T o e r o ía í a d e d e C ol o a l s

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

Download "T o e r o ía í a d e d e C ol o a l s"

Transcripción

1 Teoría de Cola Joé María Ferrer Caja Uiveridad Potificia Comilla

2 Itroducció Cola: Cojuto de cliete e eera de recibir u ervicio Se roduce cuado lo cliete llega a u ervidor ocuado y ermaece e eera Teoría de Cola: Aálii del comortamieto de u itema de cola a lo largo del tiemo Herramieta: Teoría de Probabilidade Otimizació Simulació Teoría de Cola-

3 Elemeto Fuete: Orige de lo cliete Cola Cetro de ervicio: Cojuto de ervidore Sitema: Cola()+Servidor(e) Salida: Detio de lo cliete FUENTE COA SERVIDORES SAIDA SISTEMA Teoría de Cola- 2

4 Caracterítica: legada Fuete Fiita Sitema cerrado Ifiita Sitema abierto Número de fuete Ua Varia Forma de llegada Uitaria E bloque Tiemo etre llegada Determiita Aleatorio (llegada ideediete) Aleatorio (llegada deediete) Teoría de Cola- 3

5 Caracterítica: Cola Número de caale Iterferecia etre caale Poibilidad de cambiar de caal Imoibilidad de cambiar de caal Caacidad del itema Fiita Ifiita Dicilia FIFO: El rimero que etra e el rimero e er atedido FIFO co límite: El tiemo de ervicio e limitado IFO: El último que etra e el rimero e er atedido SIRO: o cliete e eleccioa de forma aleatoria PRI: Se atiede ate a lo cliete rioritario Teoría de Cola- 4

6 Caracterítica: Mecaimo de ervicio Número de ervidore Relació etre ervidore Servidore ideediete Servidore deediete Homogeeidad etre ervidore Servidore homogéeo Servidore heterogéeo Tiemo de ervicio Determiita Aleatorio (tiemo ideediete) Aleatorio (tiemo deediete) Teoría de Cola- 5

7 Caracterítica: Comortamieto del cliete Comortamieto al ecotrar el ervidor ocuado Etra al itema y ermaece e la cola Reiteta la etrada tra u eriodo de tiemo Reucia al ervicio Selecció del caal Selecció aleatoria Selecció bajo algú criterio Adjudicació automática de caal Comortamieto tra u eriodo de tiemo e la cola Se matiee e el caal Cambia de caal Reucia al ervicio Teoría de Cola- 6

8 Parámetro Taa de llegada : Número medio de cliete que llega al itema or uidad de tiemo Tiemo medio etre llegada / Taa de etrada ef : Número medio de cliete que etra al itema or uidad de tiemo Taa de ervicio : Número medio de cliete que o atedido or u ervidor or uidad de tiemo Tiemo medio de ervicio / Taa de ervicio del itema ef : Número medio de cliete que o atedido or uidad de tiemo Número de ervidore Caacidad del itema k Factor de utilizació, iteidad de tráfico ef / ef Teoría de Cola- 7

9 Etado etacioario: Codició N(t) : Número de cliete e el itema e el itate t El itema uede etabilizare tra u eriodo de tiemo Etado etacioario Ditribució etacioaria: Ditribució de robabilidad de N(t) e el etado etacioario N(t) N Codició ara que exita ditribució etacioaria: < (Taa de etrada<taa de ervicio del itema) Teoría de Cola- 8

10 Etado etacioario: Variable N: Número de cliete e el itema P(N): Probabilidad de que haya cliete e el itema N q : Número de cliete e la cola T: Tiemo de u cliete e el itema T q : Tiemo de u cliete e la cola Teoría de Cola- 9

11 Etado etacioario: Medida de eficiecia : Número medio de cliete e el itema E[N] q : Número medio de cliete e la cola q E[N q ] W: Tiemo medio de cliete e el itema WE[T] W q : Tiemo medio de cliete e la cola W q E[T q ] c : Número medio de ervidore ocuado t c : Tiemo medio de ervidore deocuado Teoría de Cola-

