ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS

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

Download "ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS"

Transcripción

1 Metodología de Ecueta I: Vol 6, úm, 00, 9- ETIMACIÓ DE LA VARIAZA POBLACIOAL E EL MUETREO E OCAIOE UCEIVA Amelia V. García Luego Eva M. Arté Rodríguez Imaculada Oña Caado Uiveridad de Almería REUME E ete trabajo, bajo u dieño de muetreo e do ocaioe, etimamo la variaza poblacioal mediate u etimador lieal iegado. Determiado lo valore que miimiza la variaza de ete etimadorf, obteemo el etimador de la variaza, juto co la epreió de u variaza la fracció óptima que debe apareare. e obtiee la curva que da la gaacia e preciió del etimador propueto obre el etimador imple que o utiliza la iformació obre la primera ocaió. i embargo, utilizado la proporció óptima de apareamieto, obteida al etimar la media poblacioal, e la epreió de la variaza del etimador propueto, la pérdida e preciió para dicho etimador de la variaza poblacioal e depreciable. Eto ugiere que el problema de la etimació de la variaza poblacioal puede er imultáeamete coiderado co la etimació de la media poblacioal. Palabra clave: muetreo uceivo, variaza poblacioal, fracció de apareamieto, gaacia e preciió.

2 0 A.V. García, E.M. Arté e I. Oña Itroducció E la ecueta muetrale e frecuete la eceidad de etimar algú parámetro poblacioal a itervalo regulare de tiempo. i eite ua relació etre el valor de u elemeto de la població e u período de tiempo, el valor del mimo elemeto e el período iguiete, etoce e poible emplear la iformació coteida e la muetra del período precedete para mejorar la etimació actual del parámetro poblacioal. E ete etido, para que ea poible utilizar la iformació muetral precedete, e debe obteer la muetra de maera que lo elemeto muetrale e lo do período uceivo tega alguo elemeto comue, e decir, puede er má coveiete el reemplazamieto parcial de la muetra. E ete cao, e oberva la mima variable e do ocaioe ólo ua parte de la uidade obervada e comú a dicha ocaioe. La obervacioe de la primera ocaió e utiliza como iformació complemetaria para mejorar la etimació e la eguda ocaió. E eta codicioe, ha ido etudiada la etimació de parámetro poblacioale, tale como la media o la razó (Jee, 9; Pattero, 950; García Luego, 00; García Luego Arté, 00. De ua forma imilar, e razoable upoer que eta técica de etimació e puede utilizar, bajo la codicioe adecuada, para proporcioar etimadore eficiete de la variaza. E ete trabajo, bajo u dieño de muetreo e do ocaioe, etimamo la variaza poblacioal mediate u etimador lieal iegado. Determiado lo valore que miimiza la variaza de ete etimador, obteemo el etimador de la variaza, juto co la epreió de u variaza la fracció óptima que debe apareare. e obtiee la curva que da la gaacia e preciió del etimador propueto obre el etimador imple que o utiliza la iformació obre la primera ocaió. i embargo, utilizado la proporció óptima de apareamieto, obteida al etimar la media poblacioal, e la epreió de la variaza del etimador propueto, la pérdida e preciió para dicho etimador de la variaza poblacioal e depreciable. Eto ugiere que el problema de la etimació de la variaza poblacioal puede er imultáeamete coiderado co la etimació de la media poblacioal. Etimació de la variaza poblacioal e la eguda ocaió. Etimador lieal Coideremo ua població fiita U {U,..., U } de uidade. upogamo que e etrae ua muetra aleatoria imple (upoiedo grade el tamaño de la població para poder precidir del factor de correcció por fiitud o ua muetra aleatoria co reemplazo. ea el tamaño de la població, de la que e etrae e la primera ocaió ua muetra aleatoria imple de tamaño. ea ua muetra aleatoria imple de tamaño m p (muetra apareada ubmuetreada de la uidade, que e retiee para la eguda ocaió. Ademá, ea ua muetra aleatoria imple de tamaño u q tomada e la eguda ocaió del uivero - m que queda depué de omitir la m uidade.

