Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

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

Download "Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes"

Transcripción

1 Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad de Murca Herádez Maríez, Pedro José pedrojheradez@upces Deparameo de Méodos Cuaavos e Iformácos Uversdad Polécca de Caragea RESUMEN Esudamos alguas propedades de la vda meda resdual de mxuras fas Cocreamee, hemos obedo propedades de ordeacó, moooía y comporameo asóco Hemos demosrado que, bajo ceras codcoes, el comporameo asóco (cuado ede a fo) de la vda meda resdual de la mxura es smlar al de la compoee más fuere (e el orde vda meda resdual) També hemos cosderado el caso de mxuras egavas para aplcarlas al esudo del comporameo de la vda meda resdual de ssemas coherees Palabras claves: Mxura egava; vda meda resdual; ordeacó; moooía; ssemas coherees Clasfcacó JEL (Joural Ecoomc Leraure): C4 Área emáca: Esadísca aplcada a los Méodos Cuaavos XVI Joradas ASEPUMA IV Ecuero Ieracoal Rec@ Vol Acas_6 Issue : 306

2 Navarro, Jorge y Herádez, Pedro J - INTRODUCCIÓN Es be sabdo que las fucoes vda meda resdual y razó de fallo deerma de forma úca la fucó de dsrbucó y, por ao, coee oda la formacó del modelo (véase Barlow y Proscha (975) y Navarro, Ruz y Zoroa (998)) Deermar la forma de la vda meda resdual de la mxura o es fácl, cluso auque sea coocda la forma de la vda meda resdual de cada ua de las compoees de la mxura Exse pocos resulados sobre la vda meda resdual de mxuras (véase, Fkelse (00,00)) Además, la forma de la vda meda resdual esá relacoada co la forma de la razó de fallo (véase Klefsjo (98), M (995), Bradley y Gupa (003), Bekker y M (003) y Savs (003) ) - PROPIEDADES GENERALES La vda meda resdual para ua varable aleaora posva X vee dada por para D, y además, e = Rxdx R () ( 0) e = R x dx= E X = µ () 0 Lema : Sea X ua varable aleaora posva co meda fa E ( X ) y fucó vda meda resdual e cumpledo que lm e = λ [ 0 ], eoces, logg lm =, λ dode G = R( x) dx y, por coveo, / 0 = + Demosracó: De la defcó de e y G, se deduce que log er log G lm = lm = lm dx = e x λ dode la prmera gualdad se obee de (), la seguda de ( ) y la ercera aplcado la regla de L Hôpal y eedo e cuea que ( 0) 0 lm G dx = lm log = e 0 ( x) e, (3) lm G = E X lm R x dx= 0 ya que de (), 0 XVI Joradas ASEPUMA IV Ecuero Ieracoal Rec@ Vol Acas_6 Issue : 306

3 Navarro, Jorge y Herádez, Pedro J Defcó : Ua fucó de fabldad R se dce que es ua mxura geeralzada fa de las fucoes de fabldad R, R,, R, s wr R para odo, dode w, w, w so úmeros reales ales que =, (4) = w = S pérdda de geeraldad, podemos supoer e (4) que w 0 para odo y R R j para j Cuado w, w, w sea úmeros reales posvos edremos ua mxura posva S w < 0 para algú, eoces dremos que R es ua mxura egava E ese caso, ecesamos supoer que la fucó R es ua fucó de fabldad ya que el segudo membro de (4) puede que o defa ua fucó de fabldad S e es la fucó vda meda resdual asocada a la mxura geeralzada R dada e (4) y e, e,, e so las fucoes vda meda resdual de las compoees R, R,, R, que supodremos fas, eoces de (), = dode w e e w = (5) = wr j= = wr j j E parcular, s R es ua mxura posva, eoces w 0 y m { e,, e } e max { e,, e } (6) para odo Además, óese que cualquer mxura egava dada por (4) se puede expresar como ua mxura de dos compoees de la forma dode y p ( ) R = pr + p R, (7) R + + p = w >, w > 0 w > 0 = w > 0 wr w XVI Joradas ASEPUMA IV Ecuero Ieracoal 3 Rec@ Vol Acas_6 Issue : 306