12 Etado etacioario: Relacioe Fórmula de ittle Otra relacioe W Wq + ef q + q ef W ef c - q W q ef Teoría de Cola-

13 Ditribució exoecial T ex( ) f (t) Fució de deidad: - e f ( t) t t t < t Media, variaza, robabilidad: E[T ] V[ T ] 2 Falta de memoria: t > P( T > t ) -t e ( T > t + t T > t ) P( T > ) P t Teoría de Cola- 2

14 Ditribució de Poio N Número de éxito/uidad de tiemo N Poio() Fució de robabilidad - e P( N ) {,,2,...}! Media, variaza: E[N ] V[N ] Reroductividad: a uma de variable ideediete de Poio e otra variable de Poio Proorcioalidad: El úmero medio de éxito e roorcioal al tiemo Relació co la exoecial: El úmero de éxito igue ua ditribució de Poio el tiemo etre do éxito coecutivo igue ua ditribució exoecial Teoría de Cola- 3

15 Proceo oioiao Proceo etocático: Colecció de variable aleatoria {N(t)} Proceo de coteo: N(t) {,, 2, } t N() N(t) Proceo markoviao: Icremeto etacioario: Icremeto ideediete N(t) - N() ólo deede de t- N() c.. N(t) - N() Poio((t-)), N(t) Poio(t) E u itervalo cuya logitud tiede a, la robabilidad de que ocurra má de u éxito tiede a Teoría de Cola- 4

16 Proceo de acimieto y muerte: Plateamieto Nacimieto: Etrada de u cliete Muerte: Salida de u cliete ua vez ervido El tiemo etre llegada e exoecial El tiemo etre alida e exoecial, e ideediete del tiemo etre acimieto N(t): Número de cliete e el itema e el itate t : Taa de etrada i hay cliete e el itema : Taa de alida i hay cliete e el itema Objetivo Obteer la ditribució etacioaria N P(N): Probabilidad de que haya cliete e el itema, e el etado etacioario,,, 2, Teoría de Cola- 5

17 Proceo de acimieto y muerte: Diagrama de traicioe o roceo que rige el úmero de llegada y el úmero de alida o oioiao De cada etado ólo e oible aar a do etado: + i e roduce ua llegada - i e roduce ua alida Teoría de Cola- 6

18 Proceo de acimieto y muerte: Etado etacioario Suueto alcazado el etado etacioario: Taa media de llegada al etado : Taa media de alida del etado : + Taa media de llegada al etado Taa media de alida del etado : Para el etado : A artir de eta exreioe odemo obteer cada e fució de : -K 2 K Para obteer bata uar que 2 2 Teoría de Cola- 7

19 Proceo de acimieto y muerte: Medida de eficiecia Número medio de cliete e el itema Número medio de cliete e cola (ara u itema co ervidore) Taa media de llegada q ( - ) Tiemo medio de ermaecia e el itema W Tiemo medio de ermaecia e cola q W q Teoría de Cola- 8

20 Modelo cláico: Notació de Kedall Eecificacioe del modelo A / B / c / m / d A: Ditribució tiemo etre llegada. Puede er M Exoecial D Cotate E k Erlag de arámetro k G Geérica B: Ditribució tiemo de ervicio. Puede er M, D, E k, G c: Número de ervidore m: caacidad del itema d: Dicilia de la cola Teoría de Cola- 9

21 Modelo cláico: Hiótei geerale Ua úica fuete de tamaño ifiito No hay imaciecia: Todo cliete que llega al itema, etra (a o er que e haya alcazado la caacidad máxima), y ua vez detro o lo abadoa hata haber ido ervido. U úico caal ara todo lo ervidore Servidore ideediete y homogéeo Ideedecia etre llegada y ervicio Por defecto, e uoe caacidad ifiita del itema y dicilia FIFO Teoría de Cola- 2