3 Etimació de la variaza poblacioal e el muetreo e ocaioe uceiva. ea X, Y la media poblacioale e la primera eguda ocaió, X i ; i Y i ea, la media muetrale e la primera eguda ocaió, eaσ ea, σ, i ; i i la variaza poblacioale e la primera eguda ocaió, σ i i ( X ; σ ( Y i i la variaza muetrale e la primera eguda ocaió, El parámetro de iteré e dode ( m m i ( ; ( i i i σ. Propoemo el iguiete etimador lieal de a + b + c + d u m m i u i, σ :, la variaza muetrale e la primera (eguda ocaió correpodiete a la uidade que o comue e la do ocaioe (apareada. ( u u, la variaza muetrale e la primera (eguda ocaió correpodiete a la uidade o apareada. Teiedo e cueta que la variaza muetrale o etimadore iegado de la variaza poblacioal para cada ocaió, E E ( E( σ u m ( E( σ u m

4 A.V. García, E.M. Arté e I. Oña e tiee que E( ( a + b σ + ( c + d σ Para que ea u etimador iegado de σ debe er luego a + b 0 c + d a b d c Por lo tato La variaza de V e ( + c + ( c a u m m u ( + a β ( c [ ] + [ β( ]+ q p p ( c ac + θ q p [ β ( ] ( ( Dode e u primer grado de aproimació (véae edall tuart, 977: V ( [ β ( ]; V ( β ( [ ] iedo Cov (, ( θ co σ ( X σ σ i i i Y i co σ ( β 0 ( ; β ( 0 r 0 ; 0 r ( Y ( X j j θ 0 0

5 Etimació de la variaza poblacioal e el muetreo e ocaioe uceiva. 3 Lo valore óptimo de a c, que miimiza la variaza, o: a opt dode [ β ( ][ β ( ] c opt [ β( ] pq( θ q ( θ p q ( θ Etoce, la epreió para el etimador de la variaza e la eguda ocaió viee dada por: [ β( ] pq( θ p ( + + u m m q θ q θ ( q[ q( θ ] + q ( θ u ( i lo valore de a opt c opt e utitue e (, obteemo la iguiete epreió para la variaza del etimador ( θ ( [ ( ] ( q q θ V [ ( ] β β (3 q ( θ ( θ q i igualamo a cero la derivada de V ( repecto de q, ecotraremo, para ua determiada muetra de tamaño, el valor de q que hace míima la variaza. Por tato, teemo que la fracció óptima de reemplazamieto e ( q opt ( θ ( θ, por tato, la fracció óptima de la muetra total que debe apareare e la parte comú e p opt + ( θ ( θ Cuado el óptimo de q e utitue e (3 e obtiee el valor míimo de la variaza del etimador V mí ( β ( ( θ + [ ] (

6 A.V. García, E.M. Arté e I. Oña Por otra parte, i ólo e coidera la iformació proporcioada por la eguda ocaió, la variaza del etimador ería V ( ( β mí [ ] Comprobamo que el etimador V ( e má precio que el etimador ( comparado u repectiva variaza V mí ( V ( + β ( ( θ 0 V, Cao particulare del etimador de la variaza poblacioal e la eguda ocaió. i p 0 o eite parte comú erá q -. El etimador de la variaza dado ( e covertirá e ( θ u u ( θ la variaza del etimador erá ( [ ( ] ( θ V β [ β( ] θ ( que coicide co la variaza de la variaza muetral.. i p q 0 el apareamieto de la muetra e completo. El etimador de la variaza dado ( quedará de la forma 0 u la variaza del etimador erá V ( [ β( ] que coicide co la variaza de la variaza muetral. 3. i la epreió del etimador ( reulta algo implificada [ β( ] pq( θ q ( θ ( u m p + q ( θ m q + [ q( θ ] q ( θ u

