FUNCIONES ALEATORIAS

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

Download "FUNCIONES ALEATORIAS"

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 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 detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA 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 detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

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

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO 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 detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- 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 detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de 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 detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO 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 detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso 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 detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA 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 detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

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

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

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

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

Más detalles

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

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

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

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

Más detalles

V Muestreo Estratificado

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

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

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

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

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

Más detalles

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

Este 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 detalles

LECCIONES DE ESTADÍSTICA

LECCIONES 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 detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

PROBABILIDAD Y ESTADÍSTICA APLICADA

PROBABILIDAD 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 detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

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

Más detalles

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

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

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 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 detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 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 detalles

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

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

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

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

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

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

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

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema 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 detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- 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 detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

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

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

MS Word Editor de Ecuaciones

MS 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 detalles

Cálculo Integral. LA INTEGRAL

Cálculo 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 detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Análisis de un circuito RC con resistencia no lineal

Análisis 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 detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

I 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

I 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 detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

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

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

Más detalles

Estadística descriptiva

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A 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 detalles

Simulación de sistemas discretos

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

Más detalles

Distribución conjunta de variables aleatorias

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

Más detalles

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

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

Más detalles

Figura 1

Figura 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 detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

UNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad

UNIDAD 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 detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA 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 detalles

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

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

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. 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 detalles

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico

Formulación 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 detalles

Manual de Estadística

Manual 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 detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

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

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción 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