22 Modelo cláico: M/M/ Hiótei: Tiemo etre llegada ideediete, ditribuido egú ua exoecial de arámetro Tiemo de ervicio ideediete, ditribuido egú ua exoecial de arámetro U úico ervidor: Caacidad ilimitada Dicilia FIFO Factor de utilizació: Etado etacioario < - - Ditribució etacioaria: ( - ),,2,3,... Teoría de Cola- 2

23 Modelo cláico: M/M/ Medida de eficiecia : W ( - ) - ( - q W q W - - ( - ) ( - ) T q : Ditribució mixta ) P t ( T q > ) - -(-) t f ( t) (- ) e Ditribució del tiemo e el itema y e cola: T ex ( - ) ex ( (- )) Teoría de Cola- 22

24 Modelo cláico: M/M/ Hiótei: Tiemo etre llegada ideediete, ditribuido egú ua exoecial de arámetro ervidore ideediete y homogéeo Tiemo de ervicio ideediete ara cada ervidor, ditribuido egú ua exoecial de arámetro Caacidad ilimitada Dicilia FIFO > Taa: Diagrama de traicioe: 2 (-2) (-) Teoría de Cola- 23

25 Modelo cláico: M/M/ Ditribució etacioaria < + -! ) ( )!( - ) (!! - Medida de eficiecia: Teoría de Cola- 24 DEPARTAMENTO DE EPARTAMENTO DE EPARTAMENTO DE EPARTAMENTO DE ORGANIZACIÓN RGANIZACIÓN RGANIZACIÓN RGANIZACIÓN NDUSTRIA NDUSTRIA NDUSTRIA Medida de eficiecia: + 2 ) -! ( ) ( W 2 ) -! ( ) ( - q q q W

26 Modelo cláico: M/M/ Probabilidade Probabilidad de o hacer cola ( ) P( Tq )!(- ) Probabilidad de ermaecer e cola u tiemo mayor que t P( T q > t) ( )!( ) ( ) t e Teoría de Cola- 25

27 Modelo cláico: M/M/ Hiótei: Cao articular del modelo M/M/ ara u úmero ilimitado de ervidore No hay cola, cada cliete que llega e ervido directamete Ditribució etacioaria (exite iemre): N Poio(/) Medida de eficiecia: W W q q Teoría de Cola- 26

28 Modelo cláico: M/M//k Hiótei: Tiemo etre llegada ideediete, ditribuido egú ua exoecial de arámetro ervidore ideediete y homogéeo Tiemo de ervicio ideediete ara cada ervidor, ditribuido egú ua exoecial de arámetro Caacidad limitada a k cliete, k Dicilia FIFO Ditribució etacioaria (exite iemre). Para!! - k co tal que k Teoría de Cola- 27

29 Modelo cláico: M/M//k Taa de etrada: ef ( - k ) Medida de eficiecia : q [ k -+ k ( k - + )(- ] ( )!(- ) ) 2 W q W W q q ef + W ef Teoría de Cola- 28

30 Modelo cláico: M/M// Hiótei: Cao articular del modelo M/M//k cuado la caacidad del itema coicide co el úmero de ervidore No hay cola, cuado u cliete llega o e ervido directamete o o uede etrar e el itema Probabilidad de que el itema eté aturado ( ) ( )!! Teoría de Cola- 29

31 Modelo cláico: M/G/ Hiótei: Tiemo etre llegada ideediete, ditribuido egú ua exoecial de arámetro Tiemo de ervicio ideediete, ditribuido egú ua 2 ditribució geeral F de media / y variaza σ U úico ervidor: Caacidad ilimitada Dicilia FIFO Factor de utilizació: Etado etacioario < Fórmula de Pollaczek-Khitchie: σ 2( - ) 2 Teoría de Cola- 3

32 Modelo cláico: M/M/ cerrado Hiótei: Fuete fiita de m cliete Tiemo de retoro al itema ditribuido egú ua exoecial de arámetro Tiemo de ervicio ideediete, ditribuido egú ua exoecial de arámetro U úico ervidor: Caacidad ilimitada Dicilia FIFO Taa: Taa de retoro Taa de llegada ( m - ) < m m Teoría de Cola- 3