7 Etimació de la variaza poblacioal e el muetreo e ocaioe uceiva. 5 pero u variaza o eperimeta alteració, pue eguirá iedo q ( [ ( ] ( θ V β q ( θ. U etimador de la variaza poblacioal de la primera ocaió e obtiee de la fórmula ( cambiado lo valore de la ocaioe por la la por la, obteiedo [ β( ] pq( θ q ( θ ( u m p + q ( θ m q + [ q( θ ] q ( θ Ete etimador podría utilizare i e puede eperar el tiempo eceario hata que e dipoga de lo dato de amba ocaioe. La variaza del etimador e obtedría cambiado por q ( [ ( ] ( θ V β q ( θ Gaacia e preciió A cotiuació obteemo la gaacia e preciió del etimador,, que utiliza iformació obre la ocaió actual, obre el etimador de la variaza, que ólo utiliza iformació obre la ocaió actual. V G ( V ( V ( p ( p( θ ( p( θ u erá poitiva i [ β ( β ( ] (,, > Por defiició p. i p (apareamieto total ó p 0 (reemplazamo toda la muetra, la gaacia vale cero. Para cualquier otro valor de p obtedremo ua gaacia poitiva iempre que e verifique ( θ 0 dode θ β, β ( β ( ( β ( 0 0

8 6 A.V. García, E.M. Arté e I. Oña θ ρ ( ( β, β iedo ρ el coeficiete de correlació etre. j Y j X ρ j Y j ( ( r ( ( X θ - erá poitiva i ρ > β (, β( i coideramo el valor míimo de la variaza del etimador, la gaacia e ete cao e V ( ( Vmi ( θ Gopt (5 Vmi ( + θ ( La figura el cuadro idica el porcetaje de gaacia e preciió para ditito valore de ρ β (, β ( obteido al utituir e la epreió: + ( θ ( θ 00 Figura a: fracció óptima de apareamieto e fució de ρ β (, β (.

9 Etimació de la variaza poblacioal e el muetreo e ocaioe uceiva. 7 ρ 0, 0, 0,3 0, 0,5 0,6 0,7 0,8 0,9 Cuadro : porcetaje de gaacia e preciió, G opt, e fució de ρ β (, β (. β (, β (,,3, 3,3 3,, 0,650 0,58 0,535 0,563 0,509 0,505 5,0000 8,3690,698 3,658,86,005 0,5556 0,57 0,508 0,505 0,500 0,5006, 3,83,63,005 0,3963 0, 0,58 0,505 0,500 0,5003 0,5000 0,5006,356 0,896 0,99 0,066 0,006 0, 0,505 0,5000 0,5007 0,503 0,503 0,505,005 0,005 0, 0,553 0,675,005 0,5000 0,503 0,507 0,508 0,57 0,57 0,0000 0,6395,7,633,3386,937 0,505 0,56 0,5 0,58 0,569 0,5307,005,9,,356 5,388 6,37 0,58 0,5368 0,58 0,59 0,55 0,5556,356 7,3579 9,6 8,980 0,899, 0,5556 0,5765 0,5937 0,583 0,595 0,5953, 5,30 8,730 6,676 8,98 0,650 0,656 0,6890 0,6550 0,6655 5,0000 3,365 37,80 30,99 33,06 E cailla: valor de q, e curiva, gaacia. 9,0569 0,667 33,33 Figura b: gaacia e preciió e fució de ρ β (, β (.

10 8 A.V. García, E.M. Arté e I. Oña Figura a: fracció óptima de apareamieto e fució de ρ β (3, β (3. Figura b: gaacia e preciió e fució de ρ β (3, β (3. abemo que e el cao de etimar la media poblacioal, el valor óptimo de q e ' q opt + ρ dode ρ e el coeficiete de correlació etre. utituedo ete valor e (3 obteemo la epreió

