FUNCIONES ALEATORIAS
|
|
- José Manuel Nieto Martínez
- hace 6 años
- Vistas:
Transcripción
1 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode es u elemeto del espaco muestral. S la varable aleatora es a su vez fucó de otra magtud (por ejemplo, el tempo) etoces se llama PROCESO ESTOCASTICO. Más formalmete, u proceso estocástco es ua fucó de dos varables t y. X(t,) t T y Dode T es u cojuto de parámetros ídce (cotuos o dscretos) y es el espaco muestral. Hay cuatro posbldades para X(.,. ): 1) Para cualquer t, X(t,) es ua fucó aleatora. 2) Para t varado y fja, X(t, ) es ua fucó del tempo o realzacó. 3) Para varado y t fja, t t X(t,) es ua fucó varable aleatora. 4) Para t y fjas, y t t X(t,) es u úmero. E la práctca hay magtudes aleatoras que varía sus valores e el proceso del expermeto. La magtud aleatora que camba su valor e el proceso de ua prueba represeta ua fucó aleatora. Se puede dar la sguete defcó geeral: Se llama fucó aleatora a aquella cuyo valor, para cada valor del argumeto (o de los argumetos) es ua varable aleatora. Cada fucó cocreta que puede se regstrada durate ua sola observacó de la fucó aleatora se llama realzacó de la msma. S se repte las pruebas se obtee dferetes realzacoes de la fucó aleatora. NOMENCLATURA Las fucoes aleatoras se dcará co letras latas mayúsculas (geeralmete últmas letras del alfabeto). Las realzacoes, co las músculas correspodetes. Co t se desgará el argumeto de la fucó aleatora. Es posble represetar gráfcamete u cojuto de realzacoes, pero o ua fucó aleatora. Los argumetos de las fucoes aleatoras puede varar terrumpdamete e certa zoa o de u modo dscreto. Los valores de la fucó aleatora de u argumeto dscreto tee ua secueca de magtudes aleatoras llamadas secueca aleatora. La fucó aleatora se puede cosderar como el cojuto de magtudes aleatoras X t que represeta los valores de la msma para dferetes valores de t: X t X( t ) ( < t < ) Cátedra Estadístca II 1
2 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya Esto quere decr que la fucó aleatora es equvalete a u cojuto fto de varables aleatoras. De acuerdo a la defcó el valor de ua fucó aleatora escalar, para cualquer valor fjado del argumeto t, es ua magtud aleatora correte. Se sabe que cualquer magtud aleatora se caracterza por completo por su ley de dstrbucó. Por lo tato, la característca completa del valor de la fucó de la fucó aleatora X(t), para cualquer valor fjado de t, es la desdad de probabldad de este valor, que se desga por f1(x;t). Aquí, el prmer argumeto x desga el valor posble de la fucó aleatora X(t) para u valor fjo de t. El segudo argumeto t srve de parámetro, del cual depede la desdad de probabldad f1(x;t). La desdad udmesoal de probabldad f1(x;t). o es sufcete, e el caso geeral, para ua característca completa de la fucó aleatora. Dcha desdad puede caracterzar solamete a cualquer ordeada, tomada por aslada, de ua fucó aleatora. E la práctca, cuado se puede desear hallar dervadas o tegrales de fucoes aleatoras, es ecesaro examar valores próxmos de la fucó (dervada) o muchos valores para u úmero grade de valores de t (tegral). Durate la dervacó es ecesaro examar las ordeadas de ua fucó aleatora o por aslado, so cojutamete. De acuerdo co lo expuesto se fja dos valores del argumeto t: t1 y t2. Los valores X(t1) y X(t2) de la fucó aleatora correspodetes a los valores mecoados del argumeto, puede caracterzarse por la desdad cojuta de probabldad f2(x1,x2;t1,t2) que se llama desdad bdmesoal de probabldad de la fucó aleatora X(t). E los problemas práctcos se ecuetra co mayor frecueca fucoes aleatoras del tempo, s embargo, se tee també que operar també co fucoes aleatoras de otros argumetos. De acuerdo a los coceptos de desdad bvarada, la desdad uvarada queda defda por la bvarada: f1( x1, t1) f2( x1, x2, t1, t2 ) dx2 La desdad bdmesoal de probabldad de ua fucó aleatora represeta ua característca más completa de la msma que la udmesoal, puesto que por la desdad bdmesoal se puede determar la udmesoal. Pero tampoco la bdmesoal es completa. Se puede segur razoado del msmo modo hasta dmesoes. De modo que cada desdad de dstrbucó posteror es ua característca más completa de la fucó aleatora que todas las desdades aterores. Para el caso de la fucó aleatora ormalmete dstrbuda toda la secueca fta de desdades de probabldad se determa por completo s se cooce la desdad bdmesoal de probabldad. Cátedra Estadístca II 2
3 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya La característca de probabldad completa de de ua magtud aleatora resulta ser muy compleja. E la práctca se smplfca el trabajo, sedo ecesaro coocer los mometos de prmero y segudo orde. ESPERANZA MATEMATICA DE UNA FUNCION ALEATORIA Fíjese el valor de t y examíese el valor de la fucó aleatora (para este valor del argumeto) como ua magtud aleatora correte. Para esta magtud aleatora se puede determar la esperaza matemátca, que hablado e geeral, depederá del valor elegdo de t. Dado a t todos los valores posbles, se obtedrá certa fucó m x (t) a la cual es atural llamarla Esperaza matemátca de la fucó aleatora X(t). m x (t) = M [ X(t) ] La esperaza matemátca de la fucó aleatora se puede expresar por su desdad udmesoal de probabldad: m x ( t) x. f1( x, t) dx Segú la defcó, la esperaza matemátca represeta el valor medo (pesado e cuato a probabldad) de la magtud aleatora. Por lo tato, para cada valor dado de t, la ordeada de la curva m x (t) represeta el valor medo de la fucó aleatora X(t) para este valor de t. Así, pues, la esperaza matemátca de la fucó aleatora o es más que ua curva meda alrededor de la cual se dspoe las realzacoes posbles de la fucó aleatora. Ejemplo: Se dspoe de ua fucó aleatora dada por la sguete expresó: X., U s t U S U es u vector de elemetos aleatoros tal como el que surge de rd(1) valores equprobables etre 0 y ídce que dcará realzacó U rd( 1) Vector de elemetos aleatoros La fucó aleatora será u cojuto de susodes co ampltud y frecueca aleatoras ídce que dca valores detro de ua realzacó t. 4 vector de valores de tempo para evaluar X., U s. t. 180 U U La expresó ateror correspode a ua matrz cuyas flas so realzacoes de la fucó aleatora. Cátedra Estadístca II 3
4 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya Calculado las medas de las realzacoes e cada uo de los putos de defcó, se ecuetra la meda de la fucó aleatora. El vector M cotee las medas e cada puto cosderado de la fucó aleatora M mea X < > DISPERSION DE UNA FUNCION ALEATORIA Es evdete que al cosderar solamete la esperaza matemátca de la fucó aleatora, se despreca todas las desvacoes aleatoras posbles, reducedo a la meda todo el haz de realzacoes posbles de la fucó aleatora. Importa també las desvacoes aleatoras respecto de estos valores medos. Coforme a esto, para caracterzar la fluctuacó de las realzacoes de ua fucó e toro a su esperaza matemátca, se puede aprovechar la dspersó de dcha fucó, la cual por defcó, va expresada por la desdad udmesoal de probabldad de la fucó aleatora por la fórmula: D x (t) = M { [ X(t) - m x (t) ] 2 }} = M { [ X 0 (t) ] 2 }} D x ( t) x m x ( t) 2. f1( x, t ) dx Cátedra Estadístca II 4
5 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya E problemas práctcos a veces es coveete examar la desvacó stadard de la fucó aleatora. ( t) D x ( t) La esperaza matemátca y la dspersó (varaza) de la magtud aleatora so característcas umércas de sus valores para cada valor dado del argumeto t. Ellas e certo modo determa la bada que se llea, por las realzacoes posbles de la fucó aleatora. Ejemplo: Cotuado co la fucó ateror, se puede hallar la desvacó stadard puto por puto: S stdev X < > el vector S cotee las desvacoes stadard e cada puto cosderado de la fucó aleatora FUNCION DE CORRELACION DE UNA FUNCION ALEATORIA A pesar de lo expresado aterormete, la esperaza matemátca y la dspersó o determa la coducta de las realzacoes posbles de la fucó aleatora detro de la bada dcada. E las sguetes fguras se represeta las realzacoes de dos fucoes aleatoras co guales esperazas matemátcas y dspersoes. S embargo, estas se comporta de u modo completamete dferete. Es obvo que al dervar, por ejemplo, estas dos fucoes aleatoras se obtedrá resultados absolutamete dferetes. Por eso, además de la esperaza matemátca y de la dspersó de la magtud aleatora, se ecesta coocer el grado de varabldad de sus realzacoes, la rapdez de cambo de las msmas al varar el argumeto t. A título de ejemplo, se toma dos valores t1 y t2 del argumeto t e los dos gráfcos y se separa ua realzacó de la fucó aleatora de cada gráfco. E el prmer caso, el coocmeto de la ordeada de la realzacó e el puto t1 habla poco del valor de esta realzacó e el puto t2, como resultado de ua gra tesdad de varacó de todas las realzacoes de la fucó aleatora etre los putos t1 y t2. Cátedra Estadístca II 5
6 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya E el segudo gráfco, el coocmeto del valor de la realzacó e t = t1 permte dcar más exactamete el valor posble de la realzacó cuado t = t2. E otras palabras, e el segudo caso el coocer el valor de la realzacó e el puto t = t1 práctcamete lmta de modo cosderable la gama posble de valores de las realzacoes e el puto t = t2.e el prmer caso, los valores de las realzacoes posbles de la fucó aleatora X(t1) y X(t2) e los putos t1 y t2 depede poco uo de otro. E el segudo caso, estos está elazados por ua depedeca más fuerte. Para lustrar gráfcamete esta tess, se lleva al eje x1 los valores de la ordeada aleatora X(t1) y al eje x2 los valores de la ordeada aleatora X(t2). Se toma ua gra catdad de realzacoes y se marca los putos [X(t1),X(t2)]. Para las realzacoes de la fucó aleatora, represetadas e la prmera fgura ateror, las magtudes aleatoras X(t1) y X(t2) está vculadas déblmete. Por eso la dspersó de los putos [X(t1),X(t2)] e el plao x1-x2 es e este caso aproxmadamete crcular. Para las realzacoes de la fucó aleatora, represetadas e la seguda fgura, las magtudes aleatoras X(t1) y X(t2) está elazadas por ua depedeca fuerte. Por eso, para la fucó aleatora cuyas realzacoes se está cosderado, los putos posbles [X(t1),X(t2)] se dspodrá e el plao x1-x2 formado ua elpse alargada. Ejemplo: Para ua fucó aleatora como la sguete: Cátedra Estadístca II 6
7 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya X, rd( 1 ).5 Para caracterzar el grado de depedeca de los valores de ua fucó aleatora correspodetes a dos valores dferetes del argumeto, lo más smple es valerse del mometo de correlacó de estos valores de la fucó aleatora. Se llama Fucó Aleatora Cetrada a la dfereca etre la fucó aleatora y su esperaza matemátca: X 0 ( t ) = X ( t ) - m x ( t ) Etoces, el mometo de correlacó de los valores X(t) y X(t') de la fucó aleatora X(t), que correspode a dos valores arbtraros elegdos del argumeto t, t', se determará por la fórmula: x ( t, t' ) = E [ X 0 ( t ). X 0 ( t' )] dado a t y t' todos los valores posbles e la zoa de varacó del argumeto de la fucó aleatora X ( t ), se obtee la fucó de dos varables t y t' que se deoma Fucó Correlatva (a veces Autocorrelatva) de la fucó aleatora X ( t ). Así pues, se llama fucó correlatva de la fucó aleatora X ( t ) al mometo de correlacó de sus valores para dos valores del argumeto t, t', cosderado como ua fucó de t y t'. Al cocdr los valores de los argumetos t = t', el segudo membro de la fórmula ateror represeta la esperaza matemátca del cuadrado de la fucó aleatora cetrada, es decr, la dspersó de la fucó aleatora X(t). ( t, t) D x ( t ) Así, la asgacó de la fucó correlatva de ua fucó aleatora determa també su dspersó. E el caso más geeral de todos, para calcular la fucó correlatva de ua fucó aleatora se debe coocer la desdad bdmesoal de probabldad: x ( t, t ) x m.. x ( t) x m x ( t ) f2( x, x, t, t ) dx dx De esta fórmula y de otra ateror [para calcular m x (t)] se ve que para calcular ambas fucoes se ecesta coocer la desdad bdmesoal (y por cosguete la udmesoal) de probabldad. S embargo, e muchos problemas práctcos se puede calcular m x (t) y x (t,t') empleado métodos más smples. A veces, para caracterzar el elace etre los valores de ua magtud aleatora, e vez de la fucó correlatva, se usa la Fucó Correlatva Normada que represeta el coefcete de correlacó de los valores de la fucó aleatora para dos valores del argumeto. La fucó correlatva ormada de ua fucó aleatora ormada de ua fucó aleatora X(t) se determa por la fórmula: Cátedra Estadístca II 7
8 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya R x ( t, t ) x ( t, t ) D x ( t). D x ( t ) x ( t, t ) x ( t, t). x ( t, t ) E lo sucesvo se ecestará examar todavía el mometo cal de segudo orde de ua fucó aleatora, el cual se determa como el mometo cal mxto de segudo orde de sus valores para los valores arbtraramete elegdos t, t' de su argumeto. x ( t, t ) M( X( t). X( t )) x ( t, t ) m. x ( t) m x ( t ) De acuerdo co la defcó del mometo de correlacó de las magtudes aleatoras complejas, la fucó correlatva de ua fucó aleatora compleja X(t) se determa por: x ( t, t' ) = M [ X0 ( t ). X 0 ( t' )* ] Dode X 0 ( t' )* es el cojugado de X 0 ( t' ). PROPIEDADES DE LAS ESPERANZAS MATEMATICAS 1) La esperaza matemátca de cualquer magtud o aleatora es gual a la propa magtud: M( c) c 2) La esperaza matemátca del producto de ua magtud o aleatora por ua aleatora es gual al producto de la prmera magtud por la esperaza matemátca de la seguda. M( c. Z ) c. M( Z ) 3) La esperaza matemátca de la suma de dos magtudes aleatoras es gual a la suma de sus esperazas matemátcas. M( Z Y) M( Z) M( Y ) 4) La esperaza matemátca de ua fucó leal de varables aleatoras de la forma: U a. Z b = 1 es gual a la msma fucó de las esperazas matemátcas de estas magtudes: m u = 1. a m z b PROPIEDADES DE LAS DISPERSIONES Y DE LOS MOMENTOS DE CORRELACION 1) La dspersó de cualquer magtud o aleatora es gual a cero y el mometo de correlacó de dos magtudes o aleatoras es gual a cero. Cátedra Estadístca II 8
9 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya 2) El mometo de correlacó del producto de cualquer magtud aleatora co otra o aleatora es sempre gual a cero. 3) La dspersó del producto de ua magtud aleatora por otra o aleatora es gual al producto de la dspersó de la magtud aleatora por el cuadrado del módulo de la o aleatora. D( c. X ) ( c ) 2. D( X ) 4) El mometo de correlacó de las magtudes aleatoras: U a. X V b. Y dode a y b so costates complejas (para geeralzar) arbtraras y X e Y so magtudes aleatoras, se determa por la fórmula:.. uv a b xy 5) S las magtudes aleatoras U y V represeta fucoes leales de las magtudes aleatoras X 1, X 2,..., X : U = 1. a X b V = 1. c X etoces la dspersó de la magtud aleatora U y el mometo de correlacó de las magtudes aleatoras U y V se determa por las fórmulas: D u a.. a j j uv a.. c j j (48-1) (1) = 1 j = 1 = 1 j = 1 dode j es el mometo de correlacó de las magtudes aleatoras X, X j (cuado =j, la magtud represeta la dspersó de la magtud aleatora X ) 6) E el caso partcular, cuado se trata de magtudes aleatoras o correlacoadas X 1, X 2,..., X las magtudes j co dsttos ídces so guales a cero y las fórmulas aterores se coverte e: luego: 2 D u a. D uv a.. c j D (48-2) (2) = 1 = 1 Dode D = es la dspersó de la magtud aleatora X ( = 1,...,) U caso partcular de (48-1) es: U = 1 X D u j = 1 j = 1 7) Y s las magtudes aleatoras X 1, X 2,..., X o está correlacoadas: d Cátedra Estadístca II 9
10 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya D u D = 1 Las dos últmas fórmulas so aplcables para cualesquera magtudes aleatoras o correlacoadas. E partcular, so váldas para las magtudes aleatoras depedetes. EJEMPLOS DE FUNCIONES ALEATORIAS 1) Se va a cosderar la sguete fucó aleatora: X( t ) U. s( t ) V. cos( t ) (49-1) (2) Dode U y V so magtudes aleatoras o correlacoadas ( uv = 0)cuyas esperazas matemátcas so ulas y cuyas dspersoes so guales a D1 y D2 respectvamete. Las realzacoes de esta fucó so susodes co dferetes ampltudes y fases cales. E el ejemplo e cuestó la fucó aleatora represeta la combacó leal de dos magtudes aleatoras co los coefcetes s(t) y cos(t). r 100 Número de realzacoes 0.. r 1 ídce que dca realzacó vr 90 Valores detro de ua realzacó 0.. vr 1 ídce que dca valores detro de ua realzacó t. 4 vector de valores de tempo para evaluar ídce auxlar U rd( 1) 6 V rd( 1) 6 U y V so vectores co valores dstrbudos ormalmete co meda cero y varaza uo. X., U s t. 180 V. cos t. 180 matrz cuyas flas so valores de realzacó r ídce para lograr 10 realzacoes e el sguete gráfco Cátedra Estadístca II 10
11 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya Calculado las medas de las 20 realzacoes e cada uo de los putos de defcó, se ecuetra la meda de la fucó aleatora. M mea X < > el vector M cotee las medas e cada puto cosderado de la fucó aleatora Del msmo modo se puede hallar la desvacó stadard puto por puto: S stdev X < > el vector S cotee las desvacoes stadard e cada puto cosderado de la fucó aleatora Superpoedo la meda y la desvacó stadard a las realzacoes, queda gráfcamete: Segú la teoría, la meda de esta fucó aleatora es cero y la desvacó stadard es uo. Esto, gráfcamete, sgfca que la mayoría de las realzacoes se cetra sobre la meda y además se halla cocetrada mayortaramete detro ua fraja que tee u acho de dos desvacoes stadard co eje de dcha fraja e la meda. Para hallar la fucó de correlacó, se procede del sguete modo: Cátedra Estadístca II 11
12 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya < > X 0. < > X C El vector C cotedrá, puto a puto, los rows( X ) valores de la fucó de correlacó, que segú la teoría es ua de tpo coseodal. Teórcamete, aplcado ua de las propedades de la esperaza matemátca a la expresó (49-1), se deduce: m x ( t ) m. u s( t ) m. v cos( t) 0 por ser la esperazas matemátcas, de ambas magtudes aleatoras, ulas. Poedo t = t' e la fucó aleatora: X( t ) U. s( t ) V. cos( t ) Los valores X(t) y X(t') de la fucó aleatora examada, para dos valores arbtraros del argumeto, so combacoes leales de dos magtudes aleatoras o correlacoadas U y V. Aplcado la propedad (48-2) de los mometos de correlacó de dos combacoes leales de magtudes aleatoras o correlacoadas, se halla la fucó correlatva de la fucó aleatora X(t). ( t, t ) D.. 1 s( t) s( t ) D.. 2 cos( t) cos( t ) E el caso partcular, cuado D 1 = D 2 = D, queda: ( t, t ) D. cos( t t ) (49-2) (3) 2) E u caso más geeral, cuado: X( t) = 1 X. f ( t ) Cátedra Estadístca II 12
13 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya Dode f 1 (t),..., f (t) so fucoes o aleatoras cualesquera, e el caso más geeral complejas, y X 1,..., X so magtudes aleatoras cualesquera co esperazas matemátcas arbtraras pero ftas, y mometos de segudo orde. La esperaza matemátca se halla aplcado la propedad de las esperazas matemátcas de ua fucó leal de las magtudes aleatoras: m x ( t) m. x f ( t ) = 1 ya que los valores de la fucó aleatora que se exama so, para dos valores del argumeto arbtraramete elegdos, fucoes leales de las msmas magtudes aleatoras, se puede aplcar la propedad (48-1): x ( t, t ).. j f ( t) f j ( t ) = 1 dode j es el mometo de correlacó de las magtudes aleatoras X, X j (,j = 1,..., y = Dx. 2) Geeralzado el problema 1, supoer aleatoras o sólo la ampltud y la fase so també la frecueca de las osclacoes armócas. Examíese la fucó aleatora: X( t ) U. s(. t ) V. cos(. t ) Dode U, V y so magtudes aleatoras depedetes, co la partculardad que las magtudes U y V tee medas ulas y las msmas dspersoes D, y la magtud aleatora se caracterza por la desdad de probabldad f(). La esperaza matemátca de la fucó aleatora X(t) es détcamete gual a cero. Esto se puede demostrar fjado u valor partcular de, lo que lleva al prmer ejemplo. La fórmula (49-2) determa la fucó correlatva codcoal de la fucó aleatora X(t) para el valor dado de de la frecueca. x ( t, t' / ) = M [ X(t). X(t) / D. cos t - t' ) ] Ahora, para hallar la fucó correlatva de la fucó aleatora X(t) basta multplcar la fucó correlatva codcoal hallada, co el elemeto correspodete de probabldad f(detegrar co respecto a todos los valores posbles de de la magtud aleatora. Etoces, teedo e cueta que la frecueca de las osclacoes es, e su eseca, ua magtud postva, debdo a lo cual su desdad de probabldad f() es gual a cero para 0, se obtee: x ( t, t ) D. f( ). cos(.( t t )) d 0 Examíese el caso cocreto cuado: Cátedra Estadístca II 13
14 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya f( ) E este caso queda: 2.. D x ( t, t ). cos(.( t t )) d Esta tegral puede calcularse por muchos procedmetos, quedado: x ( t, t ) D. e. t t Numércamete, el plateo del problema podría ser: 10 coefcete 2. f( ) (5). 2 2 fucó desdad de la dstrbucó de frecuecas (4) La tegral de esta fucó dará la Fucó Dstrbucó: ata F( ) 2. S e esta fucó se susttuye F() por rd(1) y se despeja se puede teer u cojuto de valores que tega la dstrbucó (5). j ídce que dará el tamaño del vector formado W j. ta rd( ). 1 2 vector para verfcar este hecho se costrurá u hstograma. 1 8 úmero de tervalos ídce para geerar 1 tervalos Max 100 m 0 Extremos del tervalo de aálss Max m ter 2 m. 2 vector de tervalos 1 h hst( ter, W ) vector que cueta las frecuecas e cada tervalo ídce auxlar 0, Cátedra Estadístca II 14
15 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya Como se puede observar, la dstrbucó de los datos sgue perfectamete la ecuacó (5). Formado la matrz cuyas flas so valores de realzacó: r 100 Número de realzacoes 0.. r 1 ídce que dca realzacó vr 90 Valores detro de ua realzacó 0.. vr 1 ídce que dca valores detro de ua realzacó t. 4 vector de valores de tempo para evaluar W X., U s.. t 180 W V. cos.. t 180 r ídce para lograr 4 realzacoes e el sguete gráfco Calculado las medas de las 20 realzacoes e cada uo de los putos de defcó, se ecuetra la meda de la fucó aleatora. Cátedra Estadístca II 15
16 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya El vector M cotee las medas e cada puto cosderado de la fucó aleatora < > X M mea Del msmo modo se puede hallar la desvacó stadard puto por puto: < > S stdev X el vector S cotee las desvacoes stadard e cada puto cosderado de la fucó aleatora Superpoedo la meda y la desvacó stadard a las realzacoes, queda gráfcamete: Para hallar la fucó de correlacó, se procede del sguete modo: C < > X 0. rows( X ) < > X El vector C cotedrá, puto a puto, los valores de la fucó de correlacó, que segú la teoría es ua de tpo expoecal decrecete. Cátedra Estadístca II 16
17 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS ESTACIONARIAS Geeralmete se llama estacoaros a aquellos procesos y objetos cuyas característcas o depede del tempo de observacó, es decr o camba al decalar arbtraramete el tempo (so varates co respecto a cualquer decalaje del tempo). De acuerdo co lo dcho, se deoma ESTACIONARIA a ua fucó aleatora X(t) s determadas característcas probablístcas de la fucó de la fucó aleatora X(t+), cualquera sea, cocde détcamete co las característcas correspodetes a X(t). Es evdete que la esperaza matemátca y la dspersó de la fucó aleatora estacoara so costates y su fucó correlatva depede sólo de la dfereca de los argumetos t - t'. E efecto, segú la defcó geeral de la estacoaredad, la esperaza matemátca y la fucó correlatva de la fucó aleatora X(t) satsface las codcoes: m x ( t) m x ( t ) x ( t, t ) x ( t, t ) cualquera sea Poedo e la prmera tse obtee: Poedo e la seguda t'se obtee: x ( t, t ) x ( t t, 0) La dspersó de la fucó aleatora X(t) es gual al valor de su fucó correlatva cuado t = t'. Por eso, de lo ateror: D x ( t) x ( t, t) x ( 0, 0) D x ( 0) cte Cátedra Estadístca II 17
18 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya Desgado la fucó de ua varable t - t' por x (t-t'), se puede escrbr: x ( t, t ) x ( t t ) x ( ) dode t t Ahora be, s la fucó aleatora X(t) es estacoara, etoces, dodequera que se elja u tervalo de logtud dada e el eje de las varables depedetes t, los valores de la fucó aleatora X(t) tee e los extremos de este tervalo u msmo mometo de correlacó x (). Para todos los problemas práctcos e los que se trata sólo co mometos de los dos prmeros órdees (esperazas matemátcas y fucoes correlatvas) basta la costaca de la esperaza matemátca y la depedeca de la fucó de correlacó sólo de la dfereca de los argumetos para cosderar estacoara a ua fucó aleatora. Por eso, las fucoes aleatoras cuyas esperazas matemátcas so costates y las fucoes correlatvas depede sólo de la dfereca de argumetos se llama estacoaras e el setdo amplo. La estacoaredad e el setdo amplo represeta el tpo más smple de estacoaredad. Segú la defcó dada, la fucó aleatora co esperaza matemátca varable es o estacoara cluso s la fucó de correlacó de la msma depede sólo de la dfereca de los argumetos.. S embargo, tal estacoaredad es, evdetemete o esecal, puesto que la fucó aleatora cetrada X 0 (t) = X(t) - m x (t) es estacoara sempre que la fucó correlatva de la fucó aleatora X(t) depeda sólo de la dfereca de argumetos. Como la fucó correlatva de cualquer fucó aleatora es smétrca, es decr o camba de valor al permutar los valores de los argumetos, etoces la fucó correlatva de ua fucó aleatora estacoara satsface la codcó: x ( t t ) x ( t t) o be x ( ) x ( ) Así pues, la fucó correlatva de ua fucó aleatora estacoara es fucó par de la dfereca de los argumetos. Por otro lado, de las propedades de la fucó correlatva, aplcadas a fucoes aleatoras estacoaras: x ( ) x ( 0) D x De modo que, la fucó correlatva de ua fucó aleatora estacoara, cualquera sea, o puede ser e magtud absoluta, mayor que su valor correspodete e el orge de coordeadas. Ejemplos: 1) E el últmo ejemplo ateror, había ua fucó correlatva depedete sólo de la dfereca de argumetos, de la forma: x ( ) D. x e. dode t t Cátedra Estadístca II 18
19 Uversdad de Medoza Ig. Jesús Rubé Azor Motoya 2) La fucó aleatora: X( t ) U. s(. t ) V. cos(. t ) es estacoara solamete e el caso cuado las dspersoes de las magtudes aleatoras U y V so guales. E el caso geeral de dferetes dspersoes de las magtudes aleatoras U y V esta fucó aleatora o es estacoara. Ahora be, la osclacó armóca de certa frecueca, co ampltud y fase aleatoras represeta e el caso geeral ua fucó aleatora o estacoara y solo e el caso partcular de ser guales las dspersoes de los coefcetes aleatoros adjutos al seo y coseo, es ua fucó aleatora estacoara. 3) La fucó aleatora: X( t ) U. s(. t ) V. cos(. t ) es estacoara cualquera que sea la desdad de probabldad de la frecueca aleatora de las osclacoes f() puesto que su esperaza matemátca es détcamete gual a cero, metras que la fucó correlatva, determada por (4) depede sólo de la dfereca de argumetos. 4) S: m x ( t) a b. t x ( t, t ) D. e.( t t ) etoces la fucó aleatora X(t) es o estacoara. No obstate, esta o estacoaredad o es esecal, puesto que la correspodete fucó aleatora X 0 (t) es estacoara. Cátedra Estadístca II 19
Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesCENTRO DE MASA centro de masas centro de masas
CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detalles5- VARIABLES ALEATORIAS BIDIMENSIONALES
Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesde los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u
FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesINTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
Más detallesPROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesR-C CARGA Y DESCARGA DE UN CONDENSADOR
RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS
Más detallesEste documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!
Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de
Más detallesLECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesPROBABILIDAD Y ESTADÍSTICA APLICADA
UNIVERSIDAD ORT Uruguay Facultad de Igeería Berard Wad - Polak PROBABILIDAD Y ESTADÍSTICA APLICADA NOTAS DE CLASE DEL CURSO DE LA Lcecatura e Sstemas FASCÍCULO Prof. Orual Ada Cátedra de Matemátcas Año
Más detallesRENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
Más detalles7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
Más detallesTEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)
Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca
Más detallesTEMA 4: NÚMEROS COMPLEJOS
TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.
Más detallesFórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función
Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesGuía para la Presentación de Resultados en Laboratorios Docentes
Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las
Más detallesq q q q q q n r r r qq k r q q q q
urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego
Más detallesTema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA
Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detalles6.2.- Funciones cóncavas y convexas
C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.
Más detalles6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
Más detallesNOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama
Más detallesMS Word Editor de Ecuaciones
MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua
Más detallesCálculo Integral. LA INTEGRAL
Cálculo Itegral. LA INTEGRAL Durate la seguda mtad del sglo XVII, Newto y Lebz dero u paso decsvo e la matemátca de las magtudes varables, al setar las bases del cálculo dferecal e tegral. "Este fue el
Más detallesTEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :
Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS
Más detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detallesAnálisis de un circuito RC con resistencia no lineal
Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesI n t r o d u c i ó n A l a E s t a d í s t i c a 1
Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detallesGuía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
Más detallesEstadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Más detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más detallesCAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el
CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesCÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS
CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar
Más detalles1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática
Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó
Más detallesActividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.
Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,
Más detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detallesA I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A
Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesDistribución conjunta de variables aleatorias
FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so
Más detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detallesFigura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesUNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad
UNIDAD 7 SERIES DE TIEMPO Itroduccó a la udad Ua sere de tempo es el cojuto de datos que se regstra a través del tempo sobre el comportameto de ua varable de terés, geeralmete los regstros se realza e
Más detallesESTADÍSTICA DESCRIPTIVA E INFERENCIAL I
COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño
Más detallesAlgunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
Más detalles2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros
. alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el
Más detallesFormulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico
Esquema estadístco Problema de vestgacó Preguta de vestgacó Formulacó precsa de la(s) preguta(s) de vestgacó Plaeacó Dseño Muestra Feómeo Aleatoro Aálss y presetacó de la formacó Iferecas Toma de decsoes
Más detallesManual de Estadística
Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo
Más detallesIII. GRÁFICOS DE CONTROL POR VARIABLES (1)
III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co
Más detallesIntroducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES
Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros
Más detalles