33 Modelo cláico: M/M/ cerrado Ditribució etacioaria (exite iemre) + m m! ( m - )! m! < m iedo ( m - )! Medida de eficiecia W - m - ( m - ) W Taa media de llegada q q m ( - m - + q ( - ) ) m ( m - ) ef Teoría de Cola- 32

34 Modelo cláico: M/M/ cerrado Hiótei: Fuete fiita de m cliete Tiemo de retoro al itema ditribuido egú ua exoecial de arámetro ervidore ideediete y homogéeo Tiemo de ervicio ideediete ara cada ervidor, ditribuido egú ua exoecial de arámetro Caacidad ilimitada Dicilia FIFO Taa: ( m - ) > m < m m m Teoría de Cola- 33

35 Modelo cláico: M/M/ cerrado Ditribució etacioaria (exite iemre) m m!! - Medida de eficiecia: No exite fórmula ecilla. Se obtiee a artir de la defiició, y el reto mediate la fórmula de ittle Taa media de llegada ( m - ) ef m co m tal que Teoría de Cola- 34

36 Deciió e lo itema de cola Objetivo: Determiar el ivel de ervicio que miimiza el cote total del itema Cote total Cote ervicio + Cote cliete Cote ervicio: cote or mateer oerativo el ervicio: Aumeta co la taa de ervicio y co el úmero de ervidore Cote cliete Cote or ermaecer e cola Cote or érdida de cliete Cote or dar ervicio Ambo cote etá e coflicto Teoría de Cola- 35

37 Otimizació de la taa de ervicio Cote or uidad de tiemo C cote or uidad de C cote or teer ua taa de ervicio C 2 cote or mateer u cliete e el itema C 2 () cote total eerado or mateer lo cliete e el itema Fució de cote eerado or uidad de tiemo CT ( 2 ) C + C ( ) Problema a reolver: mi C + C 2( ) Teoría de Cola- 36

38 Otimizació de la taa de ervicio y la caacidad del itema Cote or uidad de tiemo C y C 2 igual que e el cao aterior C 3 cote or uidad de caacidad C 3 k cote or teer ua caacidad k C 4 cote or cada cliete erdido C 4 k cote total eerado or cliete erdido Fució de cote eerado or uidad de tiemo CT (, k ) C + C2( ) + C3k + C4 Problema a reolver: k mi, k C + C 2 ( ) + C 3 k + C 4 k k N Teoría de Cola- 37

39 Otimizació del úmero de ervidore Cote or uidad de tiemo C 2 cote or mateer u cliete e el itema C 2 () cote total eerado or mateer lo cliete e el itema C 5 cote or ervidor C 5 cote or teer ervidore Fució de cote eerado or uidad de tiemo Problema a reolver: CT ( ) C5 + C2( ) mi C + C 2( ) 5 N Teoría de Cola- 38

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio

Más detalles

FORMULARIO TEORIA DE FILAS

FORMULARIO TEORIA DE FILAS FORMULARIO TEORIA DE FILAS Proceso geeral de acimieto y muerte. Tasas de etrada: λ 0,λ 1,..., λ 1 clietes or uidad de tiemo. Tasas de salida: µ 1,µ 2,..., µ clietes or uidad de tiemo. =1, 2,... Razó etrada/salida:

Más detalles

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1 Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los

Más detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

Más detalles

(3.b) MODELOS EXPONENCIALES de COLAS

(3.b) MODELOS EXPONENCIALES de COLAS (.b) MODEOS EXOEIAES de OAS ITRODUIÓ A OS ROESOS DE AIMIETO Y MUERTE. Ecuacioe de euilibrio. odició de E.E. AIAIÓ DE AS EUAIOES DE EQUIIBRIO: a cola M/M/. Ilutració del comportamieto. MODEOS DE OAS EXOEIAES.