11 Etimació de la variaza poblacioal e el muetreo e ocaioe uceiva. 9 V upoiedo que preciió de V ( θ [ β ( ]( + ρ + ρ ( ρ k + k ρ ( θ ρ ρ, el cuadro idica el tato por cieto de la pérdida e V, obteido a partir de la epreió obre ( k + k k G ' k ( θ ( ρ + k ρ ( θ ( θ + ρ + ρ 00 Como obervamo, el porcetaje de pérdida e preciió e depreciable para lo valore de ρ β (, β (. Eto ugiere que el problema de la etimació de la variaza poblacioal puede er imultáeamete coiderado co la etimació de la media poblacioal. ρ ' q opt Cuadro : porcetaje de pérdida e preciió, G, para ditito valore de ρ β (, β (. β (, β (,,3, 3,3 3,, 0, 0,50 -,53-0,0506-0,0089-0,009-0,0005-0,000 0, 0,505-0,008-0,000-0,000 0,0000 0,0000 0,0000 0,3 0,5-0,007-0,000-0,000 0,0000 0,0000 0,0000 0, 0,5-0,00 0,0000-0,0003-0,000-0,0009-0,00 0,5 0,536 0,0000-0,007-0,007-0,009-0,005-0,005 0,6 0,556-0,003-0,09-0,009-0,09-0,069-0,05 0,7 0,583-0,06-0,0607-0,08-0,099-0,0390-0,037 0,8 0,65-0,06-0,38-0,0658-0,08-0,0738-0,060 0,9 0,696-0,73-0,80-0,007-0,908-0,8-0,0 Preciió e cao de ormalidad i lo mometo de la ditribució (, o lo mimo de ua ormal bivariate hata el orde cuatro, e tiee θ + ρ ; β ( 3 0

12 0 A.V. García, E.M. Arté e I. Oña E ete cao, la fracció óptima de apareamieto la gaacia e preciió tiee la iguiete epreió, evaluado e el cuadro 3 figura 3. Cuadro 3: porcetaje de la fracció óptima de apareamieto la gaacia e preciió para ditito valore de ρ. ρ % óptimo % de gaacia óptima para p /3 para p ¼ % de gaacia % de gaacia apareado 0,5 9,6,, 0,6 8 3,5 3,,7 0,7 6 6,9 6,3 5,5 0,8 3 7,3,5, 0,9 37 6, 5,9, 0, ,8 39,6 39,, ,6 75,0 i la fracció de apareamieto toma lo valore /3 /, la gaacia e preciió tiee eta epreioe, evaluado e el cuadro 3 al figura. G 8 ρ 9 ; 8 ρ 3 p / 3 Gp / 3 ρ ; 3ρ Figura 3a: fracció óptima de apareamieto e fució de ρ.

13 Etimació de la variaza poblacioal e el muetreo e ocaioe uceiva. ótee que i ha ormalidad ambo etimadore o igual de precio e cao de idepedecia de la variable, pueto que V Figura 3b: gaacia e preciió e fució de ρ. ( V ( + ρ 0 mi Figura a: gaacia e preciió e fució de ρ, para p /3.

14 A.V. García, E.M. Arté e I. Oña Figura b: gaacia e preciió e fució de ρ, para p /. Referecia Arté, E.M. García Luego, A.V. (00 Etimatio of curret populatio ratio i ucceive amplig. Joural of the Idia ociet of Agricultural tatitic, 5 ( García Luego, A.V. (00 Mejora de etimadore e muetreo e ocaioe uceiva. ervicio de Publicacioe de la Uiveridad de Almería. García Luego, A.V. Arté, E.M. (00 Aportacioe al muetre uceivo: etimador combiado de la razó poblacioal tipo razó-producto. Revita Colombiaa de Etadítica, 5 ( Jee, R.J. (9 tatitical Ivetigatio of a ample urve for Obtaiig Farm Fact. Iowa Agricultural Eperimet tatitical Reearch Bulleti, 30. edall, M. tuart, A. (977 The Advaced Theor of tatitic, vol.. Lodo: Griffi. Pattero, H.D. (950 amplig o ucceive Occaio with Partial Replacemet of Uit. Joural of the Roal tatitical ociet, B, -55. rivatava harma (00 O the Etimatio of Populatio Variace i Repeat urve. Joural of the Idia ociet of Agricultural tatitic, 5 (

Intervalos de Confianza para la diferencia de medias

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

Más detalles

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

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

Más detalles

DISTRIBUCIÓN BIDIMENSIONAL

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

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Capítulo III DITRIBUCIOE BIDIMEIOALE 3 Itroducció Etudiaremo do caracterítica de u mimo elemeto de la població (altura peo, do aigatura, logitud latitud) De forma geeral, i e etudia obre ua mima població

Más detalles

DESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA

DESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA JRCICIO D INFRNCIA OBR CON σ² DCONOCIDA INFRNCIA OBR CON σ DCONOCIDA Ditribució de la media muetral Mucha vece deeamo realizar iferecia acerca de la de ua població pero o cotamo co la variaza poblacioal

Más detalles

Contraste sobre la media de una distribución Normal de varianza conocida

Contraste sobre la media de una distribución Normal de varianza conocida Cotrate de hipótei etadítica E la primera parte de la iferecia etadítica e ha abordado el problema de la etimació de parámetro, e ella e ha vito cómo cotruir etimadore de parámetro poblacioale, e ha iitido

Más detalles

t-student y F-Snedecor

t-student y F-Snedecor t-studet y F-Sedecor Itroducció La prueba t-studet e utiliza para cotratar hipótei obre media e poblacioe co ditribució ormal. Tambié proporcioa reultado aproimado para lo cotrate de media e muetra uficietemete

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

Contraste de hipótesis

Contraste de hipótesis Capítulo 6 Cotrate de hipótei Termiamo eta itruió e la iferecia etadítica co ete tercer método. Co frecuecia, el problema plateado o e implemete la etimació de u parámetro, io el dieño de ua regla de deciió

Más detalles

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

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

Más detalles

Salazar Rosales Leandro

Salazar Rosales Leandro Etadítica para la Admiitració Tarea: Itervalo de Cofiaza INTERVALO DE CONFIANZA Itervalo de Cofiaza: Rago de valore ituado alrededor del parámetro muetral etre lo cuale e ituará el parámetro poblacioal

Más detalles

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año: COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a

Más detalles

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL Alejadro Quiroz Zárate & Erique Villa Diharce Comuicació Técica No I-06-3/28-08-2006 (CC/CIMAT) Determiació del

Más detalles

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

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

Más detalles

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

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

Más detalles

Prueba A = , = [ 7.853, 8.147]

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

Más detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

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

Más detalles

Herramientas estadísticas (HE)

Herramientas estadísticas (HE) Herramieta etadítica (HE) Realizado por: Guillermo Sáchez. Actualizado: 1-0-19 E ete documeto e decribe la herramieta etáditica (HE web) dipoible para realizar calculo etaditico dede la web de ENUSA o

Más detalles

Capítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones

Capítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones apítulo 7. Simetría Molecular ) Elemeto y operacioe de imetría.) Defiicioe Se puede obteer mucha iformació cualitativa de la fucioe de oda y propiedade moleculare (epectro, actividad óptica, ) a partir

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de

Más detalles

Máquinas Eléctricas I - G862

Máquinas Eléctricas I - G862 Máquia Eléctrica I - G86 Tema 3. Máquia Aícroa o de Iducció. Problema reuelto Miguel Ágel Rodríguez Pozueta Departameto de Igeiería Eléctrica y Eergé5ca Ete tema e publica bajo Licecia: Crea5ve Commo BY-

Más detalles

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

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

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

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

Más detalles

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

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

Más detalles

Implementación y diseño de mecanismos

Implementación y diseño de mecanismos Implemetació y dieño de mecaimo Ua de iño cuarteado E el capítulo 3 del Libro de lo Reye del Atiguo Tetameto e relata el coocido como Juicio del Rey Salomó. Do protituta e preeta ate el rey. Ua de ella

Más detalles

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule

Más detalles

Se plantean una serie de cuestiones y ejercicios resueltos relacionados con la cinética de las reacciones químicas.

Se plantean una serie de cuestiones y ejercicios resueltos relacionados con la cinética de las reacciones químicas. ESUEL UNIVERSIRI DE INGENIERÍ ÉNI INDUSRIL UNIVERSIDD POLIÉNI DE MDRID Roda de Valecia, 3 80 Madrid www.euiti.upm.es sigatura: Igeiería de la Reacció Química Se platea ua serie de cuestioes y ejercicios

Más detalles

Comparación de dos Muestras

Comparación de dos Muestras STATGRAPHICS Rev. 4/5/007 Comparació de do Muetra Reume El procedimieto de Comparació de do Muetra etá dieñado para comparar do muetra idepediete de dato de variable. La prueba o corrida para determiar

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

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

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

Más detalles

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! Ete documeto e de ditriució gratuita llega gracia a Ciecia Matemática www.cieciamatematica.com El maor portal de recuro educativo a tu ervicio! Itituto Tecológico de Apizaco Departameto de Ciecia Báica

Más detalles

EJERCICIOS RESUELTOS. t +

EJERCICIOS RESUELTOS. t + BXX5744_07 /6/09 4: Págia 49 EJERCICIOS RESUELTOS Calcula la tasa de variació media de la fució f() = + e los itervalos [, 0] y [0, ], aalizado el resultado obteido y la relació co la fució. La fució f()

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

Como se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación.

Como se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación. Uiversidad Técica Federico Sata María Departameto de Matemática Reato Allede Olivares 7. QUINTO MÓDULO 7. Iferecia Estadística Como se ha podido apreciar e los módulos ateriores, La estadística trata co

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

Qué es la estadística?

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

Más detalles

FORMULARIO DE ESTADÍSTICA

FORMULARIO DE ESTADÍSTICA Reúmee de Matemática paa Bachilleato I.E.S. Ramó Gialdo FORMULARIO DE ESTADÍSTICA Cocepto báico Població: cojuto de todo lo elemeto objeto de ueto etudio Mueta: ubcojuto, extaído de la població,(mediate

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx .7 Ecuacioes difereciales lieales de orde superior 6.7 Ecuacioes difereciales lieales de orde superior Ua ecuació diferecial lieal de orde superior geeral tedría la forma d y d y dy a( ) a ( )... a ( )

Más detalles

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

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

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

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

Más detalles

Muestreo Estratificado.

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

Más detalles

TEMA 1 : NOCIONES GENERALES SOBRE MUESTREO ESTADÍSTICO

TEMA 1 : NOCIONES GENERALES SOBRE MUESTREO ESTADÍSTICO TEMA 1 : NOCIONES GENERALES SOBRE MUESTREO ESTADÍSTICO * Objetivo del Muetreo Etadítico: etudio de lo método para la obteció de ubcojuto repreetativo de la població. Neceidad e importacia. * Cocepto báico:

Más detalles

PRACTICA 6: SISTEMA DE SEGUIMIENTO. CONTROL DE POSICIÓN.

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

Más detalles

Medidas de Tendencia Central

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

Más detalles

MACROECONOMÍA III EL MODELO DE SOLOW

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

Más detalles

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

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

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

Límite y Continuidad de Funciones.

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

Más detalles

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza. FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase

Más detalles

2.- Estudio Poblacional y Muestral Univariante

2.- Estudio Poblacional y Muestral Univariante .- Estudio Poblacioal y Muestral Uivariate Població: Colectivo de persoas o elemetos co ua característica comú, objeto de estudio. Imposibilidad de estudio de esta característica e toda la població - Coste

Más detalles

ESTADISTICA II Guía de Estudio Corte #1 Prof. Mariugenia Rincón ESTIMACIÓN DE PARÁMETROS

ESTADISTICA II Guía de Estudio Corte #1 Prof. Mariugenia Rincón ESTIMACIÓN DE PARÁMETROS ESTADISTICA II Guía de Etudio Corte # Prof. Mariugeia Ricó ESTIMACIÓN DE PARÁMETROS Etadítica.- Ua etadítica e cualquier fució de la variable aleatoria que e obervaro e la muetra de maera que eta fució

Más detalles

Departamento Administrativo Nacional de Estadística

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

Más detalles

Ejercicios de intervalos de confianza en las PAAU

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

Más detalles

Aplicaciones del cálculo integral vectorial a la física

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

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

PRUEBAS DE HIPOTESIS

PRUEBAS DE HIPOTESIS PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Significado de la media y desviación estándar poblacional

