2, ANÁLISIS DE VARIABLES CATEGÓRICAS MEDIANTE EL PROCEDIMIENTO CATMOD DE SAS : APLICACIÓN A DATOS DE CRUZAMIENTO INDUSTRIAL EN BOVINO Btariz Sila, Jair Cañó Dpto. Producció Aimal, Facultad d Vtriaria, UCM, Madrid, España Itroducció E producció aimal s frcut la x p rsió como a ri abl cat g ó rica d c a ra c t rs d itrés coómico cuatitat i- o s, tdidos como l rsultado d la i flucia d u m rosos fctos o fa c t o r s. El aálisis d stas a ri abls discr t a s mdiat la utilizació dl modlo lial, auqu o prst dificultads dsd l puto d ista d la stimació d los parám t ros dl modlo, sí xist difícil justificació tórica cuado s trata d stabl c r p ru bas d hipótsis (éas la r i s i ó s o b r cara c t rs discrtos CA Ñ Ó N, 986). El paqut stadístico SAS pr s t a dirsos módulos d aálisis para tratar st tipo d ariabls, tr llos l más utilizado pud sr l domiado CATMOD qu p rm i t, mdiat l aálisis d rgr s i ó l og í s t i c a, xtdr las técicas dl aálisis d rgrsió múltipl al studio d modlos los qu la a ri abl dpdit o s cotiua, sio discrta. Ua prstació forma d cuadro d los datos corrspodits a ariabls catgóricas sría la siguit: Poblacios Catgoría d rspusta Total (combiacios d ils) 2 r 2 r r 2. : : : : : s s s2 sr s. Lo qu prtdmos co st trabajo s dtallar la ifo rmació qu l pro c d i m i t o C ATMOD d SAS pro p o rc i o a, s o b r todo dsd la prs p c t ia d stablcr fucios d los parámtros para dar rspusta a prgutas d itrés producció aimal.
2 2 Aálisis d ariabls catgóricas mdiat l procdimito CATMOD d SAS : aplicació Matrial utilizado Hmos utilizado la ifo rmació pro p o r- cioada por uos 9000 tr ros r s u l t a d o dl cruzamito idustrial tr hmbra s f risoas y machos d aptitud car i c ra d difrts razas: Blaco Azul Blga (BBB), Limousi (Li), A s t u riaa d Valls (A) y Asturiaa d Motaña (Am). Como a ri abls d itrés r c ogidas la bas d datos fi g u ra, admás d la ra z a d l p a d r : l ú m ro d part o d la aca (co 3 i l s ), s x o dl tr ro, época d part o ( 4 i l s ), d i ficultad al part o (4 cat gorías) y la c o fo rm a c i ó dl tr ro (4 cat go r í a s ). Las a ri abls d i ficultad al part o y c o fo rm a - c i ó dl tr ro so las a ri abls d trab a j o. qu Y s ua ariabl qu toma alors y 0 co π = P (Y = X,..., X ) y por tato P (Y = 0 X,...,X ) = -π. Si trabajamos co la a ri abl d i ficultad al p a rt o co dos cat gorías corrspodits a la csidad o o d llar a cabo ua csára y como a ri abls x p l i c at ias cosidramos l s x o dl tr ro (macho o hmbra) y l ú m ro d part o d la aca ( trs il s : p ri m ri z a, 2º parto y 3º o más), t m o s 23 = 6 subpoblacios dtrmiadas por las c at gorías d las a ri abls x p l i c at ia s. U programa SAS ta scillo como: PROC CATMOD; Modlos Variabl rspusta dicotómica MODEL dificultad = sxo.º parto; RUN; Sa X,..., X l cojuto d a ri abl s x p l i c at ia s, por simplicidad supomos proporcioa la siguit iformació: Th CATMOD Procdur Rspos dificultad Rspos Lls 2 Wight Variabl No Populatios 6 Data St Mis_datos Total Frqucy Frqucy Missig 0 Obsratios Populatio Profils Rspos Frqucis Rspos Numbr Sampl sxo.º parto Sampl Siz Sampl 2 H Primriza 607 =. 606 = = 2 2 H 2.º parto.595 = = 2 2 = 22 3 H = = 3 2 = 32 4 M Primriza 694 = = 2 4 = 22 5 M 2.º parto.985 = = 22 0 = M = = 23 2 = 232
3 B. SILVA, J. CAÑÓN 3 O b s é rs qu alguas cldas tmos u bajo úmro d obsra c i o s, l o qu implica qu las aproximacios asitóticas tipo Chi-cuadrado dbría itrp rt a rs co r s ras y compro b a rs mdiat tsts xactos. Rspos Profils Rspos dificultad. Si csára 2. Co csára π Como 0 < π <, 0 < -π < 0 < < π π < - < l <, π aplicamos la tra s fo rmació l ogit p a ra xtdr l modlo d rgrsió lial Y= α+ β a j= j X j π l = j X j π = π j = = y así - π = j = + Los parámtros α stimar so y los coficits d rgrsió logística (β j ), p a ra llo cosidramos la fució d rosimilitud: L = = P ( Yi / X i,..., X i ) = i= i ) = i= + j = j = Yi j= + j = + j = Yi qu os pro p o rcioará las stimacios máximo rosímils mdiat u pro c s o itratio. Maximum Liklihood Aalysis Sub -2 Log Corgc Paramtr Estimats Itratio Itratio Liklihood Critrio E E Maximum liklihood computatios corgd. Pa ra dif rciar tr los parámtros y las stimacios a éstas últimas las dotar m o s a y bj, st caso a = 6,263, b = 0,856 (s l cambio dif rcial para l sxo hmbra [ p a ra l macho srá -b ], b 2 = -0,347 (corr s- pod a las acas pri m rizas) y b 3 = -0,96 (s l cambio dif rcial para las acas su 2º parto) co lo qu para las acas su part o d 3º o mayor ord tdrmos l cofi c i t d rgrsió log í s t i c a : - b 2 - b 3. El ajust dl modlo complto s compruba mdiat l cotrast d hipótsis d qu todos los coficits d rgr s i ó logística so 0; s dcir, H 0 : β j = 0 j.
4 4 Aálisis d ariabls catgóricas mdiat l procdimito CATMOD d SAS : aplicació Comparamos l modlo dado co l rstrigido l π = α π mdiat u stadístico Chi-cuadrado. A s í tambié mos qué a ri abls x p l i c at ia s so sigificatias y la coicia o o d limiarlas dl modlo. Maximum Liklihood Aalysis of Variac Sourc DF Chi-Squar Pr > ChiSq Itrcpt <.000 sxo º parto D acurdo co stos rsultados l sx o s muy sigifi c at io l grado d difi c u l- tad al parto y tambié l úmro d part o pud cosidra rs qu ifl u y al il d sigificació usual d 0,05. A cotiuació cotramos u stadístico Chi-cuadrado d cocit d ro s i m i- lituds para comprobar la bodad d ajust dl modlo (la crcaía d los alors prdichos por l modlo a los obsrados) qu ustro caso tdrá la forma: Q L = ijk 2 ijk l i= j= k = mijk dod ijk s l úmro d obsracios los ils i y j d las ariabls xplicatias sxo y.º d parto para la catgoría k d la a ri abl rspusta y m i j k so los a l o r s sprados, s dcir: ij. θij si k = m ijk = ij. ( θij ) si k = 2 (θ ij stimació d la probabilidad d qu s p roduzca la pri m ra rspusta [qu o sa c s a rio ralizar ua csára] los ils i y j d las corrspodits a ri abl s xplicatias: a + θ =,θ 2 =, a θ 3 =,θ 2 =, + + θ 22 =,θ 23 = ) + + Obtmos: DF Chi-Squar Pr > ChiSq Liklihood Ratio Co u p-alor dl 0,7585 o r ch a z a m o s la hipótsis ula d qu l modlo s acrt a d o. Tambié cotrastamos la hipótsis d si los distitos coficits d rgrsió log í s t i c a so sigifi c at ios o o (H 0 : β j = 0), m d i a t l stadístico z = b j / s j, dod s j s l rro r stádar (la raíz cuadrada d la cuasia ri a z a mu s t ral) d b j. SAS utiliza z 2, l stadístico d Wa l d, qu sigu ua distri bució Chi-cuad rado co u grado d librtad (χ 2 ). Co los d atos co los qu stamos trab a j a d o, m o s qu la fila corrspodit al sxo tmos 0,8562 0,2392 = 2,8 (qu como sólo ti 2 ils y por tato u sólo coficit, coicid co l alor d la Chi-cuadrado la tabla suprior). 2
5 B. SILVA, J. CAÑÓN 5 Aalysis of Maximum Liklihood Estimats Stadard Chi- Effct Paramtr Estimat Error Squar Pr > ChiSq Itrcpt <.000 sxo º parto Ua z ajustado l modlo, p o d m o s utilizar las odds ratio para dar rspusta a p rgutas d itrés como, por jmplo, cuáto más probabl s tr qu practicar ua csára si l tr ro qu ac s mach o? : = = = = 2b = 2*0,8562 5,5 Obtmos qu, ap rox i m a d a m t, l a p ro b abilidad d qu o sa csaria ua csára si l trro qu ac s hmbra s uas 5,5 cs más alta qu l caso qu l trro s macho. O para comparar la dificultad al parto fució d la paridad d la aca: = = = -2b 2-2b 3 = -2*(- 0,3472) - (- 0,966),65 s dcir, la probabilidad d o tr qu ralizar csára si la paridad d la aca s suprior a 2 s u 65% más lada qu si la aca fura primriza. Va ri abl rspusta co más d dos i l s C o s i d rmos ahora l tratamito d ua a ri abl cat g ó rica ord a d a, co u ú m ro d rspustas suprior a 2, p o r jmplo la ariabl coformació dl trro co otas, 2, 3 ó 4 qu agruparmos t rs i l s : l pri m ro s la mjor ota, l, l sgudo il s r fi r a ota 2 y l trcro agrupa las otas 3 y 4 y como ariabls xplicatias la raza (Limousi,Asturiaa d Valls, Asturiaa d Motaña y Blaco Azul Blga) y l ú m ro d part o d la aca. E st caso trabajamos co u tamaño d mu s t ra d cabzas qu s diid 4 3 = 2 subpoblacios: Th CATMOD Procdur Data Summary Rspos coform Rspos Lls 3 Wight Variabl No Populatios 2 Data St Mis_datos Total Frqucy 9073 Frqucy Missig 0 Obsratios 9073
6 6 Aálisis d ariabls catgóricas mdiat l procdimito CATMOD d SAS : aplicació Rspos Frqucis Populatio Profils Rspos Numbr Sampl raza.º parto Sampl Siz Sampl 2 3 Li Primriza Li 2º parto Li A Primriza A 2º parto A Am Primriza Am 2º parto Am BBB Primriza BBB 2º parto BBB Rspos Profils Rspos coform Mjor ota 2 Nota 2 3 Notas 3 o 4 Maximum Liklihood Aalysis of Variac Sourc DF Chi-Squar Pr > ChiSq Itrcpt <.000 raza <.000.º parto <.000 Liklihood Ratio Ambas ariabls xplicatias so sigific at ias y al il 0,05 (< 0,2) s trata d u bu modlo. Aalysis of Maximum Liklihood Estimats Stadard Chi- Effct Paramtr Estimat Error Squar Pr > ChiSq Itrcpt < <.000
7 B. SILVA, J. CAÑÓN 7 Aalysis of Maximum Liklihood Estimats (cotiuació) Stadard Chi- Effct Paramtr Estimat Error Squar Pr > ChiSq raza < < <.000.º parto < < < <.000 C o t i uado co la misma otació para las stimacios, st caso s u poco más complicado pro sigu l mismo pat r ó. Tmos qu a = -,76 s la mdia para la ota d cofo rmació ( r il frt al 3 r il ), a 2 = 0,92 mdia para la ota 2 (2º i l f rt al 3 r il d rspusta); b = 0,54 s l cambio dif rcial para la raza Limousi l r il d rspusta frt al 3º, b 2 = 0,243 corrspod al 2º il rs u s l 3 r il d r s p u s t a, b 3 = 0,53 corrspod a la raza A s t u riaa d Valls para l r il s l 3 º, b 4 = 0,7 para l 2º il d r s p u s t a f rt al 3º, b 5 = -2,376 s l cambio dif r - cial para la raza A s t u riaa d Motaña l r il frt al 3 r il d r s p u s t a, b 6 = -0,834 para l 2º il frt al 3º y fi a l m - t -b - b 3 - b 5 p a ra la raza Blaco Azul Blga y l r il s 3 º, - b 2 - b 4 - b 6 p a ra l 2º frt al 3º; b 7 = -0,692 s l cambio dif r c i a l c o rrspodit a las acas pri m rizas para l r il d rspusta frt al 3º, b 8 = -0,385 c o rrspod al 2º il frt al 3º, b 9 = 0,347 s l cambio dif rcial para las acas su 2º parto l r il d rspusta s l 3º, b 0 = 0,57 para l 2º il s l 3 r i l, fialmt para las acas su trcr parto o p a rto d mayor ord tmos -b 7 - b 9 p a ra l r il d rspusta frt al 3º y - b 8 - b 0 c o rrspod al 2º il s l 3º. Así,si ustro itrés s comparar la probabilidad d obtr ua ota d coformació dl trro lugar d otra fució d la raza d su padr, la razó d probabilidads srá, por jmplo: = -2b 6 -b 2 -b 4 =,308 3,7 s dcir, s 3,7 cs más probabl obtr ota d cofo rmació d 2 lugar d ua coformació 3 ó 4 cuado s utiliza como raza pat ra la Blaco Azul Blga luga r d la Asturiaa d Motaña. O t ra razó d pro b abilidads qu pud tr rsultar d itrés s la siguit: a2 b4 b6 a2 + b6 a b5 a + = -2b -b 3 -b 5 = 0,88 2,3 s dcir, s 2,3 cs más probabl obtr u trro co ua ota d coformació lugar d ua ota 3 ó 4 cuado s utiliza la raza Blaco Azul Blga lugar d la
8 8 Aálisis d ariabls catgóricas mdiat l procdimito CATMOD d SAS : aplicació raza Limousi cruzamito idustri a l co acas Frisoas. Igualmt podríamos comparar la iflucia d la paridad d la aca sobr la ota d cofo rmació dl tr ro mdiat l cocit: a + b7 a b7 b9 = -2b 7 -b 9 = 2*(-0.692) = =.037 0,35 lo qu idica qu s 2,82 cs más probabl (/0,35) obtr u trro co la mjor c o fo rmació lugar d u tr ro co coformacios 3 ó 4 si s trata d u trcr parto o suprior qu si fura l primr parto d la aca. Agradcimitos La ifo rmació ha sido pro p o rc i o a d a por ASEAVA y ASEAMO. Agradcmos la ayuda pro p o rcioada por M.ª dl Carm B rao Llatas dl Sricio Ifo rmático d Ap oyo a Doccia I s t i gació d la UCM. Bibliografía CAÑÓN J.,986. Caractrs Discrtos Mjora Gética Aimal. I s t i gació agra ri a, P roducció y Saidad Aimals, (3):
PALABRAS CLAVE: Variables categóricas, bovino, cruzamiento industrial, dificultad al parto, conformación del ternero.
ANÁLISIS DE VARIABLES CATEGÓRICAS MEDIANTE EL PROCEDIMIENTO CATMOD DE SAS : APLICACIÓN A DATOS DE CRUZAMIENTO INDUSTRIAL EN BOVINO. Btriz Sil, Jir Cñó Dpto. Producció Aiml, Fcultd d Vtriri, UCM, Mdrid.
Más detallesUNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS
UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.
Más detallesal siguiente límite si existe: . Se suele representar por ( x )
UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D
Más detallesPROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)
PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad
Más detallesUniversidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.
Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su
Más detallesAproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin
Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,
Más detallesEl error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2
EJERCICIO 8.1 U ivstigador dispo d 0.000 para ralizar las trvistas d ua custa ua gra ciudad. El custioario s admiistrará mdiat trvistas tlfóicas, sido l cost d cada trvista d 0. Qué marg d rror dbrá asumir
Más detallesSe llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...
TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s
Más detallesMATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE
MATEMÁTICAS Y CULTURA B O L E T Í N 23.04.20 No. 273 COORDINACIÓN DE MATEMÁTICAS MATEMÁTICAS MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE E l Boltí Matmáticas Y Cultura No. 257 dl 23 d abril
Más detalles2. Utilizando el método adimensional basado en el factor de calidad Q, determine:
Uivrsidad Simó Bolívar Dpartamto d Covrsió y Trasport d Ergía Autor: Eduardo Albaz. Cart: 06-391 Profsor: J. M. Allr Máquias Eléctricas II CT-311 U motor d iducció coxió strlla d 100 kw, 416 V, rdimito
Más detallesSEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim
SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro
Más detallesUniversidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas
Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.
Más detallesAnálisis del caso promedio El plan:
Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas
Más detalles1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:
.- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim
Más detalles1 Realizar los ejercicios resueltos números 1 y 2 del tema 3 de Integración de. 2 Terminar los ejercicios de la práctica realizada este día.
Est documto coti las actividads o prscials propustas al trmiar la clas dl día qu s idica. S sobrtid qu tambié s db ralizar l studio d lo plicado clas auqu o s icluya sa tara st documto. Clas 5 d ovimbr
Más detallesANÁLISIS DE VARIABLES CATEGÓRICAS MEDIANTE EL PROCEDIMIENTO CATMOD DE SAS : APLICACIÓN A DATOS DE CRUZAMIENTO INDUSTRIAL EN BOVINO
!TEA (2002). Vol. 98A N.º 2, 256-263 ANÁLISIS DE VARIABLES CATEGÓRICAS MEDIANTE EL PROCEDIMIENTO CATMOD DE SAS : APLICACIÓN A DATOS DE CRUZAMIENTO INDUSTRIAL EN BOVINO Beatriz Silva, Javier Cañón Dpto.
Más detalles8 Límites de sucesiones y de funciones
Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...
Más detallesSeñales y Sistemas. Análisis de Fourier.
Sñals y Sistmas Aálisis d Fourir. Itroducció El foqu d st capítulo s la rprstació d sñals utilizado sos y cosos ( otras palabras, xpocials complas). El studio d sñals y sistmas utilizado xpocials complas
Más detallesTEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS
Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar
Más detallesa a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.
(Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar
Más detallesRespuesta en frecuencia. Procesado Digital de Señales.4º Ingeniería Electrónica. Universitat de València. Profesor Emilio Soria.
Rspusta frcucia. Procsado Digital d Sñals.4º Igiría Elctróica. Uivrsitat d Valècia. Profsor Emilio Soria. 1 Itrés uso PDS. Ti l mismo uso qu sistmas cotiuos: dtrmiar la salida d u sistma stado stacioario;
Más detalles2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros
.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito
Más detalles11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS)
INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) Los sistmas o lials pud llgar a tr comportamitos ralmt sorprdts alguos casos: por u lado pud llgar a tr diámicas totalmt difrts sgú l valor qu
Más detallesCÁLCULO DE LÍMITES. Por otro lado es importante distinguir en el cálculo de límites, los casos indeterminados de los determinados: = ; = ; =
CÁLCULO DE LÍMITES Propidds d los límits.- ( b ) b.- ( b ) b.- ( b ) b.- ( b ) b b.- ( ) ( ) 6.- k k b Por otro ldo s importt distiguir l cálculo d límits, los csos idtrmidos d los dtrmidos: Csos dtrmidos:
Más detalles1 8 0 x c m. A c r í l i c o / Te l a
S A N T I A G O Y D Á Ñ E Z P a r a í s o P e r d i d o C o n v e r g e n c i a e n l a i m a g e n Á l v a r o d e l o s Á n g e l e s U n a c a r a c t e r í s t i c a i m p o r t a n t e d e l a r t
Más detallesTEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE
TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!
Más detallesTEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS
Dpartamto d Matmáticas. IE.S. Ciudad d Arjoa º Bach Socials. LÍMITES Propidads: TEMA : LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS. LÍMITES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. LÍMITES. RESOLUCIÓN DE INDETERMINACIONES.
Más detallesS o b r e e l u s o y e l a b u s o d e l P e y o t e
S o b r e e l u s o y e l a b u s o d e l P e y o t e ( L o p h o p h o r a w i l l i a m s i i ( L e m. e x S a l m - D y c k ) J. M. C o u l t.) I n v e s t i g a c i ó n r e a l i z a d a p o r : P
Más detallesÍndice General. Disposiciones iniciales y definiciones generales
Índice General Int r o d u c c i ó n... xxvii CAPÍTULO I Disposiciones iniciales y definiciones generales Dis p o s i c i o n e s iniciales y de f i n i c i o n e s ge n e r a l e s... 1 Capítulo II Trato
Más detallesCap. II: Principios Fundamentales del Flujo de Tránsito
Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos
Más detallesTEMA 1: CALCULO DIRECTO DE LÍMITES
INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL
Más detalles1. Consecuencias de la inclusión de variables irrelevantes en el modelo
Tma 7: spcificació d la cació: Problmas, cotrasts, métodos d slcció d variabls y lcció d forma fcioal. Cosccias d la iclsió d variabls irrlvats l modlo. Cosccias d la omisió d variabls rlvats l modlo 3.