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS INSTITUTO OLITÉCNICO NACIONAL ESCUELA SUERIOR DE FÍSICA Y MATEMÁTICAS INTRODUCCIÓN A ROCESOS ESTOCÁSTICOS Y SISTEMAS DE LÍNEAS DE ESERA TESIS QUE ARA OBTENER EL TÍTULO DE LICENCIADO EN FÍSICA Y MATEMÁTICAS

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

Más detalles

Respuesta en el tiempo de un Sistema de Control

Respuesta en el tiempo de un Sistema de Control Reueta e el tiemo e u Sitema e Cotrol La reueta e u itema e cotrol, o e u elemeto el itema, etá formaa e o arte: la reueta e etao etable y la reueta traitoria. La reueta traitoria e la arte e la reueta

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

TEORÍA DE LÍNEAS DE ESPERA (COLAS)

TEORÍA DE LÍNEAS DE ESPERA (COLAS) TEORÍA DE ÍEAS DE ESERA COAS Cojuto de modelos matemáticos ue describe sistemas específicos de líeas de espera o colas, usados e la toma de decisioes al ecotrar el estado estable o estacioario del sistema

Más detalles

LECTURA 05: INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. INTERVALOS DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES POBLACIONES.

LECTURA 05: INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. INTERVALOS DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES POBLACIONES. Uiveridad Lo Ágele de Chimbote LECTURA 05: ITERVALOS DE COFIAZA PARA LA PROPORCIÓ POBLACIOAL. ITERVALOS DE COFIAZA PARA LA DIFERECIA ETRE DOS PROPORCIOES POBLACIOES. TEMA : ITERVALOS DE COFIAZA PARA LA

Más detalles

MACROECONOMÍA III EL MODELO DE SOLOW

MACROECONOMÍA III EL MODELO DE SOLOW MACROECONOMÍA III E MODEO DE SOOW Blaca Sachez-Roble Equema de la preetació. Supueto del modelo. Dicuió 3. Implicacioe 4. co proreo técico Supueto:. Fució de producció: < < (). o idividuo ahorra ua taa

Más detalles

Rectificador de media onda

Rectificador de media onda Electróica y microelectróica ara cietíficos ectificador de media oda Como u diodo ideal uede mateer el flujo de corriete e ua sola direcció, se uede utilizar ara cambiar ua señal de ca a ua de cd. E la

Más detalles

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES.

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES. ECTURA 4: INTERVAOS DE CONFIANZA PARA A MEDIA POBACIONA. INTERVAOS DE CONFIANZA ENTRE DOS MEDIAS POBACIONAES. TEMA 8: INTERVAOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION: Actualmete e debe

Más detalles

Introduccion. TEMA 6: MODELOS DE FILAS DE ESPERA (Waiting Line Models) (Capítulo 12 del libro) Modelos de Decisiones

Introduccion. TEMA 6: MODELOS DE FILAS DE ESPERA (Waiting Line Models) (Capítulo 12 del libro) Modelos de Decisiones Modelos de Decisioes TEMA 6: MODELOS DE FILAS DE ESPERA (Waitig Lie Models) (Capítulo 2 del libro) Itroduccio.. Estructura de u Sistema de Filas de Espera 2. Modelo Sigle-Chael co tasa de llegadas tipo

Más detalles

MATERIA: INVESTIGACION DE OPERACIONES II NOTAS DE TEORÍA DE COLAS

MATERIA: INVESTIGACION DE OPERACIONES II NOTAS DE TEORÍA DE COLAS INTITUTO TECNOLÓGICO DE TEIC MATERIA: INVETIGACION DE OERACIONE II NOTA DE TEORÍA DE COLA DEARTAMENTO DE INGENIERIA INDUTRIAL ELABORADO OR: M.C. HECTOR MARTINEZ RUBIN CELI INTRODUCCIÓN Ua ituació de cola

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Comparación. Variable Cuantitativa. Ejemplo. Comparación. Variable cuantitativa. Independientes 1. Comparación. Variable Cuantitativa.

Comparación. Variable Cuantitativa. Ejemplo. Comparación. Variable cuantitativa. Independientes 1. Comparación. Variable Cuantitativa. Comparació. Variable Cuatitativa Do Muetra Iepeiete Comparació. Variable Cuatitativa Do Muetra Do ituacioe al comparar grupo: Muetra Iepeiete Muetra Relacioaa i o o: Pareaa o Emparejaa J.F. Caaova Do muetra

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

Estadística para Química - 1er. cuat. 2007 - Marta García Ben

Estadística para Química - 1er. cuat. 2007 - Marta García Ben Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,

Más detalles

Líneas de Espera: Teoría de Colas. Curso Métodos Cuantitativos Prof. Lic. Gabriel Leandro

Líneas de Espera: Teoría de Colas. Curso Métodos Cuantitativos Prof. Lic. Gabriel Leandro ínea de Epera: Teoría de Cola Curo Método Cuantitativo Prof. ic. Gabriel eandro a cola a cola on frecuente en nuetra vida cotidiana: En un banco En un retaurante de comida rápida Al matricular en la univeridad

Más detalles

Capítulo I. La importancia del factor de potencia en las redes. eléctricas

Capítulo I. La importancia del factor de potencia en las redes. eléctricas La importacia del factor de potecia e las redes eléctricas. Itroducció Las fuetes de alimetació o geeradores de voltaje so las ecargadas de sumiistrar eergía e las redes eléctricas. Estas so de suma importacia,

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

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

PRACTICA 6: SISTEMA DE SEGUIMIENTO. CONTROL DE POSICIÓN.

PRACTICA 6: SISTEMA DE SEGUIMIENTO. CONTROL DE POSICIÓN. PRAA 6: SSEA DE SEUENO. ONROL DE POSÓN. Aigatura: Sitema Lieale. º de geiería e Automática y Electróica ESDE. Departameto de Automática y Electróica uro 6-7 Práctica º 6: Sitema de Seguimieto. otrol de

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,

con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna, Tema 9 El plao complejo 9. Números complejos E IR, las operacioes suma producto de úmeros reales so operacioes iteras (el resultado de operar es otro úmero real) que permite la existecia de operacioes

Más detalles

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11 IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

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

5.1. Tipos de convergencia

5.1. Tipos de convergencia Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

DISTRIBUCIÓN BIDIMENSIONAL

DISTRIBUCIÓN BIDIMENSIONAL DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

ANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando

ANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando AEXO Etudio de Apecto de eguridad Emprearial Muate,Maricel eei, Ferado Idice Cuetioario...3 Repueta...11 Arbol...135 Etaditica...137 Etaditica Greerale...138 Etadítica Biaria...153 Etadítica Combiada...157

Más detalles

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar

Más detalles

Este centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.

Este centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones. reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del

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

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 1 /1

AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 1 /1 AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO / TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como ua fució que asiga

Más detalles

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18 Los úmeros reales.. Los úmeros reales El cojuto de los úmeros reales está formado por los úmeros racioales y los irracioales. Se represeta por la letra Los úmeros racioales so los úmeros eteros, los decimales

Más detalles

INECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.

INECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita x que se verifica para valores mayores que 4. INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad

Más detalles

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir: DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES 6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

Las funciones de Cobb-Douglas como base del espacio vectorial de funciones homogéneas

Las funciones de Cobb-Douglas como base del espacio vectorial de funciones homogéneas Las fucioes de Cobb-Douglas como base del esacio vectorial de fucioes homogéeas Zuleyka Díaz Martíez Mª Pilar García Pieda José Atoio Núñez del Prado Uiversidad Comlutese de Madrid Facultad de Ciecias

Más detalles

FACULTAD DE INFORMÁTICA

FACULTAD DE INFORMÁTICA UNIVERSIDADE DA CORUÑA FACUTAD DE INFORMÁTICA Deartameto de Matemáticas PROYECTO DE FIN DE CARRERA DE INGENIERÍA INFORMÁTICA Diseño e imlemetació de ua herramieta ara la eseñaza y el aredizaje de la teoría

