Forma alternativa del cálculo de momentos:
|
|
- José Ángel Luna Ortiz de Zárate
- hace 6 años
- Vistas:
Transcripción
1 Forma alternativa del cálculo de momentos: Series Temporales: sesión 4 03//009) Autor: Ángela Fernández Pascual Considerando X 0, ), sabemos que sus momentos toman los valores: Podemos definir: EX k+ ) 0 EX k ) k )!! k ) k 3) k 5) 5 3 fa) x a e dx π Aplicamos el cambio de variable: y ax a e y π dy Ya hemos visto que la integral sobre y vale dy adx porque corresponde a la nomalización de la gaussiana a a a > 0 Si a f) Por qué hacemos esta integral? Si derivamos: a fa) a dx π x a e e a x a π dx x a e ) x dx π Ex ) x e x dx π Vemos que obtenemos el momento de orden Si ahora calculamos la segunda derivada: a fa) x a ) e x dx a π ) ) Ex 4 ) x 4 e x dx π Obtenemos el momento de orden 4 Mediante el mismo procedimiento llegamos a la fórmula general: k a k fa) k Ex ) k )
2 Es decir, podemos escribir el momento de orden k como: Ex k ) ) k k a k fa) donde fa) y sus derivadas vienen dadas por fa) a f a) ) f a) k a k fa) a 3 ) 3 ) a 5 ) k 3 5 k )a k+ Y por tanto, la expresión del momento de orden k es equivalente a la definición que ya habíamos visto antes, cuando a : Ex k ) ) k ) k k )!! k )!! En general, para z µ, σ) x µ) k E σ k k )!! E x µ) k k )!!σ k Función generatriz de momentos La idea utilizada para obtener los momentos de orden par es la misma que la que aparece para calcular la función generatriz de momentos Definimos la función generatriz de momentos como Ee bx ) Derivando: b E e bx E b ebx E xe bx Evaluando en 0: b E e bx b0 E x Siguiendo el mismo procedimiento, podemos calcular el momento de orden k: Si la variable es discreta, tendremos que calcular k b k E x e bx b0 E x k E n b n )
3 Función generatriz de una gaussiana: E e bx e x bx e π dx Idea: queremos conseguir e y dy Completamos el cuadrado: x + bx x bx x bx + b b x b) b e x b) e b dx π Cambio de variable: y x b e y e b dx π e b Podemos comprobar que sus primeros momentos son correctos: Ex) b Eebx ) be b 0 b0 b0 Es decir la media es 0 Ex ) b Eebx ) + b )e b b0 b0 Y la varianza Un buen ejercicio sería comprobar que se genera la secuencia correcta de momentos de orden par, calculando unos cuántos términos más: Ex 4 ) 3 Ex 6 ) 5 Ex 8 ) 05 Proceso de Wiener: Ya habíamos visto que definimos el proceso de Wiener en tiempo 0, T dividido en subintervalos de tamaño t, como un proceso estocástico que, para una trayectoria concreta m, viene dado por: 0 0 t t t t t 3 t m) t W + X m) m) t W 3 + X m) 3 X m) Con X i 0, ) Para definir este proceso se utilizan las definiciones t t t t n n t; n 0,,,, ; t T/; n t n ); n 0,,,, ; m,, M ivel del proceso a tiempo t n en la trayectoria m + Xm) t para una simulación de M trayectorias en pasos 3
4 Habíamos visto también que se trata de un proceso recursivo en el que cada paso viene definido en función de los anteriores: X m) + X m) ) t X m) + + X m) ) t Entonces, la distribución del proceso en tiempo t para una trayectoria cualquiera vendrá dada por: X m) t 0, t) X m) + X m) ) t 0, t) Por ser la suma de dos variables gaussianas independientes n X n m) t 0, t) Por ser la suma de variables gaussianas independientes Conclusión: El proceso de Wiener para tiempo t sigue una distribución: W t) 0, t) Las trayectorias que sigue este proceso se pueden observar en la figura Figura : Trayetorias del proceso de Wiener Fijado t, si pintamos el histograma tenemos una normal de anchura t figura ) y con probabilidad: t t P W t ; t) e W πt Esto es lo que habíamos definido como un proceso de difusión, es decir, la varianza aumenta con el tiempo Resolución del ejercicio del día 0/0/09: EW n W n+k ) k > 0? 4
5 Figura : Histograma del proceso de Wiener para un t fijo Reescribimos con k > 0): W n+k W n + X n+ + X n+ + + X n+k ) t W n W n+k W n + W n X n+ + X n+ + + X n+k ) t Calculamos la esperanza y aplicamos la propiedad distributiva EW n W n+k ) EWn) + EW n X n+ ) + EW n X n+ ) + + EW n X n+k ) t V arw n ) EWn) EW n ) EW n) V arw n ) n t puesto que EW n ) 0 EW n X n+ ) 0 puesto que W n, X n+ son independientes y EW n ) 0 EX n+ ) 0 EW n W n+k ) n t EW n X n+k ) 0 por construcción CUIDADO: EW n X n ) 0 En este caso no son independientes pues W n X + X + + X n + X n, por lo que X n se ha utilizado para construir W n Si definimos: Tendremos: t n n t W t n ) W n EW t)w s)) t si t < s mint, s) Observando el diagrama de autocovarianzas figura 3), vemos que las covarianzas no varían a lo largo del tiempo, puesto que llega un momento que no hay correlación entre los procesos, no hay información nueva 5
6 Figura 3: Diagrama de autocovarianzas del proceso de Wiener Movimiento browniano aritmético o proceso de Wiener generalizado: Definimos el movimiento browniano geométrico como: Z 0 0 Z n Z n + µ t + σ tx n n,, OTA: Estos procesos son válidos para cualquier t X n 0, )independientes ruido blanco gaussiano) Para una trayectoria m y tiempo 0, T dividido en intervalos t nuestro proceso es de la forma: Z 0 0 t t t t t 3 t t t igual para todas las trayectorias) Z 0 + µ t + σx m) t + µ t + σx m) t 3 + µ t + σx m) 3 t Zm) + µ t + σxm) t Z0 + µ t) + σx m) + X m) ) t Z0 + µ3 t) + σx m) + X m) + X m) 3 ) t Z0 + µ t) + σ i X m) i t La distribución del proceso para cada tiempo t será: Z 0 + µ t, σ t) Z 0 + µ t), σ t) X, X ID X + X ) 0, ) 3 Z 0 + µ3 t), σ 3 t) Z 0 + µ t), σ t) 6
7 En resumen: Propiedades de Zt) Zt) es un proceso browniano aritmético si: EZt) Z 0 + µt V arzt)) σ t Proceso de difusión) CovZt), Zs)) σ mins, t) Podemos ver el efecto de estas propiedades en las trayectorias del proceso en la figura4 Figura 4: Trayectorias del proceso browniano aritmético TRUCO MATLAB: Si usamos bucles, es mucho mejor reservar memoria primero Z zerosm, + ) porque se acelera mucho la ejecución Movimiento browniano geométrico: Definimos el movimiento browniano geométrico como: S 0 S n S n exp µ σ ) t + σx n t n,, X n 0, )independientes ruido blanco gaussiano) Para una trayectoria m y tiempo 0, T dividido en intervalos t nuestro proceso es de la forma: S m) 0 S 0 t t t t t 3 t t t S m) S 0 exp µ σ ) t + σx m) S m) S m) exp µ σ ) t + σx m) t t S m) 3 S m) exp µ σ ) t + σx m) 3 t S m) Sm) exp µ σ ) t + σx m) t 7 S 0 exp S 0 exp S 0 exp µ σ ) t) + σx m) + X m) ) t µ σ )3 t) + σx m) + X m) + X m) 3 ) t µ σ ) t) + σ i X m) i t
8 Si nos fijamos en el término de la exponencial, nos damos cuenta que sigue una distribución normal: µ σ )n t) + σ n i X m) i t µ σ )n t, σ n t) Por tanto el proceso browniano geométrico tiene la distribución de la exponencial de una normal Esto es una lognormal Distribución lognormal: Si Z Lm, s), entoces Z expm + sx) con X 0, ) La pdf de esta distribución tiene la forma mostrada en la figura 5 Figura 5: Función de densidad de probabilidad de una va L Este tipo de distribuciones se caracteriza por: Sólo toma valores positivos f0) 0 La moda no coincide con la media como sí ocurría en la normal) MODA e m E z Z E x e m+sx e m E x e sx e m e s e m+ s E z Z E x e m+sx e m+s V arz) EZ ) EZ) e m e s es ) Propiedades del proceso Browniano geométrico: St) Lµ S 0 σ )t, σ t) St) S0) exp {µ σ ESt) E S0) exp {µ σ )} S0) exp {µ σ E { S 0 exp µ } σ )t exp 8 ) + σ tx } ; X 0, ) ) + σ } tx { exp σ } tx { σ } t S 0 exp {µt}
9 En la figura 6 podemos ver un ejemplo de las trayectorias de un browniano geométrico En la figura 7 se aprecia que, fijado t, la distribución del proceso sigue una lognormal CUIDADO: S 0 0 Por convención, se puede utilizar S 0 o S 0 00 Figura 6: Trayectorias del proceso browniano geométrico Figura 7: Histograma del proceso Browniano geométrico para un t fijo OTA: El proceso browniano es continuo pero no derivable Por esta razón no podemos pasar del browniano geométrico al aritmético tomando el logaritmo Para hacer esto tendríamos que cambiar las reglas de la derivada pero no vamos a entrar en ello Ejercicio: Determinar A, B, C: Para un browniano aritmético P Z t, t) πσ t exp z t µt) σ t A P z, t) P z, t) P z, t) z + B + CP z, t) z t 9
Ejercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesDiferenciabilidad en un intervalo
Diferenciabilidad en un intervalo Ahora que conocemos cómo calcular la derivada de una función en un punto conviene hacer la pregunta más general: «Cómo podemos saber si una derivada se puede derivar en
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detalles4 Ecuaciones diferenciales de orden superior
CAPÍTULO 4 Ecuaciones diferenciales de orden superior 4. educción de orden allar un método para encontrar soluciones que formen un conjunto fundamental de la ED será nuestro trabajo en las siguientes secciones.
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detalles1. Lección 9 - Continuidad y Derivabilidad
1. Lección 9 - Continuidad y Derivabilidad 1.1. Continuidad El concepto de continuación es el mismo que el visto en el primer cuatrimestre pero generalizado al caso de los campos escalares. Así, sea la
Más detallesProblema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y),
Problema. Calcula las derivadas parciales de las siguientes funciones: (a) f(x, y) = x + y cos(xy), (b) f(x, y) = x x + y, (c) f(x, y) = log x + y x y, (d) f(x, y) = arctan x + y x y, (e) f(x, y) = cos(3x)
Más detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesLa derivada como razón de cambio instantánea
La derivada como razón de cambio instantánea Observa que la razón de cambio instantánea es un límite: y(t + t) y(t) lim lim t 0 t t 0 t Cuando calculamos la razón de cambio promedio, geométricamente estamos
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesFigura 1. Círculo unidad. Definición. 1. Llamamos número π (pi) al valor de la integral
ANÁLISIS MATEMÁTICO BÁSICO. LAS FUNCIONES TRIGONOMÉTRICAS. La función f(x) = 1 x 2 es continua en el intervalo [ 1, 1]. Su gráfica como vimos es la semicircunferencia de radio uno centro el origen de coordenadas.
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesTema 11: Integral definida. Aplicaciones al cálculo de áreas
Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área
Más detallesRegla de la Potencia para la Integración
Regla de la Potencia para la Integración Ejercicios. Calcule cada integral y compruebe los resultados derivando 1. Si comparamos con la definición entonces y Si derivamos obtenemos 2. Para que tenga la
Más detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesInt. indefinida de funciones exponenciales
Int. indefinida de funciones exponenciales Ahora vamos a calcular integrales indefinidas de funciones exponenciales de la forma: y = e v y y = a v Para este fin, vamos a estar utilizando las reglas de
Más detallesCálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos
Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2006 MATEMÁTICAS II TEMA 4: FUNCIONES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 006 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva,
Más detallesDistribuciones de probabilidad multivariadas
Capítulo 3 Distribuciones de probabilidad multivariadas Sobre un dado espacio muestral podemos definir diferentes variables aleatorias. Por ejemplo, en un experimento binomial, X 1 podría ser la variable
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesTécnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler
Lección 6 Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler 61 Introducción a los métodos numéricos En este capítulo y en los anteriores estamos estudiado algunas técnicas
Más detallesIntroducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
Más detallesUNIDAD 10. DERIVADAS. APLICACIONES DE LAS DERIVADAS
Unidad 0. Derivadas. Aplicaciones de las derivadas UNIDAD 0. DERIVADAS. APLICACIONES DE LAS DERIVADAS. TASA DE VARIACIÓN MEDIA. Se llama TASA DE VARIACIÓN MEDIA (TVM) de una función () f en un intervalo
Más detallesTEMA 3: APLICACIONES DE LAS DERIVADAS
TEMA 3: APLICACIONES DE LAS DERIVADAS Monotonía: Crecimiento y decrecemento Sea f:d R R una función Definiciones: Diremos que f es creciente en x = a si existe un entorno de a para el que se cumple: f(a)
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesEl Algoritmo E-M. José Antonio Camarena Ibarrola
El Algoritmo E-M José Antonio Camarena Ibarrola Introducción Método para encontrar una estimación de máima verosimilitud para un parámetro ѳ de una distribución Ejemplo simple 24 Si tiene las temperaturas
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesMATEMÁTICAS 1º BACH. C. N. Y S. 25 de enero de 2010 Geometría y Logaritmos
MATEMÁTICAS 1º BACH. C. N. Y S. 5 de enero de 010 Geometría y Logaritmos x yz 1) Tomar logaritmos, y desarrollar, en la siguiente expresión: A 4 ab log x log b 4log a log y ) Quitar logaritmos: log A )
Más detallesMICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.
MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesCONCEPTOS BASICOS DE LA TRANSFORMADA DE LAPLACE LA TRANSFORMADA DE LAPLACE
LA TRANSFORMADA DE LAPLACE Por cálculo integral sabemos que cuando vamos a determinar una integral impropia de la forma,su desarrollo se obtiene realizando un cambio de variable en el límite superior de
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesTeoría y ejercicios de Matemáticas II. Análisis
9.DERIVADAS 9.. VARIACIÓN DE UNA VARIABLE Las propiedades estudiadas en los temas anteriores, límites, continuidad, etc., nos aportan inormación puntual sobre las unciones; pero no nos dicen nada sobre
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesLas medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.
CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión
Más detallesClase No. 20: Integrales impropias MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 14
Clase No. 2: Integrales impropias MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.11.211 1 / 14 Integrandos con singularidades (I) Cuando el integrando o alguna de sus derivadas de bajo orden
Más detallesDERIVACIÓN DE LAS FUNCIONES ELEMENTALES
DERIVACIÓN DE LAS FUNCIONES ELEMENTALES 2 El procedimiento mediante el cuál se obtiene la derivada de una función se conoce como derivación. Llamaremos funciones elementales a las funciones polinómicas,
Más detallesCálculo de Derivadas
Cálculo de Derivadas Sean a, b y k constantes (números reales) y consideremos a: u y v como funciones. Derivada de una constante Derivada de x Derivada de la función lineal Derivada de una potencia Derivada
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesAplicaciones en ciencias naturales, económico-administrativas y sociales
Aplicaciones en ciencias naturales, económico-administrativas y sociales Ya hemos resuelto algunos problemas aplicados a las ciencias naturales, así que aquí nos enfocaremos más a problemas de economía,
Más detallesIES Fco Ayala de Granada Junio de 2012 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 01 común Sea f : R R la función definida como f(x) = e x.(x ). [1 punto]
Más detallesIntegral indefinida. Integral indefinida es el conjunto de las infinitas primitivas que puede tener una función.
Integral indefinida 1. Integración Integrar es el proceso recíproco del de derivar, es decir, dada una función f(x), busca aquellas funciones F(x) que al ser derivadas conducen a f(x). Se dice, entonces,
Más detallesMáximos y mínimos usando la segunda derivada
Máimos mínimos usando la segunda derivada Ahora que sabemos que la segunda derivada nos da información acerca de la primera derivada, vamos a utilizarla para calcular los máimos mínimos de funciones. Ya
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesCURSO CERO DE MATEMATICAS. Apuntes elaborados por Domingo Pestana Galván. y José Manuel Rodríguez García
INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIONES CURSO CERO DE MATEMATICAS Apuntes elaborados por Domingo Pestana Galván y José Manuel Rodríguez García UNIVERSIDAD CARLOS III DE MADRID Escuela Politécnica
Más detallesIES Fco Ayala de Granada Sobrantes de 2011 (Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Sobrantes de 011 (Modelo 4) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo 4 del 011 [ 5 puntos] Queremos hacer junto a la carretera un cercado rectangular
Más detallesETS Minas: Métodos matemáticos Ejercicios resueltos Tema 1 Preliminares
ETS Minas: Métodos matemáticos Ejercicios resueltos Tema Preliminares Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso 006/07 Agosto 006,
Más detallesInterpretación geométrica de la derivada
Interpretación geométrica de la derivada Ya estudiamos una interpretación geométrica de la razón de cambio instantánea. Ahora vamos a profundizar un poco más en este concepto recordando que la derivada
Más detallesUnidad 5. La derivada. 5.2 La derivada de una función
Unidad 5 La derivada 5. La derivada de una función A continuación trataremos uno de los conceptos fundamentales del Cálculo, que es el de la derivada. Este concepto es un ite que está estrecamente ligado
Más detallesEcuaciones exponenciales y logaritmicas
Ecuaciones exponenciales y logaritmicas Cuando hacemos preguntas relacionadas a funciones exponenciales o logaritmicas generalmente obtendremos una ecuación logarimica o exponencial. Elevé el número 3
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesEJERCICIOS RESUELTOS DE DERIVADAS DE UNA FUNCIÓN REAL
EJERCICIOS RESUELTOS DE DERIVADAS DE UNA FUNCIÓN REAL Estudiar la continuidad y derivabilidad de las siguientes funciones y escribir su función derivada: si < ( ) f 7 si < 7 si b) f c) f La función f(
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesNotas del cursos. Basadas en los prontuarios de MATE 3001 y MATE 3023
Programa Inmersión, Verano 2016 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 3001 y MATE 3023 Clase #8: jueves, 9 de junio de 2016. 8 Factorización Conceptos básicos Hasta
Más detallesUNIDAD 3. La derivada. Objetivos. Al terminar la unidad, el alumno:
UNIDAD La derivada Objetivos Al terminar la unidad, el alumno: Calculará la derivada de funciones utilizando el álgebra de derivadas. Determinará la relación entre derivación y continuidad. Aplicará la
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detalles2 ln x dx. Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = 1 x dx dv = dx v = x y por tanto
Tema 6 Integración Definida Ejercicios resueltos Ejercicio Calcular la integral definida ln x dx Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = x dx dv
Más detalles2.4 Ecuaciones diferenciales de Bernoulli
.4 Ecuaciones diferenciales de Bernoulli 3 Ejercicios.3. Ecuaciones diferenciales lineales. Soluciones en la página 4 Resolver las siguientes ecuaciones diferenciales lineales.. y 0 C 00y D 0.. x 0 0x
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesHerramientas computacionales para la matemática MATLAB: Análisis de datos.
Herramientas computacionales para la matemática MATLAB:. Verónica Borja Macías Junio 2012 1 Analizar datos estadísticos en MATLAB es sencillo. Máximo y mínimo max(x) si x es vector encuentra el valor más
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesAnálisis Dinámico: Ecuaciones diferenciales
Análisis Dinámico: Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Análisis Dinámico: 1 / 51 Introducción Solución genérica Solución de
Más detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detallesProblemas métricos. 1. Problemas afines y problemas métricos
. Problemas afines y problemas métricos Al trabajar en el espacio (o análogamente en el plano) se nos pueden presentar dos tipos de problemas con los elementos habituales (puntos, rectas y planos): Problemas
Más detallesII. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS
UNIVERSIDAD INTERAMERICANA PARA EL DESARROLLO ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS Contenido II. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS II. Tablas de frecuencia II. Gráficos: histograma, ojiva, columna,
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesProyecto. Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas. Geometría Analítica. Isidro Huesca Zavaleta
Geometría Analítica Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas Isidro Huesca Zavaleta La Integración de dos Ciencias La Geometría Analítica nació de la integración de dos ciencias
Más detallesAPUNTES DE FUNDAMENTOS DE MATEMATICA. CASO I: Cuando todos los términos de un polinomio tienen un factor común.
FACTORIZACION DE POLINOMIOS. CASO I: Cuando todos los términos de un polinomio tienen un factor común. Cuando se tiene una expresión de dos o más términos algebraicos y si se presenta algún término común,
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detalles1 Curvas planas. Solución de los ejercicios propuestos.
1 Curvas planas. Solución de los ejercicios propuestos. 1. Se considera el lugar geométrico de los puntos del plano tales que la suma del cuadrado de las distancias a los puntos P 1 = (, 0) y P = (, 0)
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesIntroducción a la Teoría Analítica de Números
Introducción a la Teoría Analítica de Números Pablo De Nápoli clase 3. Ejemplos de funciones generatrices El teorema que vimos la clase anterior sobre el producto de series de Dirichlet permite determinar
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesf(x) = x 2 Ejercicio 121 Para x = 1/2 formar los cocientes incrementales f/ x para los incrementos entre x = 1 y x = 1+ x de tres maneras diferentes:
22 CAPÍTULO 3. INTEGRALES: CÁLCULO POR MEDIO DE PRIMITIVAS 3.2. La derivada En la sección 3. analizamos los incrementos y cocientes incrementales de varias funciones. En esta sección nos concentraremos
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesEstadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Más detalles