4 Navarro, Jorge y Herádez, Pedro J R w < 0 = w < 0 wr Señalar que R + y R so fucoes de fabldad obedas como mxuras posvas de las fabldades w R S embargo, esas fucoes puede eer dferees propedades que las que ee sus compoees Por ejemplo, =,,, y R + o R segur u modelo dferee Por ao, s R es ua mxura egava eoces p > y R puede ser ua dsrbucó expoecal para R = p R + p p R (8) + p y, por ao, R + (la compoee posva) es ua mxura posva de R p (la mxura egava) y R (la compoee egava) Además, de (6) y (8) se deduce la sguee propedad medaa para mxuras egavas Proposcó : S se cumple (4) para = y w > eoces para odo { e e } e { e e } m, max, Demosracó: S se cumple (4) para = y w >, eoces R = w R w w R (9) p dode w < 0 Por ao, el resulado se obee aplcado (6) a la mxura posva dada e (9) Observacó : Esa propedad se puede aplcar ambé a las fucoes de fabldad R + y R defdas e (7) Nóese que aquí, para cualquer, e ( + ) esá compredda ere e y e E parcular, s se cumple (5) para =, w >, y las compoees de la mxura esá ordeadas e el orde vda meda resdual R mrl R ), eoces R mrl R mrl (es decr, e mrl e para odo E la sguee proposcó demosramos que las fucoes vda meda resdual de ua mxura geeralzada de dos compoees esá ordeadas Proposcó 5: S se cumple (4) para =, w > y las fucoes vda meda resdual e y e de R y R, respecvamee, sasface e e 0, eoces para u XVI Joradas ASEPUMA IV Ecuero Ieracoal 4 Rec@ Vol Acas_6 Issue : 306

5 Navarro, Jorge y Herádez, Pedro J Demosracó: De las defcoes, eemos que dode G e R e w e 0 ( ) + ( ) + ( ) G wg w G = = R wr w R =, =,, y dervado, obeemos R R w R ( ) e = e e y de esa forma queda demosrada la proposcó E parcular, s las compoees de la mxura esá ordeadas e el orde vda meda resdual R mrl R, eoces Rp mrl R p para p > p, dode R p y R p cumple (4) para = co w = p> y w = p >, respecvamee Como ejemplo véase la Fgura,, Fgura Fucoes vda meda resdual de mxuras geeralzadas de dos dsrbucoes expoecales co µ =, µ = / y w = 0k para k = 0,,,0 (de abajo a arrba) Las líeas horzoales represea las fucoes vda meda resdual de las compoees de la mxura XVI Joradas ASEPUMA IV Ecuero Ieracoal 5 Rec@ Vol Acas_6 Issue : 306

6 Navarro, Jorge y Herádez, Pedro J Ua propedad muy coocda para mxuras posvas (véase, Klefsjo (98)) es que la mxura de dsrbucoes que ega vda meda resdual crecee (IMRL), ee ambé vda meda resdual crecee (IMRL) Necesamos la sguee proposcó para obeer u resulado smlar para la vda meda resdual de mxuras egavas Proposcó 4: S se cumple (4) para =, R ( ) y R ( ) so couas e y las fucoes vda meda resdual e y e ( ) de R ( ) y R ( ), respecvamee, so dferecables e, eoces la fucó vda meda resdual e de R ( ) es dferecable e y sasface ( e e ) e e e = α + ( α ) + α α, (0) e e e e e dode α = wg G, G = R e y G R e / Demosracó: De las defcoes, eemos que Dervado, dode = = α + ( α ) e e e = α + ( α ) + α, () e e e e e α = α ( α ) e e La demosracó se complea susuyedo el valor de α e la expresó () La proposcó aeror se puede exeder a mxuras geeralzadas medae la sguee proposcó La demosracó es smlar Proposcó 5: S se cumple (4), R, R,, R so couas e y las respecvas fucoes vda meda resdual e, e,, e so dferecables e, eoces la fucó vda meda resdual e de R es dferecable e y sasface e G e G ( e ej ) j = w + ww j = < j j, e G e G G e e dode G = R e y G R e G = para =,,, XVI Joradas ASEPUMA IV Ecuero Ieracoal 6 Rec@ Vol Acas_6 Issue : 306

