EL SIGNIFICADO DEL TEOREMA CENTRAL DEL LÍMITE: EVOLUCIÓN HISTÓRICA A PARTIR DE SUS CAMPOS DE PROBLEMAS 1

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

Download "EL SIGNIFICADO DEL TEOREMA CENTRAL DEL LÍMITE: EVOLUCIÓN HISTÓRICA A PARTIR DE SUS CAMPOS DE PROBLEMAS 1"

Transcripción

1 EL SIGNIFICADO DEL TEOREMA CENTRAL DEL LÍMITE: EVOLUCIÓN HISTÓRICA A PARTIR DE SUS CAMPOS DE PROBLEMAS Hugo Alvarado, Carme Bataero Uversdad Católca de la Satísma Cocepcó, Chle Uversdad de Graada halvarad@ucsc.cl, bataero@ugr.es RESUMEN E este trabajo se aalza la evolucó hstórca del teorema cetral del límte, desde la perspectva de la TFS co el f de detfcar los campos de problemas que lo orgaro. La faldad es mostrar la evolucó de sus dferetes sgfcados, car la recostruccó de su sgfcado global y compreder las dfcultades ecotradas, que puede posterormete reproducrse e el apredzaje de los estudates. Palabras claves: Teorema cetral del límte, Evolucó hstórca, Campos de problemas. INTRODUCCIÓN E ocasoes, los profesores asummos s cuestoaros los eucados matemátcos, de maera que llega a los estudates como u producto acabado. E estos casos, uestras exposcoes e el aula o muestra los coflctos del proceso hstórco creatvo la forma e que ha llegado a costrurse los coceptos y proposcoes mportates. E este trabajo camos u estudo hstórco sobre el teorema cetral del límte (TCL), desde la perspectva del marco teórco de la TFS (Godo, 003), e dode se cosdera los objetos matemátcos como emergetes de la actvdad de resolucó de campos de problemas. Es parte de u trabajo más amplo que pesamos completar y está oretado a dseñar y evaluar procesos de estudo del TCL para estudates de geería. Se scrbe e ua líea de vestgacó llevada a cabo e la Uversdad de Graada sobre sgfcado y compresó de coceptos estadístcos e etoros tecológcos el que ya se ha realzado otros trabajos, també basados e el msmo marco teórco (por ejemplo, Tauber, 00). E el marco teórco cosderado, las matemátcas se asume como ua actvdad humaa mplcada e la solucó de certa clase de stuacoes problemátcas de la cual emerge y evolucoa progresvamete los objetos matemátcos y se pretede elaborar E A. Cotreras (Ed.) (005). Ivestgacó e Ddáctca de las Matemátcas (pp. 3-36). Jaé: Uversdad de Jaé

2 u modelo de los procesos de compresó de las matemátcas que tega e cueta los factores sttucoales y sococulturales mplcados e los msmos, además de los pscológcos (Godo y Bataero, 994; 998). Dcho marco os parece especalmete adecuado, e cuato permte resaltar el sgfcado específco de los coceptos estadístcos ducdo por la tecología, los coflctos semótcos potecales y los crteros de doedad de los procesos de estudo dseñados. Partremos prcpalmete de los trabajos de Fsher (000), Mether (003), Xuyu (003), que completamos co otros trabajos sobre hstora de la estadístca y reaalzamos desde el marco teórco. Nos cetramos, precsamete e la detfcacó de los campos de problemas asocados al TCL y de su evolucó hstórca, desde su prmera forma smple cuado la teoría de la probabldad todavía o había sdo cosderada parte de la matemátca hasta llegar a la etapa actual, resaltado las práctcas matemátcas que llevaro a la solucó de los msmos, así como la cotrbucó por dferetes matemátcos. La faldad prcpal es car la recostruccó del sgfcado global del TCL, que srva como base para el dseño de procesos de estudo e strumetos de evaluacó. Asmsmo, el coocmeto de la hstora del TCL puede ser u recurso para los profesores, cotrbuyedo a erquecer su actvdad docete e el aula, favorecedo la compresó de los dversos campos de problemas asocados al teorema y mostrado alguas dfcultades que puede també estar presetes e uestros estudates.. EL TCL Y SU IMPORTANCIA EN ESTADÍSTICA El Teorema Cetral del Límte es fudametal e la eseñaza uverstara, especalmete e las carreras de geerías y cecas, dode es u strumeto que se utlza a daro e stuacoes cotdaas y profesoales. E la actualdad coocemos como Teorema (o teoremas) cetral del límte a ua sere de resultados acerca del comportameto de la dstrbucó de la suma (o meda) de varables aleatoras, que e forma smplfcada establece: la suma de u gra úmero de varables aleatoras depedetes tede a segur de maera astótca ua dstrbucó ormal, sempre que determadas codcoes quede satsfechas (Wsewsk yvelasco, 00, pp. ). Pero e el marco de la teoría de las fucoes semótcas (Godo y Bataero, 994; 998; Godo, 003), el sgfcado de u objeto matemátco o se cosdera úco, estable e el tempo y se dfereca etre el sgfcado sttucoal de u objeto matemátco, que es compartdo detro de ua sttucó (por ejemplo educatva