Más detallesINTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES
Más detallesLECTURA 09: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO
Univrsidad Los Ángls d Chimbot LECTURA 9: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO 1. INTRODUCCION: La pruba d indpndncia chi cuadrado s un procdiminto d contrastación
Más detallesTEMA 2. ESPACIOS Y OPERADORES LINEALES CONTENIDO
TEMA. ESPACIOS Y OPERADORES LINEALES CONTENIDO ESPACIOS LINEALES SOBRE UN CAMPO INDEPENDENCIA LINEAL, BASES Y CAMBIOS DE BASES OPERADORES LINEALES Y SUS REPRESENTACIONES SISTEMAS DE ECUACIONES ALGEBRÁICAS
Más detallesESTIMADOR DE AITKEN Y PROPIEDADES DEL MISMO (Última revisión: 1 de marzo de 2007)
Apts d clas d coomtría II / 6 STIMADOR D AITKN Y ROIDADS DL MISMO Última rvisió: d marzo d 7 rof. Rafal d Arc rafal.darc@am.s stimació d los parámtros dl MBRL por máxima vrosimilitd Apoádoos la hipótsis
Más detallesEXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3
Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más
Más detallesINTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS
Más detallesCASO DE ESTUDIO N 8. Análisis de un tornillo de transmisión
Vrsió 01 CAPITULO POYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE CASO DE ESTUDIO N 8 Aálisis u torillo trasmisió Vrsió 01 1. Itroucció Los torillos trasmisió stá somtios a cosirabls solicitacios bias
Más detallesTEMA 3: ESTIMACIÓN PUNTUAL.
TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método
Más detallesE L S E R H U M A N O A N T E E L M E D I O A M B I E N T E
ACTITUDES AMBIENTALES E L S E R H U M A N O A N T E E L M E D I O A M B I E N T E D E N T R O D E L A S A C T I T U D E S A M B I E N T A L E S P O D E M O S I N C L U I R : Comunicación Ser humano - Ambiente
Más detallesIntroducción y Aritmética Flotante Semana del 24 al 28 de septiembre de 2018
Introducción y Aritmética Flotante Semana del 24 al 28 de septiembre de 2018 Coordinador Académico del Laboratorio: Profesor Jaime Figueroa Nieto (jaime.figueroa@usm.cl) Ayudante Coordinador y de Software:
Más detallesIV Concurso Cristalización en la Escuela Zona Noroeste Sede-Principado de Asturias
IV Concurso Cristalización en la Escuela Zona Noroeste Sede-Principado de Asturias BASES 0) Los centros participantes en el Concurso se han inscrito voluntariamente y aceptado las normas de participación.
Más detallesMATEMÁTICA D Módulo I: Análisis de Variable Compleja. Teoría de Residuos
Matmática D MATEMÁTIA D Módulo I: Aálisis d Variabl omplja Uidad Toría d siduos Mag. María Iés Baragatti Sigularidads S dic qu s ua sigularidad aislada d f( si f( o s aalítica pro sí s aalítica u toro
Más detallesPRIMER CONGRESO LATINOAMERICANO DE AGENCIAS DE DESARROLLO LOCALCa rm e n d e Vib o ra l An tio q u ia -Co lo m b ia
PRIMER CONGRESO LATINOAMERICANO DE AGENCIAS DE DESARROLLO LOCALCa rm e n d e Vib o ra l An tio q u ia -Co lo m b ia 2 8 y 2 9 d e m a yo d e l 2 0 0 9 Pa ís u n ita rio. Niv e le s d e Go b ie rn o : N
Más detallesSistemas de ecuaciones diferenciales lineales
695 Aálisis matmático para Igiría M MOLERO; A SALVADOR; T MENARGUEZ; L GARMENDIA CAPÍTULO Sistmas d cuacios difrcials lials d primr ord Cuado s studia matmáticamt ua situació d la ralidad, l modlo qu s
Más detallesCOLEGIO DE POSTGRADUADOS
COLEGIO DE POSTGRADUADOS INSTITUCIÓN DE ENSEÑANZA E INVESTIGACIÓN EN CIENCIAS AGRÍCOLAS CAMPUS MONTECILLO SOCIOECONOMÍA, ESTADÍSTICA E INFORMÁTICA ESTADÍSTICA PRUEBAS DE BONDAD DE AJUSTE Y DE RAZÓN DE
Más detallesT E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A
T E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A Q U E S E E N C U E N T R A E N I N T E R N E T E N : h t t p : / / w w w. l a n d e r. e s / w e b m
Más detallesDe la medición surge un valor, llamado valor de la magnitud y que indica el número de veces que la unidad elegida está contenida en la magnitud.
Máquias, Métodos y Cotrol Dimsioal dl Procsamito METROLOGÍA MECÁNICA MEDICIONES Dfiició: Efctuar ua mdició, sigifica cotrar la distacia tr dos putos dados. Est caso s l más frcut, cuado las mdicios s rfir
Más detallesI n s t i t u t o d e D e s a r r o l l o P r o f e s i o n a l. U l a d i s l a o G á m e z S o l a n o
1 A n t o l o g í a : P r o m o c i ó n y A n i m a c i ó n d e l a l e c t u r a M i n i s t e r i o d e E d u c a c i ó n P ú b l i c a I n s t i t u t o d e D e s a r r o l l o P r o f e s i o n a l.