Más detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció B Reserva, Ejercicio 4,

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 22 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció B Reserva, Ejercicio 4, Oció B Reserva 2, Ejercicio 4,

Más detalles

Laboratorio de Análisis de Circuitos. Práctica 8. Respuesta transitoria de circuitos RLC

Laboratorio de Análisis de Circuitos. Práctica 8. Respuesta transitoria de circuitos RLC Laboratorio de Aálii de Circuito Práctica 8 Repueta traitoria de circuito RLC Objetivo Verificar experimetalmete el valor de reitecia que e eceita para que u circuito RLC e erie ea críticamete amortiuado,

Más detalles

1. Conceptos Generales

1. Conceptos Generales Cocepto Geerale Defiicioe báica Sitema: arreglo, cojuto o colecció de compoete relacioado de maera que cotituya u todo Sitema de cotrol: arreglo de compoete coectado de maera tal que el arreglo e pueda

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

CÁLCULO DE PROBABILIDADES :

CÁLCULO DE PROBABILIDADES : CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD

Más detalles

TEORÍA ELEMENTAL DE MUESTREO

TEORÍA ELEMENTAL DE MUESTREO TEORÍA ELEMENTAL DE MUETREO La teoría de muestreo se refiere al estudio de las relacioes que existe etre u colectivo o oblació y las muestras que se extrae de las mismas. El estudio de las muestras ermite

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

8 Funciones, límites y continuidad

8 Funciones, límites y continuidad Solucioario 8 Fucioes, límites y cotiuidad ACTIVIDADES INICIALES 8.I. Copia y completa la siguiete tabla, epresado de varias formas los cojutos uméricos propuestos. Gráfica Itervalo Desigualdad Valor absoluto

Más detalles

Tema 8 Límite de Funciones. Continuidad

Tema 8 Límite de Funciones. Continuidad Tema 8 Límite de Fucioes. Cotiuidad 1. Operacioes co límites. Los límites de las sucesioes a b, c, d y e so los idicados e la tabla siguiete:, a b c d e - 0 1 Di cual es el límite de: a) lim( a b ) c)

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

Tema 5: Modelos Discretos de Canal

Tema 5: Modelos Discretos de Canal ema 5: Modelos Discretos de Caal Caales discretos Sistema de trasmisió (segú Shao) Iformació trasmitida Codificació de fuete bits Codificació de caal bits Modulació Señales [W, dbw] rasmisor Iformació

Más detalles

El Transistor de Efecto de Campo (FET)

El Transistor de Efecto de Campo (FET) El Trasistor de Efecto de Camo (FET) J.I.Huirca, R.A. Carrillo Uiversidad de La Frotera. ecember 10, 2011 Abstract El FET es u disositivo activo que oera como ua fuete de corriete cotrolada or voltaje.

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Para qué medir? Midiendo el Desempeño. M. Curiel 1. Midiendo el Desempeño. Qué variables se desea medir? Cuáles son las herramientas disponibles?

Para qué medir? Midiendo el Desempeño. M. Curiel 1. Midiendo el Desempeño. Qué variables se desea medir? Cuáles son las herramientas disponibles? Midiedo el Desempeño Mariela Curiel 009 (Alguas trasparecias so tomadas del libro de Juiz, Molero, etc) Para qué medir? teder el fucioamieto de u sistema o aplicació - cotrar los segmetos que se usa de

Más detalles

Los vectores desempeñan un papel importante en Matemáticas, Física e Ingeniería y actualmente en materias como procesamiento de imágenes.

Los vectores desempeñan un papel importante en Matemáticas, Física e Ingeniería y actualmente en materias como procesamiento de imágenes. ESPACIOS VECTORIALES 1. INTRODUCCIÓN Escalares y Vectores E la técica existe catidades como Logitud, Área, Volume, Temperatura, Presió, Masa, Potecial, Carga eléctrica que se represeta por u úmero real.