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

Más detalles

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

Más detalles

Introducción al Método de Fourier. Grupo

Introducción al Método de Fourier. Grupo Itroducció al Método de Fourier. Grupo 536. 14-1-211 Problema 1.) Ua cuerda elástica co ρ, y logitud L coocidos, tiee el extremo de la izquierda libre y el de la derecha sujeto a u muelle de costate elástica

Más detalles

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS Diapoitiva. Cocepto y caracterítica de lo activo fiaciero 2. Reta variable, tipo y criterio de valoració 3. Reta fija, tipo y criterio de valoració 4. Duratió y covexidad de u activo fiaciero de reta fija

Más detalles

INFERENCIA, ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS

INFERENCIA, ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS 4 INFERENCIA, ESTIMACIÓN Y CONTRASTE DE IÓTESIS - INTRODUCCIÓN La Etadítica decriptiva y la teoría de la robabilidad va a er lo pilare de u uevo procedimieto (Etadítica Iferecial) co lo que e va a etudiar

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Sitem de Ecucioe Liele http://pi-tgor.ep.t SISTEMS DE ECUCIONES LINELES Etudir u Sitem de Ecucioe Liele S.E.L. e repoder l pregut: tiee olució?. i e í,, cuát tiee cuále o?. l vit de et pregut de l mim

Más detalles

OPCIÓN A EJERCICIO 1_A 1 0 2

OPCIÓN A EJERCICIO 1_A 1 0 2 IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz

Más detalles

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

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

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede

Más detalles

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior

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

Más detalles

Teorema del Muestreo

Teorema del Muestreo Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7

( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7 LÍMITES DE FUNCIONES POLINÓMICAS Límites de ua fució costate f k, k El límite de ua fució costate es la misma costate f k f k k k a a Límites de la fució idetidad I I a a a I I Límites e u puto fiito.

Más detalles

Números naturales, enteros y racionales

Números naturales, enteros y racionales Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles

Estimación puntual y por intervalos de confianza

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

Más detalles

(3.b) MODELOS EXPONENCIALES de COLAS

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

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos

Más detalles

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007 CÁLCULO Ejercicios Resueltos Semaa 0 Julio al Agosto 007 Ejercicios Resueltos. Estime el área ecerrada por la curva de ecuació y, el eje X y, para ello, divida el itervalo [0,] e cico partes iguales, y

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemática Fiaciera Fracico Pérez Herádez Departameto de Fiaciació e Ivetigació de la Uiveridad Autóoma de Madrid Objetivo del curo: Profudizar e lo fudameto del cálculo fiaciero, eceario para u aplicació

Más detalles

Estadística Descriptiva

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

Más detalles

PROPAGACIÓN RECTILÍNEA DE LA LUZ. FORMACIÓN DE IMÁGENES POR REFLEXIÓN Y REFRACCIÓN

PROPAGACIÓN RECTILÍNEA DE LA LUZ. FORMACIÓN DE IMÁGENES POR REFLEXIÓN Y REFRACCIÓN PROPAGACIÓN RECTILÍNEA DE LA LUZ. FORMACIÓN DE IMÁGENES POR REFLEXIÓN Y REFRACCIÓN Cocepto previo coveio de igo Si la luz olar peetra por ua pequeña abertura e u local ocuro, la partícula de polvo ilumiada

Más detalles

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z < Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE

IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE Determiació de la fució de trasferecia de lazo abierto de u sistema a partir de la curva asitótica de magitud del Diagrama de Bode.

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

Escena 5 Planificación contra stock

Escena 5 Planificación contra stock Método de Plaificació propuesto 67 Escea 5 Plaificació cotra stock Ua vez coocidos los protagoistas la escea busca ordear los pedidos de la forma más eficiete, respetado los requisitos del cliete. Es e

Más detalles

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5 Aexo Calculadora La proliferació de las calculadoras e la vida cotidiaa obliga a profesores y padres a replatearse su uso. Los profesores debemos eseñar a los alumos su utilizació. Pero será los profesores

Más detalles

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación. Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete

Más detalles