3 o de estadístcos profesoales) y el sgfcado persoal adqurdo por cada membro de la sttucó. Los autores preseta el objeto matemátco como u emergete de u sstema de práctcas lgadas a la evolucó de campos de problemas específcos lgados al objeto. Las práctcas socales depederá de la sttucó (por tato del mometo hstórco). Tato los campos de problemas como las práctcas so elemetos del sgfcado (Godo, 00) de u objeto matemátco y cotrbuye a caracterzarlo, además de otros elemetos, como los procedmetos lgados a la resolucó de problemas, el leguaje, coceptos y propedades y argumetos. La mayor parte de aplcacoes actuales de la estadístca e la ceca y la geería, se basa e obtecó de coclusoes sobre ua poblacó, a partr de los datos dspobles de ua muestra (fereca estadístca). La compresó del TCL, es fudametal e los procedmetos ferecales de estmacó putual de parámetros, estmacó por tervalos de cofaza y prueba de hpótess, cuado o se cooce la dstrbucó exacta del estadístco e el muestreo, ya que permte determar las dstrbucoes astótcas de la meda y otros parámetros. Medate el TCL podemos també obteer dstrbucoes aproxmadas de otras dstrbucoes cláscas, tales como la Bomal, Posso, Ch-Cuadrado, medate la cosderacó de la suma de varables aleatoras, ya que el teorema se cumple, depedetemete de la dstrbucó de partda de la poblacó. Esto explca també que muchos métodos estadístcos requere la codcó de ormaldad para su correcta aplcacó y que se haya desarrollado muchos métodos basados e dcha dstrbucó. Falmete, desde el puto de vsta ddáctco el teorema reúe elemetos dversos cuya compresó debe adqurr el estudate ates de abordarlo, tales como: varable aleatora, dstrbucó ormal, muestra aleatora, estadístco, dstrbucoes muestrales, lo que hace rco y complejo su estudo. 3. DESARROLLO HISTÓRICO Desde el puto de vsta hstórco, el TCL es uo de los resultados más otables de la teoría estadístca, debdo al esfuerzo sostedo de varos matemátcos destacados, que fue establecdo por prmera vez e 738 por Abraham De Movre, bajo codcoes muy restrgdas. A prcpos del sglo XIX, Laplace lo formuló de maera más geeral; pero hasta 90 o se pudo establecer por Lapouov e codcoes geerales proporcoar ua demostracó rgurosa, empleado herrametas matemátcas sofstcadas. 3

4 E lo que sgue aalzamos este desarrollo. Las otacoes que usamos e adelate so las sguetes: X, X,... : varables aleatoras (v.a.); v. a...d. : v. a. depedetes e détcamete dstrbudas; S = X : suma de varables aleatoras; = σ = tx E( e ) σ = : suma de varazas, dode X tee varaza σ < ; ϕ ( t ) = : fucó característca de X; X B(, p) : la v.a. X tee dstrbucó bomal de parámetros y p; N( µ,σ ) : dstrbucó ormal de meda µ y desvacó típca σ ; E ( X ) : la esperaza o meda de la v. a. X ; 3.. IDEAS PRECURSORAS El orge del TCL surge de la ecesdad de ecotrar fórmulas de cálculo para la dstrbucó Bomal y otras dstrbucoes dscretas, e las que tervee los térmos factorales. U problema es que, al aumetar el valor de estos térmos crece muy rápdamete, por lo que el cálculo de las probabldades de los valores de la varable e las dstrbucoes exactas es demasado laboroso, cluso hoy día. Mucho ates de la aparcó de los ordeadores, este problema llevó a dsttos matemátcos a tratar de ecotrar valores aproxmados de estas probabldades para valores de grades y a estudar las codcoes e que estas aproxmacoes podría utlzarse co u error acotado. Estos estudos ca el terés haca los teoremas de límte y da orge al prmer campo de problemas relacoados co el msmo: CP: E qué codcoes y medate qué fucoes o dstrbucoes de probabldad puede aproxmarse otras dstrbucoes, cuado aumetamos progresvamete el valor de certos parámetros de las msmas, y, e partcular, tamaño de ua muestra? U problema partcular detro de este campo sería la búsqueda de ua aproxmacó de la dstrbucó bomal B (, p) para valores de grades. Segú Xuyu (003), Abraham De Movre ( ) publcó cometaros sobre este tópco e 730 e su Mscellaea Aalytca y publca la solucó e su Doctre of Chaces (733), dode mostró e otacó modera, el sguete resultado: x x Sea X B(, p), P( x) = p ( p) x, etoces, para valores grades de, X sgue ua dstrbucó aproxmadamete ormal N ( µ, σ ) de meda µ = p y desvacó x p típca σ = pq ; es decr la varable Z = sgue ua dstrbucó ormal N (0,). pq 4

5 De Movre vestgó los límtes de la dstrbucó bomal cuado el úmero de esayos aumeta, ecotrado ua relacó co la fucó e X, pero o lo relacoa co la dstrbucó ormal. Itetó determar, para valores grades del úmero de esayos, la probabldad de ocurreca del valor cetral ( es el total de esayos), aproxmadola a la expresó ( K ). James Strlg descubró que K es gual a π. 3.. SUMA DE VARIABLES ALEATORIAS DISCRETAS IDENTICAMENTE DISTRIBUIDAS CON MEDIA Y VARIANZAS FINITAS Puesto que la dstrbucó bomal B (,p) puede cosderarse como la suma de varables aleatoras détcamete dstrbudas B (, p) o varables de Beroull, la demostracó que la dstrbucó bomal se aproxmaba medate la dstrbucó ormal es u caso partcular de lo que sería posterormete el teorema cetral del lmte. La suma de varables aleatoras depedetes fue estudada para dferetes dstrbucoes partculares de errores desde 776, y daría lugar a u segudo campo de problemas: CP: Ecotrar la dstrbucó de la suma de varables aleatoras dscretas depedetes e détcamete dstrbudas (o de la meda de varables aleatoras depedetes e détcamete dstrbudas). U prmer caso de este problema sería aquél e que las varables fuera uformes dscretas (CP.). El trabajo probablístco de Laplace sobre la suma de varables aleatoras jugó u rol mportate e lo que sería posterormete el TCL. E u artículo publcado e 776, estuvo trabajado e calcular dstrbucoes de probabldad de la suma de águlos de clacó de meteoros. Afrotó el problema de la desvacó etre la meda artmétca de los datos (obtedo co errores observacoales) y los valores teórcos, supoedo que todos estos águlos dstrbudos aleatoramete sgue ua dstrbucó rectagular etre 0º y 90º. Puesto que la dstrbucó de la meda es equvalete a la de la suma (excepto u factor costate, que es el valor por el que se dvde), el problema se cetró e hallar la dstrbucó de la suma de los datos, todos los cuales tee la msma dstrbucó y so depedetes. Debdo a la cosderable magtud de dchas desvacoes, o fue capaz de represetar u cálculo exacto y así 5