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo 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

12. Procesos estocásticos y cadenas de Markov

12. Procesos estocásticos y cadenas de Markov 2. Proceo Etocático y Cadena de Marov 2. Proceo etocático y cadena de Marov Proceo etocático Cadena de Marov Claificación de etado en una cadena de Marov Probabilidade en etado etacionario Análii de etado

Más detalles

Tema 7. El transistor. El transistor bipolar de unión. Tema 7. El Transistor

Tema 7. El transistor. El transistor bipolar de unión. Tema 7. El Transistor Tema 7. l trasistor Tema 7. l trasistor Objetivos: teder cualitativamete el fucioamieto de los trasistores de uió y de efecto camo. oocer alguas alicacioes de trasistores. hockley, ardee, rattai (1948)

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Muestreo Estratificado.

Muestreo Estratificado. Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato

Más detalles

Estructuración de Relaciones de Negocios Colaborativas en Supply Chain Matias G. Enz, Ph.D.

Estructuración de Relaciones de Negocios Colaborativas en Supply Chain Matias G. Enz, Ph.D. Estructuració de Relacioes de Negocios Colaborativas e Supply Chai Matias G. Ez, Ph.D. Profesor de Logística, Uiversidad Nacioal de Rosario (Argetia) Ivestigador Asociado, The Global Supply Chai Forum,

Más detalles

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE

Más detalles

UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO

UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO Ua serie de tiempo establece las variacioes existetes etre ciertas magitudes. El aálisis de series temporales es u método cuatitativo que se utiliza para detectar

Más detalles

Sucesiones de números reales

Sucesiones de números reales Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54

Más detalles

Sistemas de control 67-22 Versión 2003 Tema Análisis de Respuesta en Frecuencia Sub - tema Diagramas Logarítmicos, Diagramas de Bode Volver

Sistemas de control 67-22 Versión 2003 Tema Análisis de Respuesta en Frecuencia Sub - tema Diagramas Logarítmicos, Diagramas de Bode Volver Págia de Sitema de cotrol 67- Verió 003 Tema Aálii de Repueta e Frecuecia Sub - tema Diagrama Logarítmico, Diagrama de Bode Volver La repueta de u itema, e etado etacioario, ate ua etrada iuoidal e la

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que

Más detalles

Series de potencias. Desarrollos en serie de Taylor

Series de potencias. Desarrollos en serie de Taylor Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de

Más detalles

Capítulo 6: Entropía.

Capítulo 6: Entropía. Capítulo 6: Entropía. 6. La deigualdad de Clauiu La deigualdad de Clauiu no dice que la integral cíclica de δq/ e iempre menor o igual que cero. δq δq (ciclo reverible) Dipoitivo cíclico reverible Depóito

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabilidad y estadística MEDIDAS DE TENDENCIA CENTRAL, MEDIDAS DE DISPERSIÓN, GRÁFICAS, E INTERPRETANDO RESULTADOS Prof. Miguel Hesiquio Garduño. Est. Mirla Beavides Rojas Depto. De Igeiería Química

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

R. Urbán Ruiz (notas de clase)

R. Urbán Ruiz (notas de clase) R. Urbá Ruiz (otas de clase) Fucioes E las ciecias Ecoómicas las fucioes so de mucho valor para resolver problemas dode haya que relacioar variables; como por ejemplo, la producció, la oferta, la demada,

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

P(U)=, 5, 8, 9, b, 5, 8, 5, 9, 5, b, 8, 9, 8, b, 9, b, 5, 8, 9, 5, 8, b, 5, 9, b, 8, 9, b, U. {8,b} Figura 1

P(U)=, 5, 8, 9, b, 5, 8, 5, 9, 5, b, 8, 9, 8, b, 9, b, 5, 8, 9, 5, 8, b, 5, 9, b, 8, 9, b, U. {8,b} Figura 1 Algebras de Boole Cojuto de partes. Dado u cojuto =,, podemos eumerar todos los subcojutos posibles de A, o dicho de otro modo todos los cojutos icluídos e A. Costruímos etoces u uevo cojuto co todos esos

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles