Capítulo II. Función de supervivencia y tablas de mortalidad.

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

Download "Capítulo II. Función de supervivencia y tablas de mortalidad."

Transcripción

1 Capítuo II. Función de supervivencia y tabas de mortaidad. 2.1 Función de supervivencia. A considerar a supervivencia humana en os estudios demográficos e amado modeo biométrico (epresión matemática que mide a vida) está caracterizada por a edad de os individuos (periodo transcurrido desde e nacimiento hasta e momento actua). En e anáisis demográfico de a teoría de a supervivencia, esta se fundamente en a variabe edad de individuo y se basa en as hipótesis de: a) Homogeneidad: consiste en que todos os individuos objeto de estudio forman un grupo homogéneo respecto a fenómeno de a supervivencia, es decir, e comportamiento estadístico de su edad de faecimiento es a idéntica. b) Independencia: no eiste iteración entre individuos o que impica que a probabiidad de supervivencia de un individuo a determinada edad es independiente de a supervivencia de cuaquier otro individuo. c) Estacionaidad: consiste en que as probabiidades de supervivencia no dependen de tiempo físico (fecha de nacimiento) sino de tiempo biométrico (edad de individuo) E fenómeno demográfico de a mortaidad está determinada por a edad ecepto por dos casos: mortaidad infanti, concentrada en e primer año de vida y a mortaidad juveni, motivada por accidentes, drogas, acoho, etc. Es también e género una variabe fundamenta, por eo edad y género son as características de mayor significado actuaria. Los modeos biométricos se epresan en función de dos sucesos compementarios, e

2 sobrevivir a una edad en concreto o no hacero, siendo a variabe biométrica básica por eceencia a edad de faecimiento de un recién nacido que se e denota por. Esto en términos probabiístico sería a función de supervivencia. Definición 2.1 (Función de supervivencia). Sea una v.a.c (variabe aeatoria continua) con distribución F(), sea s() 1 F() P( > ) para A s() se e denomina función de supervivencia. Nota: Si es una v.a.c que representa a edad a faecimiento de un recién nacido, s() es a probabiidad de que e recién nacido acance a edad, ya que F() es a probabiidad de que muera antes de una edad menor o igua a. Ejempo 2.1. La probabiidad de que un recién nacido muera entre as edades y z con < z es: P( < < z) F(z) F() s() s(z) Ejempo 2.2 La probabiidad de que muera un recién nacido muera entre as edades y z con < z, dado que sobreviva a a edad, sería P( < < z > ) P( < < z, > ) P( > ) P( < < z ) P( > ) F ( ) F ( ) z 1 F ( ) s ( ) s ( z ) s( ) Nota. Denotaremos como a vida a edad, como () 5

3 Definición 2.2 (Tiempo futuro de vida a edad ).Se denomina vida residua de o tiempo futuro de vida de () a a v.a T() que representa e tiempo de vida restante de individuo, sabiendo que ha sobrevivido hasta a edad, es decir, T() { > } t > La función de distribución de T() sería: FT(t) P(T() t) P( t > ) P( < < + t ) P( > ) F ( ) F ( ) + t 1 F ( ) s ( ) s ( + t ) s( ) s( + t) 1 s( ) Definición 2.3. (Media de tiempo futuro de vida) Se denomina vida residua o media de tiempo futuro de vida a edad a a esperanza matemática de a vida residua, que denotaremos por e( ). e ( ) E(T()) E( > ) s( + t) 1 1 dt s( ) s( + t) dt s( ) 1 ( ) s( ) s u du 6

4 Definición 2.4 ( t q, t p ). Denotaremos a t q como a probabiidad de que () muera dentro de t años, esto es, q P(T() t) t y a t t p P(T()> t) t como a probabiidad de que () acance a edad + t. Nota. Para t p de > t tenemos > + t y esto sería a probabiidad de faecer después de + t. Como se puede ver t p es a función de supervivencia de T() Para t 1, interpretemos que estamos definiendo 1q q P[ () muera a término de un año] 1p p P[ () acance a edad + 1] Haciendo uso de FT(t) Y s( + t) 1 podemos deducir os siguientes resutados: s( ) s( + t) t p + t p s( ) p tq s( ) s( + t) s( ) Definición 2.5 (Probabiidad de morir entre as edades +t y +t+u ) La probabiidad de que () sobreviva t años y muera dentro de os siguientes u años, es decir, que () muera entre as edades +t y +t+u, que denotaremos como q y sería t u a siguiente probabiidad t u q P(t < T() t +u) t + u q t q t p t + u p 7

5 También podemos deducir q t u t p u q + t Si u 1 también se utiiza a siguiente notación. t 1q t q Definición 2.6 (Tiempo de vida futuro truncado de ()) Sea a v.a K[T] donde K sería e número de años futuros competos por () antes de a muerte de (), o e tiempo futuro de vida truncado de (). P(K()k) P(k T() < k + 1) P(k <T() k + 1) p p k k+ 1 k p q + k k 1 q k, 1, 2, Definición 2.7 (fuerza de mortaidad) La fuerza de mortaidad o función de azar se define como: f( ) 1 F ( ) s ( ) s( ) Podemos ver que. De a función de distribución de tiempo de vida a edad consideramos a muerte instantánea, tomemos t FT( ) P(T() ) P( > ) 8

6 P( < < + ) P( > ) F ( ) F ( ) + 1 F ( ) f( ) 1 F ( ) En a ciencia actuaria como en demografía se denomina fuerza de mortaidad. La fuerza de mortaidad es a tasa instantánea a momento eacto de acanzar una cierta edad. Teorema 2.1. Demostración. d d F ( ) 1 ep tdt f( ) 1 F ( ) { n[ 1 F ( ) ]} [ ] n 1 F ( ) tdt tdt Así egamos a que 1 F ( ) ep tdt F ( ) 1 ep tdt De teorema obtenemos e siguiente resutado que es inmediato Coroario 2.1. Ejempo 2.3. s( ) ep tdt a Sea F ( ) a < < b, obtengamos a. b a 9

7 f( ) 1 F ( ) así tenemos que f () 1 b a 1 b Teorema 2.2. Sea una v.a.c con vida residua media e y función de supervivencia 1+ e s(). Entonces a fuerza de mortaidad viene dada por. e Demostración. e 1 s( ) s( u) du 2 ( ) + s( u) du s ( ) 2 s e s( ) e + 1 s( u) du s ( ) s( ) 2 Luego entonces 1+ e e s ( ) s( ) Lo que nos da e resutado buscado. Apicando adecuadamente as definiciones podemos deducir as siguientes iguadades. t t ( ) ep p s t ydy si hacemos z y p n + n s( + n) ep ydy + n ep ydy s( ) ep ydy 1

8 y p n ep n z + dz f( ) ep ydy p Si FT es a función de distribución de T y f T( ) es a función de densidad de T. FT(t) P(T() t) t q Así tenemos que ( ) ( ) d d T t 1 s + f t q t dt dt s( ) s ( + t) s( + t) s( ) s( ) p t + t Nota. t p + tdt es a probabiidad de que () muera entre t y t + dt + t Podemos obtener: entonces y im p n n ( p ) im n( ) n n im + n y n dy Además queda caro que: Ejercicios. tq FT(t) P(T() t) t r p + r 1.- Investigar 3 eyes de mortaidad, parámetros, que mide, etc. k 2.- Verificar que i q k+ 1 q para k, 1, 2, i dr 11

9 3.- Probar que si 1 F ( ) Si.1 para 2 25 evaué 22 q 2 + entonces ( 2 + )( ) Tabas de mortaidad. Una taba de mortaidad es un conjunto de indicadores reacionados con a muerte y supervivencia de una pobación hipotética hasta su etinción tota. Un ejempo de una taba de mortaidad se muestra en a siguiente página. Sus coumnas son: : edad d q p : Número de personas vivas a cumpir a edad d: Número de personas que faecen teniendo edad cumpida o bien e número de personas que faecen en e intervao de edades [, +1) q: Probabiidad de que una persona que cumpo edad faezca antes de cumpir a edad +1 o bien es a probabiidad de que una persona que cumpió edad faezca en e transcurso de siguiente año p: Probabiidd de que una persona que cumpió edad cumpa a edad +1 o bien es a probabiidad de que una persona que cumpió edad este con vida un año después. Nota. 1) A a primera edad para a cua se e conoce como edad ímite y a denotaremos por ω. 2) Las tabas de mortaidad se construyen a Grupo cerrado, es decir no se permiten nuevos ingresos. 3) Se inicia con un radi, usuamente es una potencia de 1. 4) Termina en cero. 5) Teniendo una de as coumnas podemos generar as otras de manera apropiada Las coumnas se pueden obtener de a siguiente forma: +1 d p +1/ q d / 12

10 Taba de mortaidad (Matemáticas Actuariaes I) d q p d q p d q p

11 Las siguientes iguadades as podemos sacar de forma inmediata partiendo de as anteriores iguadades: d q 1 1 p p +1 d q +n es e número de persona que cumpen edad pero no acanza a edad + n, podemos entonces definir a: q 1 n +n +n como a probabiidad de que una persona que cumpió a edad faezca antes de cumpir a edad +n o bien es a probabiidad de que una persona que cumpió a edad faezca en e transcurso de os siguientes n años. De manera semejante podemos deducir que: +n np 1 nq es a probabiidad de una persona que cumpió edad este con vida en edad +n o bien a probabiidad de una persona que cumpió edad este con vida n años después. Continuemos viendo aguno de os resutados equivaentes a os que se desarroaron en e tema anterior. q Es a probabiidad de que una persona con edad, faezca entre a edad +n y nm antes de egar a a edad +n+m. Y a podemos cacuar de a siguiente manera: q nm p q n m +n Para m 1, se usa a notación q n Se pueden verificar fácimente as siguientes iguadades: 1) n+mp np mp+n mp np+m 2) q nm np n+m p 14

12 3) q p p nm n n+1 Ahora reacionemos as funciones de a taba de mortaidad y a función de supervivencia, para mantener a formaidad con a que hemos manejado a parte de supervivencia, empecemos con unas definiciones. Definición 2.8. (grupo aeatorio de supervivencia) A o será un grupo de recién nacidos a que denominaremos como grupo aeatorio de supervivencia(o sobrevivenvia) cada una con función de sobrevivencia s(). Definición 2.9. (cohorte) E cohorte es un conjunto de individuos de una pobación que comparten a eperiencia dentro de un determinado periodo tempora de un mismo suceso. Definición 2.1. ( L() )Denotaremos por L() como e número de sobrevivientes de a cohorte a a edad Dónde: L() I i 1 i I i 1 si e individuoi sobreviveaedad sino sobrevive E(Ii) P(e individuo viva a a edad ) s() Así tenemos que E[L()] E [ Ii ] s( ) s ( ) i 1 i 1 Si tuviéramos que os indicadores Ii son independientes tendríamos que L() se distribuye como una Binomia con parámetros y s() Definición ( ) Lo definimos como e número esperado de recién nacidos que sobrevivirán a a edad. 15

13 E[L()] s() Así os vaores en una taba de mortaidad se pueden interpretar como vaores de s() para vaores enteros de. Definición (nd) nd representa e número de muertos entre as edades y +n dentro de un grupo inicia Dónde I [, + n) nd i 1 I, + n) ( i) 1 sie individuoi de edad muereantesde + n ( i) caso contrario nd E[nD] E I[, + n) ( i) [s() s(+n)] +n i 1 Lo anterior o podemos deducir a partir de que tenemos que: ( I[, n) i ) E ( ) P( < +n) F(+n) F() + s() s(+n) Definición (nd) nd será e número esperado de recién nacidos muertos entre as edades y +n. Así os vaores nd en una taba de mortaidad se pueden interpretar como vaores de nd. Después de estas definiciones y deducciones que hemos reaizado podemos ver que: 16

14 ( ) ( ) ( ) s 1 d 1 d s ( ) s s d d d d Podemos interpretar a d d como e número esperado de muertes en e intervao [, +d) d + d d + d Y es a densidad esperada de muertes en e intervao de edades [, +d). Así obtenemos Ejempo 2.4 s() p f( ) ep ep ydy ydy + n + n ep dy ep dy p + n y y n + n dy + n y y Sobre a base de nuestra taba de mortaidad, evaué a probabiidad de que un individuo de edad 2 años. a) Viva a os 1 años. b) Muera antes de os 7 años. c) Muera en a décima década de su vida. d) Obtener s(65). s(1) s(299 a)

15 s(2) s(7) s(2) 2 s(9) s(1) - s(2) 2 7 b) 1 c) 9 1 d) 65 2 Como hemos visto as probabiidades básicas de muerte y supervivencia pueden cacuarse a partir de una ey de mortaidad, en especifico con a fuerza de mortaidad, as eyes de mortaidad son epresiones anaíticas de a función de supervivencia que pretende modear e comportamiento de a mortaidad en función de a edad, e objetivo es eegir e tipo de función que mejor se adapte y represente adecuadamente a mortaidad de una pobación. La eección de tipo de función puede hacerse según os datos observado o estabeciendo ciertas hipótesis correspondientes a as características propias de a función de supervivencia. A continuación se presentan varias famiias anaíticas simpes de mortaidad y supervivencia., correspondientes a varios postuados de eyes. a) De Moivre (1929), b) Gompertz (1825), ( ω- ) 1 y s() 1- ω < Bc y s()ep[ m(c 1 )] B>, c>1, c) Makeham (186), A+Bc y s()ep[ A m(c 1 )] B>, A B, c>1, d) Weibu (1939), k n y s()ep[ u n+1 ] k >, n >, Donde m B nc y u k n +1 Nota. Teniendo como se define a fuerza de mortaidad podemos encontrar a función de supervivencia a través de coroario 2.1, 18

16 s( ) ep tdt Una de as diferencias entre e enfoque determinístico con e probabiístico, se basa en que sus vaores son enteros y no continuos, es decir, si queremos un dato a una edad fraccionaria como + t con t 1 tendremos que recurrir a métodos anaíticos, como os siguientes que son os más usuaes: a)iterpoación Linea. s(+t) (1 t )s() + ts(+1) es conocida como distribución uniforme o más propiamente a distribución uniforme de faecimientos dentro de intervao de un año. b) Interpoación eponencia. ns(+t) (1 t ) ns() + t ns(+1) supone una fuerza de mortaidad uniforme, bajo está suposición tp es eponencia. c ) Interpoación armónica. armónica. 1 1 t t + s( + t) s( ) s( + 1), bajo está suposición tp es una curva En base a os supuestos anteriores podemos obtener os siguientes resutados. Función Linea Eponencia Armónica t q t q 1 ep( t) tq 1 (1 t) q t p 1 t q ep( t) p 1 (1 t) q y q+t yq 1 ep( y) yq 1 tq 1 (1 y t) q +t q Μ q 1 tq 1 (1 t) q t p +t q ep( t) p q ( 1 (1 t) q ) 2 y 1, t 1 y y+t 1 Revisemos os resutados para e caso de interpoación armónica. 19

17 q t s( + t) 1 s( ) s( ) 1 1 s( ) ( 1 t ) s( ) + ts( + 1) s( + t) 1 s( + 1) 1 1 s( ) 1 t + t s( + 1) + t s( ) s( + 1) s ( + 1) [ ] [ ] [ ] s( + 1) + t s( ) s( + 1) s( + 1) tq s( + 1) + t s( ) s( + 1) p + tq tq 1 (1 t ) q Ahora tp p t tq 1 tq 1 1 (1 t) q 1 (1 t) q tq p 1 (1 t) q 1 (1 t) q q y + t s( + t + y) 1 s( + t) 1 s + t ( t y ) s + ( t + y ) s ( 1 t ) s( ) + t s( + 1) ( 1 t y) s( ) + ( t + y) s( + 1) ( ) ( ) ( ) ( t y ) s ( t y ) s ( ) 1 ( ) ( 1) t y s( ) + t + y s( + 1) 1 t s( ) t s( + 1) ( ) + + ( + 1) 1 1 ys( ) + ys( + 1) ( 1 t y ) s( ) + ( t + y ) s( + 1) ( 1 t y ) p + ( t + y ) yq yq p + t + y q t y q ( ) 1 ( 1 ) yp + y Por útimo obtengamos a e otro resutado se desprende de este útimo, usemos e siguiente resutado d ft( t) tq t p + t dt 2

18 + t d q dt p t t Primero obtengamos a derivada que viene en e numerador d d tq tq dt dt 1 (1 t) q q ( 1 (1 t) q ) tqq q p 1 (1 t) q 1 (1 t) q Ya con esté resutado podemos ver que: + t ( ) ( ) q ( 1 (1 t) q ) Ejercicios. 1.- Verificar para os vaores de una taba de mortaidad nppp+1 p+n Verificar que para os vaores de una taba de mortaidad q p p n n n Probema de Bowers Probema de Bowers Probema de Bower Bajo a ey de Moivre con ω 14. Obtén: a) s() (probar que efectivamente sea a que se propuso) b) 4p14 c) 2q22 d) 7 11q29 k 7.- Verificar que i q k+ 1 q para k, 1, 2, i 8.- A competa os vaores de a siguiente taba de mortaidad. d q p

19 Obtener una epresión para V(T()) y a mediana 1.- Probema de Bowers Probema de Bowers Probema de Bower Probema de Bowers Probema de Bowers Para una taba de mortaidad probar: a) b) 1 pi 1 i d 1 1 i i i i i d i c) n q d + n d) q n m + n + n+ m 16.- Utiizando a taba de mortaidad de as notas cacua o siguiente: a) 3 q 35 b) 2 p 61 c) 5 p d) 3 q 12 e) 3 p 11 f) 1 2 q Probar : a) t b) t s + s q p ds t m t t + m q p ds s + s 18.- Bajo a ey de Makeham con A.3, B.39, C 1.58 y ω 14. Obtén: a) s() (probar que efectivamente sea a que se propuso) 22

20 b) 4p14 c) 2q22 d) 7 11q Utiizando a distribución uniforme de muerte (interpoación inea) ( ) q q + p tq m entero yt,1 t + m m m + m 23

Para qué se utiliza? Integración por el método de Monte Carlo. El método de Monte Carlo. Cálculo de integrales definidas

Para qué se utiliza? Integración por el método de Monte Carlo. El método de Monte Carlo. Cálculo de integrales definidas Para qué se utiiza? Integración por e método de Monte Caro Patricia Kisbye FaMAF 31 de marzo, 29 Es un método que utiiza números aeatorios para cacuar numéricamente expresiones matemáticamente compejas

Más detalles

Fundamentos de Contingencias de Vida

Fundamentos de Contingencias de Vida Fundamentos de Contingencias de Vida Luis Barboza Escuela de Matemática Universidad de Costa Rica 28-29-30 de julio del 2014 L. Barboza (CIMPA) I CREM-UES 2014 1 / 89 Contenidos 1 Distribuciones de Sobrevivencia

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA

NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA A NTONIO F ERNÁNDEZ M ORALES MÁLAGA, 2006 Nociones Básicas de Estadística Actuarial Vida Antonio Fernández Morales Málaga, 2006 Nociones Básicas de Estadística

Más detalles

GUIA 10. Series de Fourier. 1. Revisión sobre el espacio euclideo R n

GUIA 10. Series de Fourier. 1. Revisión sobre el espacio euclideo R n GUIA 1 Series de Fourier A finaes de sigo XVIII Jan Baptiste Joseph Fourier (1768-183) descubrió un método que permite aproximar funciones periódicas mediante combinaciones ineaes de funciones trigonométricas

Más detalles

UNIDAD 2 Geometría 2.3 Cuadriláteros 23

UNIDAD 2 Geometría 2.3 Cuadriláteros 23 UNIDAD Geometría. Cuadriáteros. Cuadriáteros OBJETIVOS Cacuar e área y e perímetro de cuadrado, rectánguo, paraeogramo, rombo y trapecio. Resover probemas en os cuaes se invoucran cuadriáteros y triánguos.

Más detalles

Minería de Datos Análisis Exploratorio de Datos. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

Minería de Datos Análisis Exploratorio de Datos. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Minería de Datos Anáisis Exporatorio de Datos Por Eizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Anáisis Exporatorio Minería de Datos Anáisis Exporatorio Anáisis

Más detalles

REGRESIÓN. Pues bien, el análisis de la dependencia estadística admite dos planteamientos ( aunque íntimamente relacionados) :

REGRESIÓN. Pues bien, el análisis de la dependencia estadística admite dos planteamientos ( aunque íntimamente relacionados) : REGRESIÓN INTRODUCCIÓN REGRESIÓN DE LA MEDIA REGRESIÓN MÍNIMO-CUADRÁTICA REGRESIÓN LINEAL RECTA DE REGRESIÓN Y/X RECTA DE REGRESIÓN X/Y COEFICIENTES DE REGRESIÓN RESIDUOS BONDAD DEL AJUSTE VARIANZA RESIDUAL

Más detalles

Solución analítica de problemas de contorno. Ecuación de ondas

Solución analítica de problemas de contorno. Ecuación de ondas Práctica 2 Soución anaítica de probemas de contorno. Ecuación de ondas 2.1. Ecuación de ondas 1D: Vibraciones forzadas de una cuerda finita con extremos móvies La ecuación de ondas para una cuerda finita

Más detalles

Estadística. Grado en Relaciones Laborales y Recursos Humanos. Tema 6 Estadística poblacional.

Estadística. Grado en Relaciones Laborales y Recursos Humanos. Tema 6 Estadística poblacional. Estadística. Grado en Relaciones Laborales y Recursos Humanos Tema 6 Estadística poblacional. Fenómenos demográficos 1 Variable estadística edad a la que ocurre un suceso Los fenómenos demográficos que

Más detalles

TABLAS DE MORTALIDAD. DIFERENTES ESTRATEGIAS DE RECARGO.

TABLAS DE MORTALIDAD. DIFERENTES ESTRATEGIAS DE RECARGO. 27 Congreso Naciona de Estadística e Investigación Operativa Leida, 8-11 de abri de 2003 TABLAS DE MORTALIDAD. DIFERENTES ESTRATEGIAS DE RECARGO. R. Escuder Vaés 1, J.M. Pavía Miraes 2 1 Departamento de

Más detalles

RAZONES Y PROPORCIONES

RAZONES Y PROPORCIONES RAZONES Y PROPORCIONES Se ama razón entre dos números a y b (con b 0), a cociente de a división de a por b. a b Por ejempo, si digo que hay una computadora cada 0 aumnos estoy habando de a razón de. 0

Más detalles

1 Ecuaciones diferenciales

1 Ecuaciones diferenciales 1 Ecuaciones diferenciales La solución a una ecuación algebraica es un número, o un conjunto de números que satisfacen la ecuación. Por ejemplo las soluciónes de x 2 4x + 3 = 0 son x 0 = 1 y x 1 = 3. Las

Más detalles

INSTITUCIÓN EDUCATIVA PEDRO ESTRADA FÍSICA GRADO 11 PROFESOR: ELVER RIVAS

INSTITUCIÓN EDUCATIVA PEDRO ESTRADA FÍSICA GRADO 11 PROFESOR: ELVER RIVAS INSTITUCIÓN EDUCATIVA PEDRO ESTRADA FÍSICA GRADO PROFESOR: ELVER RIVAS PRIMER PERIODO MOVIMIENTO ARMÓNICO SIMPLE (M.A.S.).- Movimiento osciatorio..- Cinemática de movimiento armónico simpe. 3.- Dinámica

Más detalles

El método de Discretización en Varias Variables

El método de Discretización en Varias Variables Artícuo Revista digita Matemática, Educación e Internet (www.cidse.itcr.ac.cr/revistamate/). Vo., N o. Agosto Diciembre 200. E Método de... Bibiografía E método de Discretización en Varias Variabes Ir

Más detalles

5.1. Soluciones de EDP s de coeficientes constantes

5.1. Soluciones de EDP s de coeficientes constantes Práctica 5 Ecuaciones en derivadas parciaes En esta práctica veremos cómo es posibe utiizar e programa Mathematica para resover agunos tipos de ecuaciones en derivadas parciaes. Revisaremos también agunas

Más detalles

Obtención de Tablas de Mortalidad por comparación con las de otros ámbitos en períodos pasados

Obtención de Tablas de Mortalidad por comparación con las de otros ámbitos en períodos pasados Obtención de Tabas de Mortaidad por comparación... 187 Estudios de Economía Apicada Nº 15, 2000. Págs. 187-196 Obtención de Tabas de Mortaidad por comparación con as de otros ámbitos en períodos pasados

Más detalles

Ecuación Diferenciales Homogéneas de Primer Orden

Ecuación Diferenciales Homogéneas de Primer Orden Ecuación Diferenciales Homogéneas de Primer Orden 1. Funciones Homogéneas de grado n Definicion: Diremos que una función f(, y) es homogénea de grado n si f(t, ty) = t n f(, y) si w = y f(, y) = n g(w)

Más detalles

Cálculo I. Índice Aplicaciones de las Derivadas: ARazonesdeCambioInstantáneas. Julio C. Carrillo E. * 1. Introducción 1

Cálculo I. Índice Aplicaciones de las Derivadas: ARazonesdeCambioInstantáneas. Julio C. Carrillo E. * 1. Introducción 1 4.1. Aplicaciones de las Derivadas: ARazonesdeCambioInstantáneas Julio C. Carrillo E. * Índice 1. Introducción 1 2. Movimiento rectilíneo 1 3. Razones de cambio relacionadas 6 * Profesor Escuela de Matemáticas,

Más detalles

Longitud, áreas y volúmenes. Trigonometría. Circunferencia de radio R Círculo de radio R. 1 Triángulo de base B y altura H A = (BH ) 2

Longitud, áreas y volúmenes. Trigonometría. Circunferencia de radio R Círculo de radio R. 1 Triángulo de base B y altura H A = (BH ) 2 Longitud, áreas y volúmenes Circunferencia de radio R Círculo de radio R A πr L πr Triángulo de base B y altura H A (BH ) Cuadrado de lado L A L Rectángulo de base B y altura H Superficie esférica A 4πR

Más detalles

Matemáticas II. Grupos: 2 B, C y E. Escuela Secundaria Diurna No. 264 Miguel Servet. Alumno (a): Actividades escolares. Profra. Gisel M.

Matemáticas II. Grupos: 2 B, C y E. Escuela Secundaria Diurna No. 264 Miguel Servet. Alumno (a): Actividades escolares. Profra. Gisel M. Escuea Secundaria Diurna No. 64 Migue Servet Jornada Ampiada Matemáticas II Actividades escoares Profra. Gise M. Lea Martínez Grupos: B, C y E. Aumno (a): octubre, 017 Tema: Medida PERÍMETRO Y ÁREAS DE

Más detalles

La economía de Robinson Crusoe (RC)

La economía de Robinson Crusoe (RC) 1 II. La economía de Robinson Crusoe (RC) A. E enfoque de modeos macroeconómicas de equiibrio 1. Los mercados vacían. 2. Usamos fundamentos de microeconomía 3. Nuestro objetivo es construir un modeo a)

Más detalles

Termodinámica estadística: Diferenciales, transformada de Legendre

Termodinámica estadística: Diferenciales, transformada de Legendre Termodinámica estadística: Diferenciales, transformada de Legendre Prof Jesús Hernández Trujillo 1. Diferenciales 1.1. Diferencial total La diferencial total de z = φ(, y) se define por dφ = ( ) φ d +

Más detalles

Ficha 2. Rectas. a) Definición de recta. B existe solo una recta. Donde m se conoce como la pendiente de la

Ficha 2. Rectas. a) Definición de recta. B existe solo una recta. Donde m se conoce como la pendiente de la Ficha Rectas a) Definición de recta Dados dos puntos en e pano cartesiano A,, que os contiene de a forma m b recta, ta que si: ) m 0 (m es positiva) a recta crece B eiste soo una recta Donde m se conoce

Más detalles

PROPIEDADES ELÉCTRICAS DE LOS MATERIALES.

PROPIEDADES ELÉCTRICAS DE LOS MATERIALES. PROPIEDADES ELÉCTRICAS DE LOS MATERIALES. 1- TIPOS DE MATERIALES. La materia común suee ser neutra. Cuando no hay un campo eéctrico externo, os átomos individuaes y también todo e materia son neutros.

Más detalles

(a, 0) + (b, 0) = (a + b, 0), (a, 0) (b, 0) = (ab, 0),

(a, 0) + (b, 0) = (a + b, 0), (a, 0) (b, 0) = (ab, 0), NÚMEROS COMPLEJOS 1. Preliminares Definición. Se llama número complejo a todo par ordenado de números reales. Si z = (a, b) es un número complejo, se dice que a es la parte real de z y b es la parte imaginaria

Más detalles

6. Teoría de Cauchy local.

6. Teoría de Cauchy local. Funciones de variable compleja. Eleonora Catsigeras. 24 Abril 2006. 59 6. Teoría de Cauchy local. Dado un abierto Ω C, se denota con R Ω a un rectángulo contenido en Ω. R indica el conjunto de puntos que

Más detalles

El punto de equilibrio y el análisis coste-volumenbeneficio. Gestión de Costes

El punto de equilibrio y el análisis coste-volumenbeneficio. Gestión de Costes E punto de equiibrio y e anáisis coste-voumenbeneficio. Caso práctico Los anáisis basados en e cácuo de punto de equiibrio permiten a una empresa tomar decisiones sobre sus estructuras de costes e ingresos.

Más detalles

Apéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO

Apéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO Apéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO B1 Descomposición invariante de espacio 2 E E grupo O(n) de as transformaciones ortogonaes divide e espacio vectoria de os tensores cartesianos

Más detalles

Problemas. Simetrías Discretas

Problemas. Simetrías Discretas Probemas Probemas 1 Sea T d e operador de trasación con vector despazamiento d, D(ˆn, φ) e operador de rotación (ˆn y φ son respectivamente e eje y e ánguo de rotación), y Π e operador de paridad Cuáes

Más detalles

Derivada. 1. Pendiente de la recta tangente a una curva

Derivada. 1. Pendiente de la recta tangente a una curva Nivelación de Matemática MTHA UNLP Derivada Pendiente de la recta tangente a una curva Definiciones básicas Dada una curva que es la gráfica de una función y = f() y sea P un punto sobre la curva La pendiente

Más detalles

a b 2 a 2 2ab b 2 a b 3 a 3 3a 2 b 3ab 2 b 3 a b 4 a 4 4a 3 b 6a 2 b 2 4ab 3 b 4 a b 5 a 5 5a 4 b 10a 3 b 2 10a 2 b 3 5ab 4 b 5

a b 2 a 2 2ab b 2 a b 3 a 3 3a 2 b 3ab 2 b 3 a b 4 a 4 4a 3 b 6a 2 b 2 4ab 3 b 4 a b 5 a 5 5a 4 b 10a 3 b 2 10a 2 b 3 5ab 4 b 5 0. El teorema del binomio 77 0. El teorema del binomio Un binomio es una suma a b, donde a y b representan números. Si n es un entero positivo, entonces una fórmula general para epandir (a b) n (esto es,

Más detalles

PRINCIPIO DE MINIMA ENERGIA POTENCIAL TOTAL

PRINCIPIO DE MINIMA ENERGIA POTENCIAL TOTAL Apéndice B Principio de Mínima Energía Potencia Tota B.- Introducción E Método de Rigidez fue desarroado para reticuados basándose en a hipótesis inea para a reación entre fuerzas y despazamientos, a partir

Más detalles

DILATACIÓN TÉRMICA DE SÓLIDOS

DILATACIÓN TÉRMICA DE SÓLIDOS DILATACIÓN TÉRMICA DE SÓLIDOS.- Objetivo: Cácuo de a diatación inea de varios sóidos; por ejempo: acero, auminio, etc..- Principio: Se determina a diatación inea de varios sóidos eevando su temperatura

Más detalles

Laboratorio de Física de Fluidos, Calor y Termodinámica - Física 3 Practica No. 1 - El péndulo simple

Laboratorio de Física de Fluidos, Calor y Termodinámica - Física 3 Practica No. 1 - El péndulo simple Laboratorio de Física de Fuidos, Caor y Termodinámica - Física 3 Practica No. 1 - E pénduo simpe Departamento de Física - Universidad de Cauca Resumen E estudio de os sistemas osciatorios es de fundamenta

Más detalles

10. Series de potencias

10. Series de potencias FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 7-2 Basado en el apunte del curso Cálculo (2do semestre), de Roberto Cominetti, Martín Matamala y Jorge San

Más detalles

Variables aleatorias

Variables aleatorias Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando

Más detalles

8. Consecuencias de la Teoría de Cauchy.

8. Consecuencias de la Teoría de Cauchy. Funciones de variable compleja. Eleonora Catsigeras. 8 Mayo 2006. 77 8. Consecuencias de la Teoría de Cauchy. 8.1. Principio del módulo máximo. Definición 8.1.1. Sea f una función continua en Ω. Se dice

Más detalles

TEMA 36. Proporciones Notables. La razón Aurea

TEMA 36. Proporciones Notables. La razón Aurea TEMA 36. Proporciones Notabes. La razón Aurea 1. Introducción E concepto de proporcionaidad es utiizado desde a antigüedad. Su origen es puramente geométrico, surge de a comparación de os ados de figuras

Más detalles

Variables Aleatorias y Distribución de Probabilidades

Variables Aleatorias y Distribución de Probabilidades Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables

Más detalles

Sucesiones y series de funciones

Sucesiones y series de funciones Sucesiones y series de funciones Renato Álvarez Nodarse Departamento de Análisis Matemático Facultad de Matemáticas. Universidad de Sevilla http://euler.us.es/ renato/ 8 de octubre de 2012 Sucesiones y

Más detalles

IX.- CALCULO DE TUBERÍAS

IX.- CALCULO DE TUBERÍAS IX.- CALCULO DE TUBERÍAS http://ibros.redsauce.net/ IX..- CALCULO DEL DIÁMETRO DE UNA CONDUCCIÓN La pérdida tota de carga P se puede poner en a forma: P = λ d u g L ξ u g = ( λ L d ξ ) u g = u = Q Ω =

Más detalles

P R I M E R B L O Q U E E C. D I F E R E N C I A L E S

P R I M E R B L O Q U E E C. D I F E R E N C I A L E S P R I M E R B L O Q U E E C. D I F E R E N C I A L E S Os proponemos una serie de ejercicios tipo examen de la asignatura Matemáticas II del Grado de Industriales. 1. y = t y t 1 + y ; y(0) = 1 2. Resolver

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

xy si corresponde a la diferencial de alguna función f ( x, y ). Una ecuación diferencial de primer orden de la forma

xy si corresponde a la diferencial de alguna función f ( x, y ). Una ecuación diferencial de primer orden de la forma E.D.O para Ingenieros CAPITULO ECUACIONES EXACTAS La sencilla ecuación d + d 0 es separable, pero también equivale a la diferencial del producto de por ; esto es, d + d d( ) 0 Al integrar obtenemos de

Más detalles

Indica, sin realizar las operaciones, qué tipo de expresión decimal tienen estos números.

Indica, sin realizar las operaciones, qué tipo de expresión decimal tienen estos números. Números reaes EJERCICIOS 00 Indica, sin reaizar as operaciones, qué tipo de expresión decima tienen estos números. a) c) e) 0 60 b) 0 d) f) 6 6 a) Decima exacto d) Periódico puro b) Periódico puro e) Decima

Más detalles

8 Inducción electromagnética

8 Inducción electromagnética 8 Inducción eectromagnética ACTIVIDADES Actividades DEL de DESARROLLO interior DE de LA a UNIDAD unidad 1. Cacua e fujo magnético a través de un cuadrado de 12 cm de ado que está coocado perpendicuarmente

Más detalles

ACERCA DE FUNCIONES DEFINIDAS ABOUT POSITIVE DEFINITE

ACERCA DE FUNCIONES DEFINIDAS ABOUT POSITIVE DEFINITE An. Arm. Teor. Op. Vo. 1, No. 1, 27 32 ISSN 2244-7628 c 2012 Centro de Anáisis Matemático / Venezuea. Anáisis Armónico y Teoría de Operadores ACERCA DE FUNCIONES DEFINIDAS POSITIVAS Y FUNCIONES κ-indefinidas

Más detalles

13. Series de Laurent.

13. Series de Laurent. Funciones de variable compleja. Eleonora Catsigeras. 3 Mayo 2006. 33 3. Series de Laurent. 3.. Definición de serie de Laurent y corona de convergencia. Definición 3... Serie de Laurent. Se llama serie

Más detalles

ESPERANZA DE VIDA EN LA TABLAS DE MORTALIDAD.

ESPERANZA DE VIDA EN LA TABLAS DE MORTALIDAD. ESPERANZA DE VIDA EN LA COMUNIDAD DE MADRID. TABLAS DE MORTALIDAD. 1986-2015 Como fenómeno demográfico, la mortalidad tiene como características fundamentales que es un fenómeno irrepetible e irreversible.

Más detalles

METODOLOGÍA DE LA ESTADÍSTICA DE TABLAS DE MORTALIDAD. 1. Introducción

METODOLOGÍA DE LA ESTADÍSTICA DE TABLAS DE MORTALIDAD. 1. Introducción METODOLOGÍA DE LA ESTADÍSTICA DE TABLAS DE MORTALIDAD 1. Introducción La tabla de mortalidad constituye una herramienta de análisis adecuada para medir la intensidad de la mortalidad en un territorio con

Más detalles

Estadística y Probabilidad

Estadística y Probabilidad La universidad Católica de Loja Estadística y Probabilidad ESCUELA DE ELECTRÓNICA Y TELECOMUNICACIONES Paralelo C Nombre: Milner Estalin Cumbicus Jiménez. Docente a Cargo: Ing. Patricio Puchaicela. Ensayo

Más detalles

Curso Propedéutico de Cálculo Sesión 3: Derivadas

Curso Propedéutico de Cálculo Sesión 3: Derivadas Curso Propedéutico de Cálculo Sesión 3: Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema 1 2 3 4 5 6 7 Esquema 1 2 3 4 5 6 7 Introducción La derivada

Más detalles

Juan Jesús Bernal García

Juan Jesús Bernal García Anáisis estático y dinámico de baance de situación La empresa Productasa desea anaizar su baance para conocer su situación financiera y a evoución de a misma. Para eo no va a utiizar compicados ratios

Más detalles

1.2 Definición de una ecuación diferencial

1.2 Definición de una ecuación diferencial 4 Ecuaciones diferenciales 4. Una parte importante del proceso de solución es tener presente ciertas condiciones, como la velocidad inicial la altura inicial del cuerpo en el ejemplo anterior, que quedarán

Más detalles

Práctica I Computadores I. Rodrigo Santamaría

Práctica I Computadores I. Rodrigo Santamaría Práctica I Computadores I Rodrigo Santamaría Práctica I Objetivo Seección Ejempo Recomendaciones Comprensión Ejempo Recomendaciones Presentación Ejempo Recomendaciones 2 Objetivo Profundizar en e estudio

Más detalles

La energía cinética de un sistema constituido por dos masas m A y m B cuyas coordenadas son x A, y A, z A y x B, y B, z B, respectivamente, es:

La energía cinética de un sistema constituido por dos masas m A y m B cuyas coordenadas son x A, y A, z A y x B, y B, z B, respectivamente, es: 1 EL ROTOR RÍGIDO E rotor rígido es un sistema formado por dos cuerpos A y B unidos por una barra sin masa, de argo R, y girando en cuaquier dirección pero con e centro de masa fijo. La energía cinética

Más detalles

Cancelación de ruido en imágenes mediante la Transformada Wavelet Discreta usando un FPGA

Cancelación de ruido en imágenes mediante la Transformada Wavelet Discreta usando un FPGA Fourth LCCEI Internationa Latin merican and Caribbean Conference for Engineering and Technoogy (LCCET 2006) Breaking Frontiers and Barriers in Engineering: Education, Research and Practice 21-23 June 2006,

Más detalles

Tema 3. VARIABLES ALEATORIAS.

Tema 3. VARIABLES ALEATORIAS. 3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable

Más detalles

Funciones multivaluadas y sus aplicaciones

Funciones multivaluadas y sus aplicaciones Miscelánea Matemática 44 (2007) 101 116 SMM Funciones multivaluadas y sus aplicaciones Juan Carlos Macías Romero Facultad de Ciencias Físico Matemáticas Benemérita Universidad Autónoma de Puebla Av. San

Más detalles

3.- Existen tres puntos no colineales (no existe una recta tal que contenga a estos tres puntos).

3.- Existen tres puntos no colineales (no existe una recta tal que contenga a estos tres puntos). Capítuo 1 Pano Afín 1.1. Introducción: E pano afín es un trío de a forma(p,l,i), en donde: P: Es e conjunto de puntos designados con etra mayúscua(p, Q, R). L: Es e conjunto de rectas designadas con etra

Más detalles

El Teorema de Contracción de Mapas

El Teorema de Contracción de Mapas El Teorema de Contracción de Mapas Carlos Gamez Escuela de Matemática Facultad de Ciencias Naturales y Matemática Universidad de El Salvador Presentación Beamer Esquema Introducción Contracción Punto Fijo,

Más detalles

GEOMETRÍA ANALÍTICA LA RECTA

GEOMETRÍA ANALÍTICA LA RECTA GEOMETRÍA ANALÍTICA LA RECTA Ecuación de a recta que pasa por dos puntos Encontrar a ecuación a recta que une os puntos A(0, 0) y B(5,5). Cargando a bibioteca de geometría: with geometry : Definiendo os

Más detalles

Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números

Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo

Más detalles

Física Contemporánea, Grupo: 8104 Tarea # 4, Fecha de entrega: viernes 18 de septiembre de 2015 Nombre:

Física Contemporánea, Grupo: 8104 Tarea # 4, Fecha de entrega: viernes 18 de septiembre de 2015 Nombre: Física Contemporánea, Grupo: 8104 Tarea # 4, Fecha de entrega: viernes 18 de septiembre de 015 Nombre: Lee con atención as siguientes notas sobre e movimiento en un campo centra y reaiza os ejercicios

Más detalles

Álgebra y Trigonometría

Álgebra y Trigonometría Álgebra y Trigonometría Conceptos fundamentales del Álgebra Universidad de Antioquia Departamento de Matemáticas 1. Números Reales El conjunto de los números reales está constituido por diferentes clases

Más detalles

Problemas Lineales de Contorno

Problemas Lineales de Contorno Probemas Lineaes de Contorno ( J.J. Anza, J. Abizuri, C. Bastero, M. Martínez-Nebreda) INTRODUCCIÓN Hasta e momento se han estudiado ecuaciones diferenciaes de segundo orden ineaes de a forma: y" + p(x)

Más detalles

4 Movimiento ondulatorio

4 Movimiento ondulatorio 4 Movimiento onduatorio Actividades de interior de a unidad 1. E sonido y a uz son ejempos de ondas. Indica as diferencias entre eas. E sonido es un ejempo de onda ongitudina. Decimos que una onda es ongitudina

Más detalles

Plano Proyectivo Axioma del Plano Proyectivo

Plano Proyectivo Axioma del Plano Proyectivo Capítuo 2 Pano Proyectivo 2.1. Axioma de Pano Proyectivo Un estructura de incidencia Π=(P,L,I), se dice que Π es un pano proyectivo si y sóo si cumpe os siguientes axiomas B A 1. Sean A,B P, con A B entonces!

Más detalles

Expresiones algebraicas

Expresiones algebraicas Epresiones algebraicas Matemáticas I 1 Epresiones algebraicas Epresiones algebraicas. Monomios y polinomios. Monomios y polinomios. Una epresión algebraica es una combinación de letras, números y signos

Más detalles

Plano Proyectivo Introducción:

Plano Proyectivo Introducción: Capítuo 2 Pano Proyectivo 2.1. Introducción: Definición 2.1 Un pano proyectivo es un trío de a forma Π=(P,L,I) en dondep es un conjunto, cuyos eementos son amados puntos,les un conjunto, cuyos eementos

Más detalles

CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN DE RECUPERACIÓN E0400, P-01

CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN DE RECUPERACIÓN E0400, P-01 CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN DE RECUPERACIÓN E0400, P-01 (1) Considere la función f() ( 4) y determine: (a) El dominio, raíces e intervalos de continuidad (b) Asíntotas verticales y horizontales

Más detalles

1. Funciones básicas y distribuciones

1. Funciones básicas y distribuciones 1. Funciones básicas y distribuciones 1.1 Definición de tiempos de falla Qué es el análisis de supervivencia?. Es el análisis estadístico de datos de tiempo a la ocurrencia de un evento (time to event

Más detalles

Algunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial.

Algunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial c) Relación entre la Distribuciones de Poisson y Exponencial. d) Distribución

Más detalles

Búsqueda heurística. Heurística. Del griego heuriskein (encontrar, descubrir). » Arquímedes EUREKA!» Uso en IA

Búsqueda heurística. Heurística. Del griego heuriskein (encontrar, descubrir). » Arquímedes EUREKA!» Uso en IA Búsqueda heurística Heurística De griego heuriskein (encontrar, descubrir).» rquímedes EUREK!» Uso en I 97, (G. Poya): Estudio de métodos para descubrir formas de resoución de probemas 9, (Newe): Proceso

Más detalles

Julio Deride Silva. 4 de junio de 2010

Julio Deride Silva. 4 de junio de 2010 Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal

Más detalles

Modelos probabilísticos

Modelos probabilísticos Modelos probabilísticos Variables aleatorias continuas Carlos Gamero Burón José Luis Iranzo Acosta Departamento de Economía Aplicada Universidad de Málaga Parcialmente financiado a través del PIE3-4 (UMA)

Más detalles

Teorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias.

Teorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias. Teorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias. Dr. Rafael Morones E. Dept. de Matemáticas ITAM August 5, 2002 1 Contenido 1 Preliminares. 3 1.1 Sucesiones...............................

Más detalles

Sucesiones y Series de Funciones

Sucesiones y Series de Funciones Sucesiones y Series de Funciones Consideremos una sucesión {f n }, donde f n : I R R, entonces decimos que {f n } es una sucesión de funciones. Ejemplos: i) {f n }, donde f n : R R está dada por Tenemos

Más detalles

FUNCIONES MEROMORFAS. EL TEOREMA DE LOS RESIDUOS Y ALGUNAS DE SUS CONSECUENCIAS

FUNCIONES MEROMORFAS. EL TEOREMA DE LOS RESIDUOS Y ALGUNAS DE SUS CONSECUENCIAS FUNCIONES MEROMORFAS. EL TEOREMA DE LOS RESIDUOS Y ALGUNAS DE SUS CONSECUENCIAS. FUNCIONES MEROMORFAS Definición.. Se dice que una función es meromorfa en un abierto Ω de C si f es holomorfa en Ω excepto

Más detalles

Análisis Matemático I (Lic. en Cs. Biológicas) Práctica 6: Integración. Primer cuatrimestre de (e) f(x) = cos x. F(x) = arccosx. Ejercicio 1.

Análisis Matemático I (Lic. en Cs. Biológicas) Práctica 6: Integración. Primer cuatrimestre de (e) f(x) = cos x. F(x) = arccosx. Ejercicio 1. Análisis Matemático I (Lic. en Cs. Biológicas) Primer cuatrimestre de 29 Práctica 6: Integración Ejercicio. Hallar en cada caso una función g : R R que cumpla (i) g () = 2 (ii) g () = (iii) g () = sen

Más detalles

Examenes de Física Matemática (Ecuaciones en Derivadas Parciales e Integrales)

Examenes de Física Matemática (Ecuaciones en Derivadas Parciales e Integrales) Examenes de Física Matemática (Ecuaciones en Derivadas Parciales e Integrales) Licenciatura en Física Antonio Cañada Villar Departamento de Análisis Matemático Universidad de Granada FÍSICA MATEMÁTICA

Más detalles

Se suponen conocidos los siguientes conceptos previos desarrollados en las secciones 1, 2, 3.1 y 3.2:

Se suponen conocidos los siguientes conceptos previos desarrollados en las secciones 1, 2, 3.1 y 3.2: 112 Funciones de variable compleja. Eleonora Catsigeras. 15 Mayo 2006. TERCERA PARTE. SINGULARIDADES Y TEORÍA DE LOS RESIDUOS. Resumen Se estudian las singularidades aisladas: evitables, polos y esenciales

Más detalles

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de

Más detalles

Algunas Aplicaciones de la Transformada de Laplace

Algunas Aplicaciones de la Transformada de Laplace Algunas Aplicaciones de la Transformada de Laplace Dr. Andrés Pérez Escuela de Matemática Facultad de Ciencias Universidad Central de Venezuela 11 de marzo de 2016 A. Pérez Algunas Aplicaciones de la Contenido

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas jemplo: Con el in de realizar un control de calidad en una ábrica de baterías, se mide el tiempo de duración de baterías elegidas al azar y se deine la va : tiempo de duración

Más detalles

Tablas de Vida Abreviadas para Puerto Rico

Tablas de Vida Abreviadas para Puerto Rico ESTADO LIBRE ASOCIADO DE PUERTO RICO DEPARTAMENTO DE SALUD SECRETARÍA AUXILIAR DE PLANIFICACIÓN Y DESARROLLO Tablas de Vida Abreviadas para Puerto Rico 1999-2001 a 2008-2010 San Juan, Puerto Rico Febrero

Más detalles

7. Teoría de Cauchy global.

7. Teoría de Cauchy global. 68 Funciones de variable compleja. Eleonora Catsigeras. 25 Abril 26. 7. Teoría de Cauchy global. 7.. Teorema de Cauchy global. Sea un abierto no vacío Ω C. Teorema 7... Teorema de Cauchy global. Sea f

Más detalles

ENUNCIADO y SOLUCIONES. Problema 1

ENUNCIADO y SOLUCIONES. Problema 1 Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.

Más detalles

Transformada de Laplace Juan Manuel Rodríguez Prieto

Transformada de Laplace Juan Manuel Rodríguez Prieto Juan Manuel Rodríguez Prieto L{ f (t)}(s) = e st f (t)dt Ejemplo 1: Calcular la transformada de Laplace de f(t)=1 L{ f (t)}(s) = e st f (t)dt L{ 1}(s) = e st 1dt L{ 1}(s) = lim B B e st dt e st B L{ 1}(s)

Más detalles

p-bases para todos os Z p nc p -m duos cadena abierta de tipo C = (i; j) (generadas por un s o eemento, o de dimensi n 1). Este es e caso m s sencio,

p-bases para todos os Z p nc p -m duos cadena abierta de tipo C = (i; j) (generadas por un s o eemento, o de dimensi n 1). Este es e caso m s sencio, Bases de Gr bner Asociadas a M duos Finitos LUIS DAVID GARC A PUENTE Licenciado en Matem ticas, Facutad de Ciencias, UNAM Director de Tesis: Dra. Maria Aicia Avi Diaz En a teor a de Representaciones de

Más detalles

Conjuntos, relaciones y funciones Susana Puddu

Conjuntos, relaciones y funciones Susana Puddu Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también

Más detalles

15. Teoría de los residuos.

15. Teoría de los residuos. 162 Funciones de variable compleja. Eleonora Catsigeras. 12 Julio 2006. 15. Teoría de los residuos. 15.1. Residuos. Definición 15.1.1. Residuo de una función en una singularidad aislada. Dada una función

Más detalles

EL PÉNDULO SIMPLE. Laboratorio de Física General (Mecánica) 1. Objetivo de la práctica. 2. Material. Fecha: 02/10/2013

EL PÉNDULO SIMPLE. Laboratorio de Física General (Mecánica) 1. Objetivo de la práctica. 2. Material. Fecha: 02/10/2013 Laboratorio de Física Genera (Mecánica) EL PÉNDULO SIMPLE Fecha: 02/10/2013 1. Objetivo de a práctica Estudio de pénduo simpe. Medida de a aceeración de a gravedad, g. 2. Materia Pénduo simpe con transportador

Más detalles

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Rectas y puntos notables en un triángulo.

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Rectas y puntos notables en un triángulo. 653 _ 0337-0344.qxd 7/4/07 13:9 Página 337 Figuras panas INTRODUCCIÓN Las figuras panas y e cácuo de áreas son ya conocidos por os aumnos de cursos anteriores. Conviene, sin embargo, señaar a presencia

Más detalles

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice

Más detalles

Razón de cambio. f(x 2 ) f(x 1 ) x 2 x 1. dt = lím f(x 2 ) f(x 1 )

Razón de cambio. f(x 2 ) f(x 1 ) x 2 x 1. dt = lím f(x 2 ) f(x 1 ) Razón de cambio Al denir la derivada de una función y f en un punto jo, se tiene f f f Si cambia de a tenemos que y el cambio correspondiente en y es: y f f El cociente de las diferencias y f f se llama

Más detalles

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia Scientia Et Technica ISS: 0-70 scientia@utp.edu.co Universidad Tecnoógica de Pereira oombia RESTREPO PATIÑO, ARLOS; OLIA VARGAS, JASO; TORRES P., ARLOS ADRÉS ALGORITO GEÉTIO PARA LA UBIAIÓ ÓPTIA DE SESORES

Más detalles

de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3)

de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3) Variabilidad Muestral, Distribuciones de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3) Distribución muestral de un estadístico Es la distribución de valores

Más detalles

Pizarra: Las opciones de cálculo implementadas se corresponden con las siguientes figuras:

Pizarra: Las opciones de cálculo implementadas se corresponden con las siguientes figuras: izarra: as opciones de cácuo impementadas se corresponden con as siguientes figuras: OIÓN 1: otoide de értice OIÓN : otoide-ircuar-otoide [1 unto perteneciente a a aineación de entrada] [ unto perteneciente

Más detalles

Problemas de VC para EDVC elaborados por C. Mora, Tema 4

Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,

Más detalles