6 ecestó de ua aproxmacó (Fsher, 000). Fue e el proceso de ecotrarla, que Laplace evetualmete vo a formular la prmera versó del TCL. La dstrbucó de la meda artmétca había sdo estudada por muchas dstrbucoes de rago fto, por ejemplo, para ua varable aleatora dscreta uformemete dstrbuda etre los eteros a y a, co resultados de fórmulas complcadas (véase Xuyu, 003, pág. 5). Laplace logró ua aproxmacó más smple para P ( S = 0) e 785, usado la fucó característca para calcularla ( S es la suma de los posbles errores) y llegado a la sguete aproxmacó: 3 P( S = 0) πa( a + ) Laplace geeralzó e el año 809, el trabajo de De Movre referdo a la dstrbucó bomal a la suma de varables aleatoras dscretas détcamete dstrbudas co meda y varaza fta (CP.). Podemos ver e Feller (975, pp. 9) ua extesó de la aproxmacó a la bomal geeral co p ; e la cual el procedmeto de cálculo es más complcado. E 80, publcó ua memora, dode establecó y probó más formalmete la sguete versó del TCL: Sea X ua varable aleatora valorada etera que toma valores eteros { a,...,0,... a } co probabldad S = X = y desvacó típca partda. x P( X = x) =, etoces para ua muestra grade, la suma a está dstrbuda aproxmadamete e forma ormal N( µ,σ ) de meda µ σ sedo µ,σ la meda y desvacó típca de la dstrbucó de Laplace do ua demostracó rgurosa para el caso dscreto del TCL usado la fucó característca ( t) tx ϕ = ( e ) E que desarrolla e sere de potecas hasta el segudo térmo e verte para hallar a qué dstrbucó correspode (técca de la probabldad versa). La dea prcpal de su demostracó puede ecotrarse e Fsher (000). Laplace tetó argumetar dos geeralzacoes, o logrado demostracoes rgurosas: Debdo a que la dstrbucó límte es depedete de a (sólo depede de a a través de la meda y la varaza), el resultado es váldo també para ua dstrbucó dscreta co rago fto, e el caso de que exsta los mometos ftos (Podemos cosderar este otro caso partcular del campo de problemas CP.3). 6

7 Los resultados també se cumple para varables aleatoras co dstrbucó cotua y acotada. Cosderaremos éste u uevo campo de problemas (CP4) ya que se troduce uevos coceptos como el de varable cotua, fucó de desdad, etc. y se utlza uevas herrametas, tal como la tegral. x Gauss dervó e 809 la fucó de desdad ormal f ( x) = e e su π trabajo Teoría motus corporum celestum. Su descubrmeto estuvo aberto a muchas crítcas, s embargo tuvo u mpacto grade e Laplace. Stgler (986) sugere que o hay dcos que Laplace haya pesado e que esta fucó pudese represetar ua fucó de desdad para ua dstrbucó de probabldad, so que ecotró el trabajo de Gauss de 80 y se basó e el msmo SUMA DE VARIABLES NO IDÉNTICAMENTE DISTRIBUIDAS Y VARIABLES CONTINUAS Cotrbucó de Posso De todos los que aportaro al TCL e el sglo XIX, la cotrbucó más decsva fue la de Sméo Des Posso, que publcó dos artículos (84 y 89) dode dscutó el TCL. La dea de Posso fue que todos los procedmetos e el mudo físco está goberados por leyes matemátcas claras. E este espírtu, tetó sumstrar u aálss matemátco más exacto al teorema de Laplace. Las cotrbucoes de Posso al TCL fue doble (Fsher, 000): Mejoró y geeralzó la demostracó de Laplace. Comeza establecedo ua demostracó del TCL para varables depedetes dstrbudas détcamete; prmero para ua suma de éstas y luego para ua combacó leal de ellas. Luego geeralzó su demostracó a la suma de varables aleatoras co dstrbucoes dferetes (CP3). E esta geeralzacó, la demostracó cosdera las varables cotuas, que da orge a otro campo de problemas (CP4). Dscutó la valdez del TCL, prcpalmete dado alguos cotraejemplos, e el TCL o se cumple para la dstrbucó de Cauchy. De este modo ca u uevo campo de problemas, esta vez estrctamete matemátco que cosstrá e ecotrar codcoes sufcetes y ecesaras para su valdez (CP6). E 84, Posso da ua demostracó más rgurosa para ua varable cotua (de este modo sembró la semlla para el cocepto de varables aleatoras). Los 7

8 resultados geerales de la últma parte del artículo puede ser resumdos de la sguete forma (Mether, 003): Sea X,..., X varables aleatoras depedetes co fucoes de desdad que desaparece más allá del tervalo fjo [a, b]. S la fucó característca está acotada para valores etre 0 y, etoces X X se dstrbuye aproxmadamete como ua ormal N ( µ, σ ), sedo µ E( X ) y σ E( X ). Esta aproxmacó es = = mejor cuado es grade y los valores del tervalo dode se calcula la aproxmacó se aproxma a la meda (Fsher, 000). Parece que el propósto prcpal del TCL para Posso fue ser ua herrameta e el cálculo de probabldades cláscas, más que ser u teorema matemátco e sí msmo. Por lo tato, Posso o formuló explíctamete algua codcó para el TCL. Parece claro desde su demostracó y ejemplos, que él asumó que las varazas de las compoetes de la suma está acotadas para que la varaza de la suma sea de orde. Auque o dca explíctamete esta dea, s embargo, dscutó uos pocos cotraejemplos dode el TCL o se cumple. Uo de estos ejemplos es la llamada varable dstrbuda- Cauchy dode la desdad de probabldad toma la sguete forma: f ( x) =, que o puede aproxmarse medate ua dstrbucó ormal. π ( + x ) Cotrbucó de Drchlet y Bessel Drchlet y Bessel sguero prcpalmete los pasos de Laplace y Posso, pero trodujero el llamado factor de dscotudad e la demostracó, que les permtó establecer el resultado de Posso para valores arbtraros de. Ellos sguero camos dferetes para lograr la demostracó, pero la regla es la msma. Bessel además hzo hcapé e que Posso usó el msmo factor de dscotudad, auque e ua forma lgeramete dferete, cuado establecó la fórmula para =. CP5: Ecotrar estmacoes para el error cometdo e las aproxmacoes de las sumas de varables aleatoras medate la dstrbucó ormal Drchlet fue el prmero e tetar estmar el error de la aproxmacó, auque o fue muy afortuado y su técca fue dferete de la modera. Drchlet ates había estmado los errores para otras aproxmacoes o probablístcas, y mostró que estas msmas téccas puede ser aplcadas para la teoría de probabldad ta be como lo había sdo para la matemátca pura. Cotrbucó de Cauchy 8

9 Cauchy fue uo de los prmeros matemátcos que cosderó seramete la teoría de probabldad como matemátca pura. Su demostracó del TCL sgue ua líea dferete comparada co las demostracoes prevas. Cauchy e su demostracó usó la fucó característca para varables depedetes e détcamete dstrbudas X,...,, X X co fucó de desdad smétrca y de rago fto. Sguó la líea de la demostracó de Posso pero cosderó la dstrbucó de la fucó w x aproxmada astótcamete a la dstrbucó ormal de meda cero y varaza σ, = w = bajo la codcó que la fucó leal es el mejor estmador leal sesgado de u parámetro, es decr, w =. Prmero establecó ua cota superor para la dfereca = etre el valor exacto y la aproxmacó y luego especfcó codcoes para esta cota cuado tede a cero (Hald, 998) DISTRIBUCIONES CON RANGO INFINITO Co la demostracó de Cauchy falzó el llamado prmer período (80-853) del TCL. La demostracó presetada e este período fue satsfactora e tres aspectos (Hald, 998): El teorema sólo fue probado para dstrbucoes de rago fto. No se explctaro las codcoes, e térmos de los mometos, bajo el cual el teorema se cumple. La razó de covergeca para el teorema o fue estudada. Estos problemas fuero evetualmete resueltos por matemátcos rusos, etre 870 y 90, usado dos solucoes: el método de los mometos (Chebyshev y Markov) y la fucó característca (Lapouov). Nos cetraremos e los probablstas Chebyshev, Markov y Lapouov, recoocdos e el grupo de la escuela de Sa Petersburgo, auque otros matemátcos rusos como Nekrosov y Sleshsky se mplcaro e el trabajo co el msmo problema (Seeta, 984). Cotrbucó de Chebyshev y Markov El artículo de Chebyshev e 887, usualmete es cosderado el prmer teto (o cosegudo) de demostracó rgurosa del TCL. E él establecó lo sguete (Seeta, 984): 9

10 Sea X, X, X 3,..., varables aleatoras depedetes co desdad de probabldad dada. S ) E( X ) = 0, la meda de estas varables es cero y ) E( X k ) C, k los mometos de orde superor a dos está acotados; Etoces cuado la dstrbucó de la suma es aproxmadamete ormal X = N ( µ, σ ), sedo µ = y σ = Var( ). = X Chebyshev usó el método de los mometos, tempraamete desarrollado por él y smplfcado y completado más tarde por Markov, que també completó la demostracó de Chebyshev del TCL e 898. Markov establecó que: se ecesta añadr codcoes para que el teorema se cumpla. Prmero propuso la codcó de que la suma de varazas está uformemete acotada lejos de 0. Después reemplazó la codcó co la de que las esperazas ( ) E X esté acotadas cuado teda a fto. Después de la demostracó dada por Lapouov del TCL utlzado la fucó característca e 90, Markov tetó lograr el msmo vel de geeraldad co el método de los mometos. Lo logró e 93 cuado do ua demostracó rgurosa del TCL bajo la codcó de Lapouov usado el método de los mometos. Teorema de Lapouov La demostracó de Lapouov, publcada e 90, es cosderada la prmera demostracó rgurosa del TCL. Demos ua mrada al teorema establecdo por Lapouov (Uspesky, 937): Sea X,...,, X X varables aleatoras depedetes co las sguetes propedades: k E( X ) = 0 y E X, k, etoces usado el teorema de cotudad y ucdad de la fucó característca cocluyó que la dstrbucó de la suma es aproxmadamete ormal. La demostracó de Lapouov sgue la dea de Laplace usado la fucó característca e troduce u lema fudametal que es la clave a la smplcdad y rgurosdad de su demostracó: Sea S ua varable que depede del etero, co meda o y varaza. S la fucó característca de la varable S coverge uformemete a la fucó característca de la dstrbucó ormal e algú tervalo fto, etoces la fucó dstrbucó de la varable S tede uformemete a la dstrbucó ormal. 0