7 Navarro, Jorge y Herádez, Pedro J Como ua cosecueca medaa, eemos la sguee propedad Proposcó 6: S se cumple (4) co w > 0, R es coua y su vda meda resdual sasface e 0, para u 0 y para odo,,, =, eoces e 0 Además, para mxuras egavas co sólo u peso posvo, eemos la sguee propedad Proposcó 7: S se cumple (4) co w >, R es coua y su vda meda resdual sasface e, y además, w < 0, R coua y vda meda resdual, e, sasface 0 0 e para u 0 y para odo,3,, Demosracó: =, eoces e 0 E ese caso, las fucoes vda meda resdual e + y e de las compoees posva ( R + ) y egava ( R ) de la mxura defda e (7), cumple que e+ = e y e 0 Eso úlmo se obee de la Proposcó 6, eedo e cuea que R es ua mxura posva de R R y e 0,,, para =,, Eoces, aplcado la Proposcó 4, a la mxura dada e (7), obeemos que e 0 eedo e cuea que p w = >, e + 0 y e 0 E parcular, s las proposcoes aerores se puede aplcar para odo 0, obeemos que las mxuras posvas de dsrbucoes IMRL so ambé IMRL (Klefsjo, 98) y que las mxuras egavas de ua dsrbucó DMRL co peso posvo y varas dsrbucoes IMRL co pesos egavos so DMRL El sguee ejemplo muesra que esa úlma propedad o es cera cuado la mxura ee más de u peso posvo Ejemplo : S cosderamos ua mxura geeralzada de dsrbucoes expoecales co medas µ =, µ = / y µ 3 = /3, y pesos w = w =, y w 3 =, eoces es fácl probar que (4) defe ua fucó de fabldad Además, aplcado la Proposcó 5 y eedo e cuea que e = µ para 0, eemos que ww < e ( µ ) µ j / j / µ j = e e, j µµ j e G para 0 Por ao, e uesro ejemplo, obeemos que y así, e e G = e e e, 3 6 e es esrcamee decrecee e ( 0, ) y esrcamee crecee e µ, dode = l( ) 047 y, e cosecueca, la mxura es BFR y o cumple la, XVI Joradas ASEPUMA IV Ecuero Ieracoal 7 Rec@ Vol Acas_6 Issue : 306

8 Navarro, Jorge y Herádez, Pedro J proposcó aeror La gráfca de e se da e la Fgura Nóese que lm e = Por ao, asócamee es equvalee a la vda meda resdual de la compoee más fuere de la mxura e = Fgura Vda meda resdual de ua mxura geeralzada de res dsrbucoes expoecales co medas µ =, µ = / y µ 3 = /3, y pesos w = w =, y w 3 = Las líeas horzoales represea la vda meda resdual de las compoees de la mxura Noar que la vda meda resdual de la mxura o es moóoa so bañera (BMRL) 3- COMPORTAMIENTO ASINTÓTICO Ua propedad muy coocda de mxuras posvas es que, e el caso absoluamee couo, la razó de fallo de la mxura ee, bajo ceras codcoes, el msmo comporameo asóco que la compoee más fuere de la mxura e el orde razó de fallo (véase M (999), Fkelse y Esaulova (005, 006) y Navarro y Herádez (006)) Obeemos propedades smlares para el comporameo asóco de la vda meda resdual de mxuras geeralzadas E prmer lugar, damos u resulado para mxuras posvas Proposcó 3: S se cumple (4) co w > 0 para odo =,,,, y las fucoes vda meda resdual ee,, e,, e de R, R, R,, R, respecvamee, sasface λ [ ] lm e = 0,, () XVI Joradas ASEPUMA IV Ecuero Ieracoal 8 Rec@ Vol Acas_6 Issue : 306

9 Navarro, Jorge y Herádez, Pedro J y e e para =,3,, y, (3) ξ [ ] lm e = 0,, (4) eoces ξ = λ Demosracó: Del Lema, () y (4), se deduce que log G lm = / ξ (5) y Además, como 0 log G lm = / λ (6) w > para odo =,,,, se cumple que ( ) log G log wg = log w + log G, y aplcado (5) y (6), se cocluye que ξ λ Por oro lado, de (6) y (3), se cumple que e e para y, por ao, ξ λ E cosecueca, ξ = λ Obvamee, de (6), s λ = 0 e (), eoces el líme e (4) exse y vale cero E la sguee proposcó damos u resulado smlar para mxuras egavas Proposcó 3: S se cumple (4) co w > y w < 0 para =,3,,, y se verfca (), (3) y (4), eoces ξ = λ Demosracó: Como w < 0 para =,3,,, eoces eemos que ( ) log G log wg = log w + log G Además, aplcado (5) y (6), se obee que ξ λ Por oro lado, como e e para =,3,, y, eoces e e odo, dode e es la vda meda resdual de la compoee egava R defda e (7) Eoces, de la Proposcó 5, e e cosecueca, ξ = λ XVI Joradas ASEPUMA IV Ecuero Ieracoal 9 Rec@ Vol Acas_6 Issue : 306 para para odo y, por ao, ξ λ E