Más detalles4.1 Procedimientos de inferencia para la distribución exponencial
4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal
Más detallesTema 8. Limite de funciones. Continuidad
. Límit d ua fució. Fucios covrgts.... Límits latrals.... Distitos tipos d límits.... Límits ifiitos cuado tid a u úmro ral asítota vrtical.... Límits fiitos cuado tid a ifiito asítota horizotal... 8.
Más detallesAnálisis de Señales Capítulo III: Transformada de Fourier discreta. Profesor: Néstor Becerra Yoma
Aálisis d Sñals Capíulo III: Trasormada d Fourir discra Prosor: ésor Bcrra Yoma 3. Torma dl Musro Gra dsarrollo d la compuació > digializació d sñals mdia musro, posrior rcosrucció d la sñal Codició csaria
Más detallesCapítulo IV. Estadísticas cuánticas.
Capítulo I. stadísticas cuáticas. Lcció 6 Itroducció a las stadísticas cuáticas. Partículas distiguibls idistiguibls. stadísticas d Bos-isti y d rmi-dirac. Lcció 7 Gas idal d rmi: lctros mtals. Lcció 8
Más detallesTema 5: Transistor Bipolar de Unión (BJT)
Tma 5: Trasistor ipolar d Uió JT) 5.1 troducció otidos 5.2 ucioamito dl trasistor Zoa Activa Dircta 5.3 Modlo d orrits dl Trasistor. Modlo d rs-moll 5.4 Modos o Zoas d Opració 5.5 Modlos Spic 5.6 jmplos
Más detallesProgramación lineal. m a x i mizar o m i n im i z ar f u n c i o n e s q ue s e e nc u e ntran s u j e ta s a d e terminad as
Programación lineal L a p r o g r a m ac i ó n l i ne al d a r e s pu e s t a a s i t u aciones e n l as q ue s e e xi g e m a x i mizar o m i n im i z ar f u n c i o n e s q ue s e e nc u e ntran s u
Más detallesC A N D I D A T O S A D I P U T A D O S
I N S T I T U T O E L E C T O R A L D E L E S T A D O D E M E X I C O P R O C E S O E L E C T O R A L 2 0 1 8 E L E C C I Ó N O R D I N A R I A D E D I P U T A D O S C A N D I D A T O S A D I P U T A D
Más detallesDECAIMIENTO RADIOACTIVO
DECIMIETO RDIOCTIVO El dcaimito radioactivo s idpdit dl modo d dcaimito, y s aplica a todos llos: α,β +, β -, CE (captura lctróica), γ, y fisió spotáa. Postulados: LEY DE DESITEGRCIO RDIOCTIV. La probabilidad
Más detallesl ij l'; 1r" 1râ I 't i 4-1.} ,ffi,h) 4,i4 r z l,9 11,{ .Jn 1,{ 'l 'l J, J,t J,t 1,a -5^ l.{ l,{' ''' l. I, I fié \bi a j d i' .iq I '11 .J.f 3,?
,' ḻ.) r Ë'.' -f,.-.. =(-,, '; -'..f - ' -. -^ 0 '..'.., ḷ C. c).,' C., c. C!.c.' - ạ - C. ( rô -, '.r,.,. ',, - v ) - '.. ) r, -) '_ r Ë )'.., ^,' à ',, ' ',.' ( ) ' ',' r r ) - r c c,', ḷ,' s ) c, -
Más detallesP a u l C e l a n ( A n t e m í )
P A L O M A N A V A R E S D e d i c a t o r i a s P a l o m a N a v a r e s : L a m a n o q u e p a s a s t e p o r t u s o j o s... P i l a r R i b a l A n t e m i r o d i l l a r e l a m p a g u e a
Más detalles! 1 3 <1 la serie converge (y confirma a n! 0 ). a n. x 2 >0; f 0 (x)<0 si x>1; R 1 f (x)dx = 1 2 e x2 1 = 1 2e. ) Convergente. n! 0 ) Convergente.
Solucios d los roblmas d Matmáticas (07-08) {a } acotada ifriormt or 0 (los a so ositivos) y dcrcit us + + )9líma a ) a a ) a0 Como a + a < la sri covrg (y cofirma a 0 ) a) (a ) / Divrgt (O orqu {a
Más detallese l E n i, 241) C anal S t., N e w Y o rk. T e l é f o n o : C an al
: 4) : - : Ñ? #» ) > ' ] ] 4 - (/) (/) «-» [ ú - :! Q! ~4 - - - (6 «(/) - -»»?! 5»»» 6 '! X " > 4 ) X X 45 ( ú ü - ( - - ( Z 5 Z 5 } ' 6 Z ú : 5-6 : $ 5 $ $ 5 ú ú $ 4 5 ( 5 >Ú) - Q
Más detallesAl ojami e ntos r ural e s
In cre m en t a r l a c a l i d a d d el es t a b l eci mi en to o s u cate g orí a. Al ojami e ntos r ural e s Ca m pa ñ a s de prom oci ón del a l oja m i en to Acce s ib i l i d a d Ins t al a ci o
Más detalles3. 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 detallesIntroducciónalaInferencia 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 detallesECUACIONES DIFERENCIALES DE ORDEN SUPERIOR. Ecuaciones lineales homogéneas con coeficientes constates de orden dos y superior.
Prof Eriqu Mtus Nivs Dotordo Eduió Mtmáti ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR Euios lils homogés o ofiits ostts d ord dos suprior Apliqu l método d rduió pr dtrmir u soluió d l uió o homogé dd los
Más detallesTALLER 4: Preparación parcial final. Cálculo Integral. UdeA Profesor: Jaime Andrés Jaramillo.
TALLER : Prparació parcial fial Cálculo Itgral UdA 5- Profsor: Jaim Adrés Jaramillo jaimaj@cocptocomputadorscom Sucsios Mustr los primros cuatro térmios d la sucsió y dtrmi si s covrgt o divrgt: a) d)
Más detallesTALLER 4: Preparación parcial final. Cálculo Integral. UdeA Profesor: Jaime Andrés Jaramillo.
TALLER : Prparació parcial fial Cálculo Itgral UdA - Profsor: Jaim Adrés Jaramillo jaimaj@cocptocomputadorscom Sucsios Mustr los primros cuatro térmios d la sucsió y dtrmi si s covrgt o divrgt: a) d) +
Más detallesI. - P A R T I N T R O D U C T Ò R I A
A N À L I S I D E L A D O C U M E N T AC I Ó R E L A TI V A A L S F E TS S U C C E Ï TS E L 4 D E F E B R E R D E 2 0 0 6 A L A F I N C A D E L C AR R E R S AN T P E R E M É S B A I X, 5 5 I E L S F E
Más detalles5 MECÁNICA ESTADÍSTICA CUÁNTICA DE GASES IDEALES
ma 5 MCÁICA SADÍSICA CUÁICA D GASS IDALS stadística d rmi-dirac y stadística d Bos-isti. l límit clásico. Gas idal d rmi: lctros mtals. Gas idal d Bos: fotos y 4H líquido. Codsació d Bos-isti. [RI-9; HUA-8;
Más detallesGuía promocional de tarifas
Guía promocional de tarifas P a q u e te s E s p e c ia les P a q u e te D e s c r ip c ión T a r if a p o r p a q u e t e 1 Ocu la r E x p r e s s A p e r tu r a d e l c o n ten e d o r p o r I P M s
Más detalles8 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 detallesÍndice General. PRIMERA PARTE Marco jurídico de la prevención del lavado de activos y la financiación del terrorismo
Índice General Pró l o g o de Vi v i a n e Mo r a l e s Ho y o s... xvii Pró l o g o de Ed u a r d o A. Fa b i á n Ca pa r r ó s... xxiii Int r o d u c c i ó n : La pr e v e n c i ó n de l lava d o de
Más detallesTema 5: Transistor Bipolar de Unión (BJT)
Tma 5: Trasistor ipolar d Uió JT) 5.1 troducció otidos 5.2 ucioamito dl trasistor Zoa Activa Dircta 5.3 Modlo d orrits dl Trasistor. Modlo d rs-moll 5.4 Modos o Zoas d Opració 5.5 Modlos Spic 5.6 jmplos
Más detallesPráctica 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 detallesAPUNTES DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA. Y = Xβ + U, donde los parámetros se han
APNTS D CLAS CONOMTRÍA I DI CONOMTRÍA INFORMÁTICA Prof. Rafal d Arc Rafal.darc@uam.s "CONTRAST DL PRDICTOR" o INTRVALO D CONFIANZA D LA PRDICCIÓN PNTAL N L MBRL a d las mdidas d bodad a posriori más frcum
Más detalles61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS
Cp. 6 Sris 6. 6.. SERIES NUMÉRICAS INFINITAS 6.. SERIES DE TÉRMINOS POSITIVOS 6.. SERIES ATERNANTES 6.. SERIES DE POTENCIAS Objtivo: S prtd qu l studit: Dtrmi covrgci o divrgci d sris. Empl sris pr rsolvr
Más detalles2. ALGEBRA LINEAL (2.1_AL_T_062, Revisión: , C12)
. ALGEBRA LINEAL (._AL_T_06, Rvisió: 8-03-06, C). CONCEPTOS FUNDAMENTALES: ESPACIOS VECTORIALES, BASES, DIMENSIONES... INTRODUCCIÓN. Notació: utilizamos abcdario latio para vctors, grigo para scalars (úmros).
Más detallesMATEMÁTICA AVANZADA TRABAJO PRÁCTICO N O 1
MATEMÁTICA AVANZADA TRABAJO PRÁCTICO N O Fcios aalíticas Dmostrar q s aalítica todo l plao complo Z. Siglaridads d a ció Estdiar las siglaridads d las sigits cios calclado límit: a b c 9 cos d 7 Trasormació
Más detallesCAPITULO 17 FUNCIONES EXPONENCIALES Y LOGARITMICAS
Capítlo 17. Drivada d las Fcios Epocial, Logarítmica. CAPITULO 17 FUNCIONES EXPONENCIALES Y LOGARITMICAS Ejrcicio. Dibja la gráfica d la fció =, para sto lla la sigit tabla: 0 1 3 4-1 - -3-4 Vamos l sigit
Más detallesTema 5. Análisis de Fourier para Señales y Sistemas Discretos.
Tma 5. Aálisis d Fourir para Sñals y Sistmas Discrtos. E l tma 3 hmos hcho u studio d los sistmas discrtos l domiio tmporal. Esto os ha prmitido ralizar ua caractrizació d los mismos y hacr u studio d
Más detalles3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes
3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la
Más detallesN a c i o n a l d e P o b l a c i ó n y V d e H a b i t a c i ó I N S T R U M E N T O C L A V E P A R A E L D E S A R R O L L O.
\>HFP4 S E M I N A R I O N a c i o n a l d e P o b l a c i ó n y V d e H a b i t a c i ó l^bhi I N S T R U M E N T O C L A V E P A R A E L D E S A R R O L L O G U A T E M A L A, 2 5 Y 2 6 D E J U L IO
Más detallesCapítulo 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 detallesTalleres de lectura para no olvidar. colegiopascal.com
Talleres de lectura para no olvidar colegiopascal.com Fantabulario Introducción E l a r t e d e c o n t a r h a e x i s t i d o e n t o d a s l a s é p o c a s, e n c a d a p a r t e d e l m u n d o.
Más detallesVariables aleatorias discretas
Probabilidads y stadística Comutació Facultad d Cicias actas y aturals. Uivrsidad d Buos Airs Aa M. Biaco y la J. Martíz 4 Variabls alatorias discrtas istribució Biomial: Muchos rimtos alatorios satisfac
Más detallesIntroducción. Introducción DECISIONES EN UN MERCADO DE OLIGOPOLIO NO-COOPERATIVO. Dr. Jorge Ibarra Salazar
9 DECISIONES EN UN MERCADO DE OLIGOPOLIO NO-COOPERATIVO Dr. org Ibrr Slzr Dprtmto d Ecoomí Tcológico d Motrry Itroducció Estudimos ls dcisios d firms qu frt l prcio d mrcdo (si podr d mrcdo) y firms co
Más detallesPROYECCIÓN CÓNICA CONFORME DE LAMBERT Prof. Ricardo Martínez Morales
CARTOGRAFÍA MATEMÁTICA PROYECCIÓN CÓNICA CONFORME DE LAMBERT Prof. Ricardo Martíz Morals INTRODUCCIÓN El físico, astróomo y matmático alsaciao J.H.Lambrt tuvo ua prolífica producció l ára d la cartografía
Más detalles- SITUACION DEMOGRAFICA Y S X IA L. camente a c t iv a por Se c to r es 39
N ú m e r o I RECURSOS NATURALES PARA EL DESARROLLO ECONOMICO Y SOCIAL 1 9 10 S i tuacuón Ge o g r á f ic a y To p o g r á f ic a 1 Cl im a 3 Recursos d el Su elo y Uso de la T ie r r a 5 A g r ic u l
Más detalles1.- Estudie el carácter de la serie numérica. 1 es divergente, la serie n propuesta será divergente. Solución.- Puesto que, n = 1, 2, 3,...
TUTORÍA DE MATEMÁTICAS III (º A.D.E.) -mil: imozs@lx.ud.s http://tlfoic.t/wb/imm EJERCICIOS DE SERIES NUMÉRICAS PROPUESTOS EN EXÁMENES.- Estudi l cráctr d l sri uméric. (Fbrro 00, x. or.) Solució.- Pusto
Más detallesBTA : GANADO MENOR - PISCICULTURA. C o n t e n i d o.
C o m p e t e n c i a s e s p e c í f i c a s : R e c o n o c e r l a i m p o r t a n c i a d e l a p r o d u c c i ó n d e p e c e s e n l a a l i m e n t a c i ó n h u m a n a y s u a p o r t e e n l
Más detalles1) Cal c ul a r el t érm i n o d es c o n oc i do d e l a s si g ui en t es p r o p or ci o n es : x. d) x 12
PRO PO RCIO NALIDADES 1) Cal c ul a r el t érm i n o d es c o n oc i do d e l a s si g ui en t es p r o p or ci o n es : a) 4 x 10 60 b) 9 12 12 x c) 8 2 32 3 x x d) x 12 Sol : a) x= 2 4, b) x= 1 6, c)
Más detallesa p ít u l o a+b (a + b)2 = a ab + b2
C a p ít u l o Pr o d u c t o s n o ta bles E l trin o m io c u a d ra d o p e rfe c to sí se denomina al resultado de (a + b)2, que se obtiene mediante un cuadrado d e lado (a + b); a l que conforman
Más detallesIn d i c e. Ca p í t u l o I
In d i c e Ca p í t u l o I Concepto y clasificaciones 1. Co n c e p t o... 1 2. Cl a s i f i c a c i ó n d e l o s b i e n e s... 2 2.1 Bienes corporales e incorporales... 2 A. Derechos reales... 4 a.
Más detallesMatemáticas Aplicadas a las Ciencias Sociales II. Análisis: Derivadas Tema 6. Derivadas 1. Derivada de una función en un punto
Matmáticas Aplicadas a las Cicias Socials II Aálisis: Drivadas Tma 6 Drivadas Drivada d ua fució u puto Tasa d variació d ua fució S llama tasa d variació mdia d ua fució f (), l itrvalo [a, b], al valor
Más detallesα β la cual puede presentar
5.4 Covergecia de ua serie de Fourier 8 5.4 Covergecia de ua serie de Fourier Teorema de covergecia de las series de fourier Ua serie de Fourier es ua fució ( ) f x cotiua e [, ] α β la cual puede presetar
Más detalles1 E N V I T E 2 R E C H I F L E T R I S T O N G O 3 P A L I Z A M O R M O S A 4 C H U C E A D A F U L E R A 5 G A R R O T E E M B R E T A D O
1 E N V I T E 2 R E C H I F L E T R I S T O N G O 3 P A L I Z A M O R M O S A 4 C H U C E A D A F U L E R A 5 G A R R O T E E M B R E T A D O 6 E L C U E R O A T R A V E S A D O 7 E S P I A N T E 1983
Más detallesB o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e
B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e A t e n a s T R I B U N A L A D M I N I S T R A T I V O D E A T E N A S B O L E T I N D E J U R I S P
Más detalles