11 Lapouov o separó explíctamete este lema fudametal e su demostracó, e la que está cotedo mplíctamete. Este lema fue usado por Lderberg y Lévy e su mejora del TCL (Uspesky,937). Podemos observar que e este período se trabajó el TCL bajo el supuesto sólo de varables depedetes, a dfereca del prmer período cuyo supuesto fue demostrar el teorema para varables aleatoras depedetes e détcamete dstrbudas. E partcular, ua aplcacó de la demostracó del TCL dada por Lapouov al caso de varables depedetes e détcamete dstrbudas es la sguete: Sea X, X, X 3,..., varables aleatoras depedetes e détcamete dstrbudas co meda fta µ y varaza S µ σ N( 0,) cuado. 0 < σ <, etoces La demostracó de este teorema utlza la fucó característca y la expasó de Taylor (Ver Xuyu, 003, pág. 4, Parze, 987, pág També ver Meyer, 99, pág. 60 dode se demuestra medate la fucó geeradora de mometos) ESTUDIO DE CONDICIONES NECESARIAS Y SUFICIENTES PARA EL TEOREMA (CP6) El tercer y últmo capítulo e la hstora del TCL de 90 a 937, comeza co la demostracó de Lderberg y las demostracoes de Lévy y Féller que añadero codcoes ecesaras al teorema. La Codcó de Lderberg El 9, Lderberg publcó ua demostracó elemetal que fue la base de los trabajos de Lévy y Feller sobre el msmo problema, del teorema sguete (Cam, 986): Teorema (Codcó de Lderberg) Sea X varables aleatoras depedetes co esperaza E ( X ) = 0 y varaza σ ftas. S los mometos de tercer orde está acotados, etoces la dstrbucó de la suma se aproxma a la dstrbucó ormal. La codcó ateror, es coocda como de Lderberg y su formulacó matemátca se puede ver e textos de teoría de la probabldad (Shryayev (984, pág.36, Loève 976, pág. 74), usualmete usado la fucó característca. Lderberg usó ua smple aproxmacó s cosderar la fucó característca. E su demostracó, ecotró ua cota para el sup F( x) Φ( x), dode Φ (x) es la dstrbucó de probabldad ormal, e térmos del tercer mometo. El método de X

12 demostracó de Lderberg o se usó e toda la prmera mtad del sglo XX, hasta que el TCL comezó a ser estudado para espacos de dmesó fta, dode es fáclmete trasferble por cuato o usa la fucó característca. Actualmete es usada e muchos casos dode la covergeca a la dstrbucó ormal es cosderada co varables dstrbudas o détcamete y su fuerza está prcpalmete e que puede ser aplcado e u cotexto muy geeral y cosdera la razó de covergeca e el teorema límte. Cabe señalar que el método de Lderberg o do u orde óptmo de la razó de covergeca, e el caso de sumados de valores reales depedetes e détcamete dstrbuda co tercer mometo fto para el orde (Paulauskas, 999). Lderberg do etoces ua demostracó rgurosa para la codcó sufcete del TCL, pero o probó la codcó ecesara. Esta careca fue partcularmete remedada por Lévy y Féller e 935 y 937. Por otro lado, Posso muestra, alrededor del año 84, que la aproxmacó a la dstrbucó ormal o sempre se cumple para varables depedetes arbtraras. Teorema de Feller Feller e u artículo publcado e 935 da las codcoes ecesara y sufcete para el TCL, pero el resultado es algo lmtado. Feller cosderó, e la covergeca ormal de la suma, ua secueca fta X de varables aleatoras depedetes y usó los segudos mometos ftos para cambar orígees y escala de valores de las a sumas cosecutvas de la forma ( X c ), a f de evtar que se exteda haca valores ftos. Luego do las codcoes de restrccó para cada varable x a que tede a cero e probabldad. Puesto que Feller puso esta restrccó, y porque sólo trató la suma de varables ormales, su solucó o puede ser cosderada la solucó fal al TCL. Este teorema de Feller es frecuetemete llamado el Teorema de Lderberg-Feller, al usar la codcó de Lderberg. La demostracó puede verse e Shryayev (984, pág. 33) y está basada e la estmacó de las colas de las varazas e térmos del comportameto de la fucó característca e el orge. k Cotrbucó de Lévy Lévy probó la codcó de Lderberg e 95 usado la fucó característca, cosderado esta demostracó superor a la de Lderberg, (Cam, 986). Lévy trató e prmer lugar el uevo caso de segudos mometos ftos y de prmeros mometos ftos o ftos (CP.3, que Laplace teto argumetar s éxto). Publcó alguos

13 artículos relacoados co el TCL etre los años 95 y 930, usado prcpalmete la fucó característca e su demostracó. Después de 930, evtó usar la fucó característca. E su artículo de 935, presetado sólo uos pocos meses después de Feller, y a pesar que trató el msmo problema, ambos autores egaro teer algú cotacto prevo (Cam, 986). Establece las sguetes deas: Do las codcoes ecesaras y sufcetes para la covergeca de sumas de varables aleatoras depedetes e détcamete dstrbudas ormales a la dstrbucó ormal. També do las codcoes ecesaras y sufcetes para el caso geeral de sumas depedetes. Por últmo, tetó dar las codcoes ecesaras y sufcetes para varables depedetes, de procesos estocástcos, caso Martgalas. Cosderamos este caso el últmo campo de problemas (CP7) e la hstora del TCL. E este últmo, Lévy tuvo alguos problemas co la demostracó para el caso martgalas, que o fue completamete satsfactora y que o susteta ua prueba de rgurosdad. Su demostracó de codcó ecesara y sufcete para el caso geeral de varables depedetes fue correcta, pero se basó e u lema hpotétco, que o había sdo probado todavía (como la demostracó de Feller). El lema es el sguete: S la suma S = X + Y de dos varables aleatoras depedetes (X e Y) tee ua dstrbucó ormal, etoces també lo so X e Y. El año sguete 936, Crámer probó el lema (como u teorema) y éste fue establecdo, mostrado la valdez del uso de sumas ormales y los teoremas de Lévy y Feller dode geeralmete se aplca. E 937, Feller y Lévy refaro la demostracó, después de usar el resultado de Crámer. El TCL fue así probado co las codcoes ecesaras y sufcetes (Cam, 986) y se llega al fal del desarrollo RESUMEN DEL ESTUDIO HISTÓRICO E las seccoes aterores se ha mostrado el terés de matemátcos y estadístcos prestgosos e el TCL, uo de los más mportate teoremas e estadístca matemátca y teoría de la probabldad. Su formulacó fal establece que s se cumple alguas codcoes, etoces la dstrbucó de la meda artmétca de u úmero de varables aleatoras depedetes se aproxma a la dstrbucó ormal segú el úmero de varables crece defdamete. Es decr, depedetemete de la dstrbucó actual de las varables, a medda que crece el úmero de sumados, la suma 3

14 de éstas puede ser tratadas como ua dstrbucó ormal. E la Tabla se preseta u resume croológco de la evolucó del Teorema Cetral del Límte, a partr de sus campos de problemas, las herrametas utlzadas y resultados obtedos e cada paso. Tabla. Desarrollo hstórco del TCL Sgfcados hstórcos Aproxmacó de dstrbucoes Suma de v.a. d dscretas Suma de v.a. depedetes Suma de v.a. cualesquera, cluso depedetes Campo de problema CP: Aproxmacó de certas dstrbucoes (e.g. bomal) para valores grades de sus parámetros CP: Suma de v.a. dscretas depedetes e détcamete dstrbudas CP3: Suma v.a. dscretas depedetes o détcamete dstrbudas. CP4: Suma v.a. cotuas CP5: Estmacoes del error de aproxmacó CP6: Codcoes de valdez del teorema CP7: Suma de varables Métodos de solucó (procedmetos y coceptos prevos) Aproxmacó de! Paso al límte e sucesoes Dstrbucó de la suma de v. a. Idepedeca y regla del producto Iversó de la fucó característca (Laplace) Desarrollo e sere Cálculo de probabldades medate fucó de desdad Itegracó Itroduccó del factor de dscotudad de Drchlet (Bessel) Acotacó de la dfereca y búsqueda de codcoes para que la cota teda a cero (Cauchy) límte Teorema de la fucó versa (Cauchy) Método de los mometos (Chebychev y Markov) Lema de Lapouov (covergeca e f. característca) Cotudad de la f. característca (Lapouov) Fucó geeradora Resultados (Coceptos y propedades) Teorema de Beroull (De Movre) CP.. v.a. uforme dscreta (Laplace) CP.. v.a. dscretas..d., meda y varaza acotadas (Laplace) Desdad ormal (Ico de estudo de teoría de los errores por Gauss y Laplace) Geeralzacó a v.a. depedetes e détcamete dstrbuda, para la suma y ua combacó leal (Posso). V.a. depedetes o.d. (Posso) V.a. cotuas..d. co desdad smétrca y rago fto (Cauchy) Búsqueda de casos dode o se cumple (Posso) Varables aleatoras co rago fto Comezo de la demostracó rgurosa del teorema (Chebychev) Codcó ecesara para el teorema de Chebyshev (Markov) Lapouov demostró el TCL co la fucó característca Demostracó rgurosa del teorema bajo la codcó de Lapouov (Markov) 4

15 Suma de varables aleatoras e certas codcoes aleatoras depedetes Espacos Euclídeos y de Hlbert Razó de covergeca Sucesoes ftas de v.a. Codcoes ecesaras y sufcetes TCL aplcado a valores eucldeaos, para vectores aleatoros y espaco de Hlbert (Lderberg) Prueba de la codcó de Lderberg usado la fucó característca (Lévy) Martgalas Covergeca e dstrbucó CP.3. TCL para v.a. co rago fto (Lévy) Codcó ecesara y sufcete del TCL co resultado lmtado (Feller) Prueba del lema (Cramer) Refameto de demostracó (Feller- Levy) Hemos segudo de cerca la hstora del TCL, detfcado dferetes campos de problemas, que podemos resumr e la forma sguete: CP: Aproxmacó de la dstrbucó bomal para valores grades de CP: Dstrbucó de la suma de varables aleatoras dscretas détcamete dstrbudas CP.. Varables co dstrbucó uforme dscreta CP.. Varables dscretas acotadas CP.3. Varables dscretas o acotadas CP3. Dstrbucó de la suma de varables aleatoras o détcamete dstrbudas CP4. Dstrbucó de la suma de varables aleatoras cotuas CP4.. Varables acotadas CP4.. Varables co mometos acotados CP5. Estmacó del error de aproxmacó e el TCL CP6. Búsqueda de codcoes ecesaras y sufcetes para el TCL CP7. Dstrbucó de la suma de varables aleatoras depedetes. Comezamos dscutedo los prmeros campos de problemas, que parte de problemas práctcos, por ejemplo, la ecesdad de aproxmar la dstrbucó de la suma de errores y la búsqueda de aproxmacoes para la suma de varables aleatoras. Segumos el razoameto de Laplace, que do ua prmera formulacó lmtada del TCL, que varos autores trataro posterormete de geeralzar, orgado campos de problemas cada vez más abstractos y lgados al método deductvo, propo de la matemátca. Posso do ejemplos de dstrbucoes que o puede ser aproxmadas por el TCL y mejora la demostracó para el caso cotuo. Drchlet y Bessel troduce el 5