10 Navarro, Jorge y Herádez, Pedro J Obvamee, de la Proposcó, s λ = e (), eoces el líme e (4) exse y es Más adelae veremos que la compoee líder de la mxura (para el comporameo asóco) debe eer peso posvo E el sguee ejemplo aplcamos la proposcó aeror Ejemplo 3: Sea ua mxura fa de dsrbucoes expoecales Esa famla de dsrbucoes se llama clase hperexpoecal geeralzada (GH) (véase Baggs y Nagaraja (996)) S pérdda de geeraldad podemos supoer que µ > µ para =,3,, Es fácl probar que ua codcó ecesara para que sea fucó de dsrbucó es que w > 0 Cosderemos res casos E prmer lugar, s w > 0 para,,, =, eoces de (6), e µ <, y aplcado la Proposcó 6, e es crecee Por ao, se cumple (4), y de la Proposcó 3 se obee que lm e = µ E segudo lugar, s w > y w < 0 para =,3,,, eoces de la Proposcó 7, e es decrecee Obvamee, e 0 y, por ao, se verfca (4) y aplcado la Proposcó 3, se obee que lm e = µ Falmee, s w > 0 para =,,, k y w < 0 para = k+, k+,,, eoces, como R + es ua mxura posva, aplcado el prmer caso, se obee que lm e+ = µ, dode e + es la vda meda resdual de la compoee posva defda e (7) Así, R se puede erprear como ua mxura de R + y R para = k+, k+,, y, de esa forma, se lm e = µ < lm e = µ E cosecueca, esa cumple () y (3) ya que + represeacó se correspode co el segudo caso y, por ao, lm e = µ A couacó, eucamos dos lemas, ecesaros para obeer resulados para la fucó vda meda resdual de mxuras geeralzadas Lema 3: S las fucoes vda meda resdual e y e de R y R, respecvamee, sasface que, eoces e lm f e G lm 0 G >, (7) =, (8) G = R x dx para =, dode XVI Joradas ASEPUMA IV Ecuero Ieracoal 0 Rec@ Vol Acas_6 Issue : 306

11 Navarro, Jorge y Herádez, Pedro J Demosracó: De (7), exse η > y 0 > 0 ales que para 0 Eoces, eemos que e e > η >, (9) ( 0) exp ( 0) G R e e = = dx G R e e e 0 x e x 0 e ( 0) η exp dx exp dx e( 0) e 0 ( x) e( x) e 0 x para 0, dode la seguda gualdad se obee de la fórmula de versó para la vda meda resdual () y la desgualdad de (9) Además, como e ( 0 ) <, aplcado (3), eemos que dx =, e 0 ( x) y, e cosecueca, se verfca (8) Lema 3: S se verfca (4) y las fucoes vda meda resdual e, e,, e de R, R,, R, respecvamee, sasface eoces w > 0 y e lm f e > para =,3,,, (0) G lm G = w, () R x dx dode G = y G = R x dx Demosracó: E prmer lugar, se observa que G w w = G Eoces, aplcado el Lema3, se obee G = + 0 G G lm = w 0 G Falmee, como w 0 queda demosrado el lema XVI Joradas ASEPUMA IV Ecuero Ieracoal Rec@ Vol Acas_6 Issue : 306

12 Navarro, Jorge y Herádez, Pedro J Lema 33: S las fucoes vda meda resdual e y e de R y R, respecvamee, sasface que e ( 0 ) <, (7) y e lm sup e eoces R lm 0 R Demosracó: De las defcoes, eemos que R e G =, R e G y aplcado () y el Lema 3, se obee (3) <, () = (3) Ahora, ya esamos e codcoes de obeer el resulado prcpal sobre el comporameo asóco de la vda meda resdual de mxuras geeralzadas Teorema 3: S se verfca (4) y las fucoes vda meda resdual e, e,, e de R, R,, R, respecvamee, sasface (0) y e lm sup e eoces la fucó vda meda resdual e < para =,3,,, (4) de R sasface Demosracó: E prmer lugar, óese que e lm = (5) e e G R = w w e G + = R Eoces aplcado los Lemas 53 y 533, se obee (5) Observacó 3: Nóese que la codcó (4) se puede susur por la sguee codcó más débl R lm = 0, para =,3,, (6) R XVI Joradas ASEPUMA IV Ecuero Ieracoal Rec@ Vol Acas_6 Issue : 306

13 Navarro, Jorge y Herádez, Pedro J Nóese ambé que, s el líme de la codcó (6) exse, eoces es cero por el Lema 3 y la regla de L Hôpal S embargo, e alguos casos, la codcó (4) es más fácl de comprobar que la codcó (6) A couacó, esudamos la moooía asóca de la vda meda resdual de la mxura, es decr, cuado ede a Proposcó 3: S se verfca (4) y las fucoes vda meda resdual e, e,, e de las fucoes de fabldad couas R, R,, R, respecvamee, sasface (0), (4), y lmsup e < para =,3,, (7) ( e e ) e e lmsup j eoces la fucó vda meda resdual e de R sasface j <, para j, (8) ( e e ) lm = 0 E parcular, s lm e 0 Demosracó: De la Proposcó 5, eemos que > ( < ), eoces lm 0 e > G e G Gj e ej e j, = G e < j G G e e e e e = w e + ww dode G = R e y G R e eemos que < j j = para =,,, Además, del Teorema 3 lm e/ e = y, por ao, ( e ej ) G e G Gj e lm e = lm w e + ww j G e = < j G G e ej e ej y, como e (véase 9 e Fkelse (00)), de (7), e,, e esá acoadas cuado ede a Por ao, de (4) y los Lemas 3 y 3, se obee que Gj e ej ( ) lm j < lm G e e e = ww G G e e e e j j j Falmee, la demosracó se erma aplcado el Lema 3, el Teorema 3, y las propedades (4) y (8) XVI Joradas ASEPUMA IV Ecuero Ieracoal 3 Rec@ Vol Acas_6 Issue : 306

14 Navarro, Jorge y Herádez, Pedro J E la sguee proposcó exedemos el resulado aeror usado codcoes más fueres Proposcó 3: S se verfca (4) y las fucoes vda meda resdual e, e,, e de las fucoes de fabldad couas R, R,, R, respecvamee, sasface (0), (4), lmsup e e < para =,3,, (9) y lm sup e e ( e ej ) e j <, para j, (30) eoces la fucó vda meda resdual e de R sasface E parcular, s lm e 0 e lm = e > ( < ), eoces lm 0 e > Demosracó: De la Proposcó 5, obeemos que j < ( e ej ) G G = w + ww j = < j j e e G e e e e e G e e G e e e, dode G = R e y G R e eemos que lm / = y, por ao, e e = para =,,, Además, del Teorema 3, ( e ej ) e G e e G Gj e lm = lm w + ww j e = G e e < j G e ej e Aplcado los Lemas 3 y3 y las codcoes (4) y (9), resula que j ( e ej ) e G G e lm = + lm ww j < j j j e G G e e e e e Para acabar la demosracó, aplcamos el Lema 3, el Teorema 3 y las codcoes (4) y (30) També se cumple que, e es esrcamee crecee para mxuras posvas co > y esrcamee decrecee para mxuras egavas co sólo u peso posvo E ese úlmo caso, s w > 0, la compoee de la mxura co el peso posvo es la compoee líder cuado ede a La Fgura 5 muesra la gráfca de la fucó vda meda resdual de XVI Joradas ASEPUMA IV Ecuero Ieracoal 4 Rec@ Vol Acas_6 Issue : 306

15 Navarro, Jorge y Herádez, Pedro J mxuras posvas y egavas de dsrbucoes expoecales co = La Fgura 5 muesra la gráfca de la vda meda resdual de ua mxura egava de res dsrbucoes expoecales 4- APLICACIONES A SISTEMAS COHERENTES A lo largo de esa seccó, represearemos por e p la fucó vda meda resdual de u ssema e sere co compoees e el cojuo P y por e ( k, ) la fucó vda meda resdual del esadísco X ( k, ) També supoemos que las fucoes vda meda resdual usadas exse y so fas para odo Por ao, las propedades para mxuras geeralzadas, se puede usar para obeer propedades de los ssemas coherees Por ejemplo, de () y el Teorema 3, se obee el sguee resulado Teorema 4: S T es u ssema coheree co camos mmales P, P,, P m ales que se cumple e P lm f ep A > (3) y para odo A {,, m} ( { } ) resdual T e lm sup e P PA < (3) A, dode P A = P j, eoces la fucó vda meda j A e del ssema T sasface que e e lm / = T P Observacó 4: El camo que verfque (3) se puede llamar camo líder del ssema coheree T S las compoees so depedees, eoces el ssema e sere P = m ( : ) es mejor que X m ( X : Q) X X P Q = e el orde razó de fallo (y, por ao, e el orde vda meda resdual, e P e Q ) sempre que P Q (véase, Nada y Shaked (00) o Navarro y Shaked (006)) y, eoces (3) se puede susur por para =,3,, m ya que e PA P e P lm f ep e, para odo A E el Teorema 4, la codcó (3) se puede susur por ua codcó más débl smlar a (6) usado que, e ese caso, los ssemas e sere esá ordeados e orde >, XVI Joradas ASEPUMA IV Ecuero Ieracoal 5 Rec@ Vol Acas_6 Issue : 306

16 Navarro, Jorge y Herádez, Pedro J esocásco (s) y, por ao, R PA R, para odo A E cosecueca, se obee el P sguee resulado Teorema 4: S T es u ssema coheree co camos mmales P, P,, P m ales que se cumple (3) para odo A {,, m} ( { } ) A y se cumple P RP lm = 0, (33) R para =,3,, m, eoces la fucó vda meda resdual e T del ssema T sasface que lm e / e = T P Falmee, damos alguos ejemplos para mosrar cómo se aplca esos resulados a ssemas coherees Ejemplo 4: Cosderemos u ssema -ou-of-3, es decr, que fucoa s al meos lo hace dos de sus res compoees, cuyos camos mmales so P = {, }, {,3} P = y P 3 = {, 3} Por ao, aplcado la propedad que perme expresar cualquer ssema coheree como ua mxura geeralzada de ssemas e sere, la fucó de fabldad del ssema vedrá dada por R = R + R + R R { } { } { },3,,3,3 (,3) S supoemos que las compoees so depedees y ee dsrbucoes expoecales co e = µ para 0 y µ > µ > µ 3, eoces la dsrbucó del ssema es ua mxura egava de cuaro dsrbucoes expoecales Por ao, del Teorema 4, eemos que lm e µ µ =, µ + µ (,3) ya que el camo líder es P y el correspodee ssema e sere ee ua dsrbucó R = + expoecal co fucó de fabldad { } exp ( µ µ, ) = =, eoces por lo dcho aerormee, R 3R R S µ µ µ 3 =,,3,,3 es decr, es ua mxura egava de dos dsrbucoes expoecales Por ao, de la Proposcó 7, ee vda meda resdual decrecee (DMRL) y, del Teorema 3, se obee lm e = µ / (,3) XVI Joradas ASEPUMA IV Ecuero Ieracoal 6 Rec@ Vol Acas_6 Issue : 306

17 Navarro, Jorge y Herádez, Pedro J La Fgura 3 muesra la gráfca de la fucó vda meda resdual e (,3) para dferees valores de µ, µ y µ 3 Fgura 3 Fucoes vda meda resdual de u ssema -ou-of-3 e(,3) co compoees expoecales depedees co, µ = 3, µ = y µ 3 =, µ = µ =, µ 3 =, µ = µ = µ 3 = 5 y µ = y µ = µ 3 = (de arrba a abajo) Las líeas dscouas represea el comporameo asóco XVI Joradas ASEPUMA IV Ecuero Ieracoal 7 Rec@ Vol Acas_6 Issue : 306

18 Navarro, Jorge y Herádez, Pedro J 5- Referecas bblográfcas AGRAWAL, A y BARLOW RE (984) A survey of ework relably ad domao heory Operao Research :6 63 ASADI, M y BAYRAMOGLU I (006) The mea resdual lfe fuco of a k- ou-of- srucure a he sysem level IEEE Tras Relably 55():34 38 BAGGS GE, NAGARAJA HN (996) Relably properes of order sascs from bvarae expoeal dsrbuos Commu Sa Sochasc Models :6 63 BALAKRISHNAN, N y CRAMER, E (007) Progressve cesorg from heerogeeous dsrbuos wh applcaos o robusess (o appear A Is Sa Mah) BARLOW RE y PROSCHAN F (975) Sascal heory of relably ad lfe esg Hol, Rehar ad Wso, New York BEKKER L y MI J (003) Shape ad crossg properes of mea resdual lfe fucos Sa Probab Le 64:5 34 BRADLEY, DM, GUPTA RC (003) Lmg behavour of he mea resdual lfe A Is Sa Mah 55:7 6 EVERITT BS y HAND DJ (98) Fe mxure dsrbuos Chapma ad Hall, New York FINKELSTEIN, MS (00) The falure rae ad he mea resdual lfeme of mxures I: Sysem ad Bayesa relably Ser Qual Relab Eg Sa 5 World Scefc Publshg, Rver Edge, pp FINKELSTEIN, MS, ESAULOVA, V (005) Asympoc behavor of a geeral class of mxure falure raes Adv Appl Probab 38:44 6 KAMPS U y CRAMER, E (00) O dsrbuos of geeralzed order sascs Sascs 35:69 80 KLEFSJO B (98) The NBUE ad HNBUE classes of lfe dsrbuos Naval Res Logs Q 9: MI, J (995) Bahub falure rae ad upsde-dow bahub mea resdual lfe IEEE Tras Relabl 44(3): MI, J (004) A geeral approach o he shape of falure rae ad MRL fucos Naval Res Logs 5: NANDA, AK y SHAKED, M (00) The hazard rae ad he reversed hazard rae orders, wh applcaos o order sascs A Is Sa Mah 53: NAVARRO J y HERNANDEZ PJ (004) How o oba bahub shaped falure rae models from ormal mxures Probab Eg Iform Sc 8(4):5 53 NAVARRO J y SHAKED, M (006) Hazard rae orderg of order sascs ad sysems J Appl Probab 43: WU, JW (00) Characerzaos of geeralzed mxures of geomerc ad expoeal dsrbuos based o upper record values Sa Papers 4:3 33 XVI Joradas ASEPUMA IV Ecuero Ieracoal 8 Rec@ Vol Acas_6 Issue : 306

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

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

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

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

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

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 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales Moográco Número Marzo www.eweb.org/od La ecuacó geeral de capalzacó y los acores de capalzacó uaros: ua aplcacó del aálss de daos ucoales Cèsar Vllazó La Saou Resume La órmula geeral de capalzacó sólo

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

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

ANÁLISIS DE CIRCUITOS EN RÉGIMEN POLIARMÓNICO

ANÁLISIS DE CIRCUITOS EN RÉGIMEN POLIARMÓNICO A.4. EORÍA DE CRCUOS CAPÍULO 3 ANÁLSS DE CRCUOS EN RÉGEN POLARÓNCO Cáedra de eoría de Crcuos Edcó 3 ANÁLSS DE CRCUOS EN RÉGEN POLARÓNCO 3. roduccó El desarrollo de las éccas de aálss de Fourer posee ua

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

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

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

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

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

Más detalles

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

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

Más detalles

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009 Faculad de Cecas Ecoómcas y Admsravas Deparameo de Ecoomía Aálss Especral Alvaro Moeegro Bogoá, Marzo de 009 Esa vesgacó fue facada por la Pofca Uversdad Javeraa y correspode a desarrollos del proyeco

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

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA M.J. Caós M. Maríez 2 M. Mocholí V. Navarro 3 U. de Valeca Florda Uversara U. de Valeca U. de Valeca mara..caos@uv.es marsam@florda-u.es

Más detalles

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez lazaro@zeus.umch.mx szavala@zeus.umch.mx Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo

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

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por:

7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por: 7 Consdere los ejerccos.b.c a Encuenre un nueo modelo en arable de esados consderando la ransformacón dada por: x x x x b Para.d halle la ransformacón por auoalores Resoleremos el ncso a para el ejercco.c

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

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

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

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

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

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO CAÍUO. CNMÁCA DFRNCA D ROBO ARAO es seccó se descrbe el álss de elocddes y celercoes del robo prlelo, el cul puede llerse cbo mede ls ecucoes pr momeo geerl debdo que o ese deslzmeo e ls coeoes. ss ecucoes

Más detalles

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS *

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Revsa Igeerías Uversdad de Medellí VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Carlos Alexáder Grajales Correa ** Fredy Ocars Pérez Ramírez *** Recbdo: 6//009 Acepado: 08/0/00 RESUMEN

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

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

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA : MATRICES Y DETERMINANTES Juio, Ejercicio 3, Opció B Reserva 2, Ejercicio 3, Opció A Reserva 2, Ejercicio 3, Opció B Reserva 3, Ejercicio

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

REDES CONFORMADORAS DE ONDA TRIANGULAR A SENOIDAL

REDES CONFORMADORAS DE ONDA TRIANGULAR A SENOIDAL REDES CONFORMADORAS DE ONDA RIANGLAR A SENOIDAL Ig. A. Raó Vargas Paró rvargas@cel.go.pe INICEL RESMEN E el presee raajo se efecúa el esudo de ua red o leal o reacva que pere flrar las arócas de ua oda

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

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

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X 5 CAPÍTULO ELABORACIÓN DE UN ÍNDICE COMPUESTO Ls Ídces Cmpuess, expresa de maera resumda la varacó prmed de u cju de varables respec de u períd base. Csderems u Agregad Cmplej "X", csud pr las varables

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

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

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

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

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

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO.

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO. Scea e Tecca Año XV, No, Dcembre 009. versdad Tecológca Perera. ISSN 0-70 5 INCERTIDMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMLACION DE OBJETOS EN MOVIMIENTO. Measureme uceray of e velocy for e smulao

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: 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

Más detalles

UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA

UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA UNIVERSIDAD TENOLÓGIA DE LA MIXTEA TESIS: TRANSFORMAIONES HOMOTÓPIAS Y REONOIMIENTO DE FORMAS Para obeer el íulo de LIENIADO EN MATEMÁTIAS APLIADAS Presea: Berece Vásuez Maríez DIRETORES DE TESIS M.. Adolfo

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

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

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

Más detalles

Anales de Psicología ISSN: Universidad de Murcia España

Anales de Psicología ISSN: Universidad de Murcia España Aales de Pscología ISSN: 212-9728 servpubl@fcu.um.es Uversdad de Murca España Ruz-Moreo, Jua M.; Trujllo, Humbero M. Modelos para la evaluacó del error humao e esudos de fabldad de ssemas Aales de Pscología,

Más detalles

Cap 3 La Integral Definida MOISES VILLENA MUÑOZ

Cap 3 La Integral Definida MOISES VILLENA MUÑOZ Cp L Iegrl ed. EINICIÓN. TEOREMA E INTEGRABILIA. TEOREMA UNAMENTAL EL CÁLCULO. PROPIEAES E LA INTEGRAL EINIA.. PROPIEA E LINEALIA.. PROPIEA E AITIVIA.. PROPIEA E COMPARACIÓN.. PROPIEA E ACOTAMIENTO.. PROPIEA

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

PRUEBAS DE HIPÓTESIS CON VARIABLES DEPENDIENTES E IDÉNTICAMENTE DISTRIBUIDAS

PRUEBAS DE HIPÓTESIS CON VARIABLES DEPENDIENTES E IDÉNTICAMENTE DISTRIBUIDAS COEGIO DE POSTGRADUADOS INSTITUCIÓN DE ENSEÑANZA E INVESTIGACIÓN EN CIENCIAS AGRÍCOAS INSTITUTO DE SOCIOECONOÍA ESTADÍSTICA E INFORÁTICA PROGRAA EN ESTADÍSTICA PRUEBAS DE HIPÓTESIS CON VARIABES DEPENDIENTES

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

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

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

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

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

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

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

mecánica estadística Estadísticas Cuánticas Capítulo 5

mecánica estadística Estadísticas Cuánticas Capítulo 5 mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó

Más detalles

Topología General Capítulo 0-2 -

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

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

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

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

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA

(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA (Aputes s revsó pr oretr el predzje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA Sumtor Pr represetr e form revd determdo tpo de sums, se utlz como símolo l letr greg sgm. Ejemplos.

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

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

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

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

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

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