16 factor de dscotudad probaro el teorema de Posso para u caso geeral, y Cauchy defe la prmera cota superor para la dfereca etre la dstrbucó de la suma y la dstrbucó ormal. Después de esta prmera etapa, los matemátcos rusos cosguero la prmera demostracó rgurosa del TCL; prmero Chebyshev y Markov co el método de los mometos; después, Lapouov usado la codcó que lleva su ombre y la fucó característca. Lderberg falzó la búsqueda de la codcó sufcete, Feller y Lévy hallaro la codcó ecesara para el TCL que fue rgurosamete demostrada por Cramer, llegado a la versó actual del TCL. La codcó de Lderberg ha sdo mejorada (Cam, 986) y se ha obtedo las codcoes ecesara y sufcete para varas varables depedetes, pero los prcpos báscos de Lderberg, Lévy y Feller aú permaece. Auque este resume es aú provsoal, e el setdo que podemos completarlo co la descrpcó del leguaje y argumetos utlzados e cada perodo, os muestra ya u esbozo de la evolucó del sgfcado del TCL, que comeza smplemete como ua herrameta de cálculo aproxmado de dstrbucoes para certos valores grades de sus parámetros y cotúa como suma de varables aleatoras dscretas depedetes e détcamete dstrbudas. Progresvamete su sgfcado se amplía, hasta el puto de aplcarse a varables aleatoras dscretas y cotuas, depedetes o o, détcamete dstrbudas o o. Por u perodo parece teer valdez geeral, hasta que se llega a ecotrar las codcoes ecesaras y sufcetes de su valdez (restrgedo, por tato su sgfcado). El estudo realzado destaca també las dsttas herrametas matemátcas empleadas, alguas de ellas de gra complejdad (como fucó característca, covergeca e dstrbucó o e fucó característca, martgalas o espacos de Hlbert). Asmsmo os muestra alguas dfcultades e el desarrollo del TCL, que podría ser compartdas por los estudates: Aceptar que ua dstrbucó dscreta (por ejemplo la bomal) puede llegar a aproxmarse medate ua dstrbucó cotua. Esto requere pasar de cosderar valores aslados de la varable a valores cotuos y de la dea de fucó de probabldad a la de fucó de desdad de probabldad. El msmo De Movre, auque halla la aproxmacó, o relacoa la fórmula obteda co la dstrbucó ormal, e el setdo de cosderar la fucó obteda (curva ormal) co la fucó de desdad de ua varable aleatora (que sería el límte de la sucesó correspodete de v.a. bomales). Usualmete e las clases de probabldad eseñamos a los alumos a dferecar etre varables dscretas y cotuas, como s la aturaleza de las varables 6

17 fuese real, más que u modelo matemátco que aplcamos para compreder ua stuacó. Esta drástca dvsó puede provocar coflctos semótcos e los alumos, al eteder que el límte de ua sucesó (e este caso covergeca e dstrbucó) de elemetos de u cojuto (e este caso dstrbucoes dscretas) ha de ser u elemeto del msmo cojuto (lo que o se cumple e el TCL). Aceptar las sucesvas geeralzacoes del TCL. Esto o ha sdo secllo y ha requerdo umerosos pasos: de la dstrbucó bomal a la uforme dscreta, de esta a varables depedetes détcamete dstrbudas dscretas, etc. Hoy día mostramos el TCL co total geeraldad, pero la compresó de esta geeraldad de aplcacó podría requerr u tempo de maduracó. Es decr el estudo ha proceddo ejemplar a ejemplar, comprobado que el TCL se cumple e cada uo de ellos y sólo bastate más tarde se ha pasado a estudar el tpo geeral (teoremas de límte geeralzado). Compreder que el TCL també se aplca cuado las varables o so détcamete dstrbudas o o so depedetes. La demostracó posteror de estos casos sugere que pueda ser más dfícl o meos medato buscar ejemplos de aplcacó. La suma de v.a...d. es atural e el cotexto del cálculo de la meda e el muestreo, al amplar el tamaño de muestra. La suma de v.a. geerales també se preseta e muchas crcustacas, cuado ua magtud puede ser explcada como la suma de u úmero grade de factores (por ejemplo, e muchas magtudes bológcas), pero la determacó de estos factores, la cosderacó de la varable como suma de ellos o es ta evdete. Pesar que se puede aplcar el TCL e cualquer codcó. La geeralzacó progresva lleva a pesar que el TCL tee ua valdez geeral, y que sólo falta su demostracó. Cauchy fue el prmero que ecotró alguos cotraejemplos y el estudo de las codcoes ecesaras y sufcetes fue largo. Esto es u problema geeral de valdez del razoameto ductvo, dode la valdez de ua proposcó para ua sere de casos partculares o muestra la valdez geeral. Los alumos podría presetar las msmas dfcultades o cofudr las codcoes ecesaras co las sufcetes. 4. IMPLICACIONES PARA LA ENSEÑANZA Y LA INVESTIGACIÓN La hstora del teorema como recurso ddáctco os da ua perspectva global que permte coocer la aparcó de dfcultades epstemológcas que preseta ua gra smltud co las que atravesa los estudates, y por tato podría facltar al profesor la compresó del proceso de apredzaje de los alumos. La abstraccó de los campos de problemas presetados y el aparato aalítco utlzado e su solucó platea la 7

18 preguta de s es posble eseñar este teorema a los alumos, debdo a la gra complejdad de su aparato aalítco. Actualmete es posble mostrar tutvamete el TCL e sus dversas formulacoes usado la smulacó y grafcacó. Por ejemplo, para el caso de la aproxmacó de De Movre los alumos podría utlzar algú software estadístco para represetar gráfcamete la dstrbucó B (,p) para dsttos valores de sus parámetros y p. Fgura : Aproxmacó de De Movre Por ejemplo, e la fgura se muestra valores para p = 0.3 co = 4, 8, 4 y para p = 0. co = 4, 8 y 50. Estas gráfcas sugere tutvamete la covergeca que podría ser posterormete justfcada e forma aalítca a los alumos co sufcete base de cálculo. Smlarmete es secllo geerar muestras aleatoras y estudar la dstrbucó empírca de las medas muestrales usado software estadístco, que puede descargarse de Iteret. U ejemplo es el desarrollado por delmas, Garfeld. y Chace, (999), quees també proporcoa actvdades oretadas al estudo de las dstrbucoes muestrales. Las evdecas empírcas del grado de compresó de los estudates so, s embargo muy lmtadas, lo que sugere el terés de cotuar esta líea de vestgacó. Este estudo, desde la perspectva de las TFS, debe estar basado e el aálss del sgfcado de refereca. El estudo hstórco realzado os permte comezar a recostrur el sgfcado global del cocepto, e el que, además de su dmesó 8

19 matemátca, tedríamos que clur las compoetes epstemológca, ddáctca y cogtva y será la base para el posteror dseño de la eseñaza del tema. REFERENCIAS Alvarado, H. y Bataero, C. (004). Elemetos del sgfcado del teorema cetral del límte. Actas del Octavo Smposo SEIEM, Socedad Española de Ivestgacó e Educacó Matemátca, CD ROM Comucacoes e los grupos de vestgacó. La Coruña: Socedad Española de Ivestgacó e Educacó Matemátca. Alvarado, H. y Bataero, C. (004). Elemetos del Sgfcado del teoerma cetral del límte. Graada: Socedad Adaluza de Educacó Matemátca Thales. delmas, R. C., Garfeld, J. B. y Chace, B. L. (999). A model of classroom research acto: developg smulato actvtes to mprove studets statstcal reasog. Joural of Statstc Educato, 7, 3. O le: [ Feller, W. (975). Itroduccó a la teoría de la probabldades y sus aplcacoes. Méxco: Lmusa. Fsher, H. (000). The cetral lmt theorem from Laplace to Cauchy: Chages stochastc objetves ad aalytcal methods. O le: [ Godo, J. D. (00). U efoque otológco y semótco de la cogcó matemátca. Recherches e Ddactque des Mathématques, (/3): Godo, J. D. (003). Teoría de las fucoes semótcas. U efoque semótco de la cogcó e struccó matemátca. Graada: El autor. Godo, J. D. y Bataero, C. (994). Sgfcado sttucoal y persoal de los objetos matemátcos. Recherches e Ddactque des Mathématques, 4 (3), Godo, J. D. y Bataero, C. (998). Clarfyg the meag of mathematcal objects as a prorty area of research Mathematcs Educato. E A. Serpska y J. Klpatrck (Eds.), Mathematcs educato as a research doma: A search for detty (pp ). Dordrecht: Kluwer. Godo, J. D. y Bataero, C. (998). Fucoes semótcas e la eseñaza y apredzaje de las matemátcas. Semaro de Ivestgacó e Educato Matemátca (SIEM) de la Socedad Portuguesa de Ivestgacó e Educato Matemátca. Hald, A. (998). A hstory of mathematcal statstcs from 750 a 930. New York: Joh Wley. Loève, M. (976). Teoría de la Probabldad. Madrd: Tecos. Mether, M. (003). The hstory of the cetral lmt theorem. Sovelletu Matematka erkostyöt, Mat-.08. O le: [ Meyer, P. (99). Probabldad y aplcacoes estadístca. Seguda edcó. Méxco: Addso-Wesley. Parze, E. (987). Teoría modera de probabldades y sus aplcacoes. Quta edcó. Méxco: Lmusa. Paulauskas, V. (999). J.W. Lderberg ad the cetral lmt theorem. Statstcs, regstres ad research- expereces from Flad, (pp. -). Helsk: Statstcsl Fdlad. Seeta, E. (984). The cetral lmt problem ad lear least squares prerevolutoary Russa: The backgroud. Mathematcal Scetst 9, Shryayev, A. N. (984). Probablty. New York: Sprger. 9

20 Stgler, S. M. (986). The hstory of statstcs the measuremet of ucertaty before 900. Cambrdge, MA: Belkap Press of Harvard Uversty Press. Tauber, L. (00). Sgfcado y compresó de la dstrbucó ormal a partr de actvdades de aálss de datos. Tess Doctoral. Uversdad de Sevlla. Uspesky, J. V. (937). Itroducto to mathematcal probablty. New York: McGraw- Hll. Wsewsk, P. y Velasco, G. (00). Problemaro de probabldad. Méxco: Thompso. Xuyu, J. (003). Hstorcal developmet of Cetral Lmt Theorem. O le: [ 0

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

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

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

Más detalles

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

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

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

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

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

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

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

Más detalles

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

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

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

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

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

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

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

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

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

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

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

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

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

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

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

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

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

División de Evaluación Social de Inversiones

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

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

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

Más detalles

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

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

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

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

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

Más detalles

5.3 Estadísticas de una distribución frecuencial

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

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

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES

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

Más detalles

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

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

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

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

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

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

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996 º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE

Más detalles

Análisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados

Análisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados Smposo de Metrología 008 Satago de Querétaro, Méxco, al 4 de Octubre Aálss Estadístco de Medcoes de la Velocdad del Veto Utlzado la Técca de Valores Desvados E. Cadeas, a W. Rvera b a Uversdad Mchoacaa

Más detalles

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA Seleccó de ua cartera de valores medate la aplcacó de métodos multobjetvo teractvos... SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE

Más detalles

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

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

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

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

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

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

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles