CARACTERIZACIÓN ENERGÉTICA DEL VIENTO: POTENCIAL EÓLICO. Prof. Msc. José Garcia

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

Download "CARACTERIZACIÓN ENERGÉTICA DEL VIENTO: POTENCIAL EÓLICO. Prof. Msc. José Garcia"

Transcripción

1 CARACTERIZACIÓN ENERGÉTICA DEL VIENTO: POTENCIAL EÓLICO

2 INTRODUCCIÓN En esta parte se trata la caracterización energética del viento y sobre la evaluación del potencial eólico que presenta un determinado lugar. Para la caracterización del viento se usa la ley de densidad de probabilidad de Weibull, que permite modelizar la distribución de la velocidad del viento, es decir, facilita una expresión matemática para predecir, con una aproximación razonable, el comportamiento de la velocidad del viento a lo largo de un cierto periodo de tiempo (en general un año). También se presentan los métodos para obtener la ley de Weibull a partir de los datos obtenidos por mediciones de la velocidad del viento. Además, hay diversos factores que alteran las características del viento. A una altura elevada, los efectos de la superficie son prácticamente nulos.

3 INTRODUCCIÓN A alturas inferiores a los 1000 m, la velocidad del viento se ve influenciada por los efectos por los efectos de rozamiento con el terreno, básicamente por su relieve y por la presencia de obstáculos. Los principales factores que intervienen son: Variación de la velocidad del viento con la altura debida a la rugosidad del terreno. Influencia del relieve del terreno (efecto de orografía). Influencia de los obstáculos. Se exponen los métodos de cálculo adecuados para predecir y evaluar la influencia de estos factores sobre el viento. Finalmente, se presenta el concepto de potencial eólico y el modo de su evaluación, a fin de valorar el recurso eólico que presenta un emplazamiento determinado.

4 LEY DE DISTRIBUCIÓN DE WEIBULL DE LA VELOCIDAD

5 LEY DE DISTRIBUCIÓN DE WEIBULL DE LA VELOCIDAD Es importante disponer de una función que permita determinar la distribución de velocidades del viento a lo largo de un periodo de tiempo (por ejemplo, un año). Se ha comprobado experimentalmente que la velocidad del viento sigue aproximadamente una densidad de probabilidad similar a la de figura 3.1, y que se ajusta bastante bien a una distribución de la función: Densidad de Probabilidad de Weibull. La función densidad de probabilidad (v) correspondiente a la ley de Weibull es del tipo de dos parámetros (k, c) y viene dada por la expresión: ρ v = k v k 1 e v k c c c En donde: v: es la velocidad del viento (m/s). ρ v : es la función densidad de probabilidad de Weibull. c: es el factor de escala (m/s), valor que suele ser próximo a la velocidad media. k: es el factor que se caracteriza la asimetría o sesgo de la función de probabilidad.

6 Figura 3.1. Función densidad de probabilidad para la velocidad del viento a lo largo de un periodo de tiempo (por ejemplo un año). En línea continua, valores reales y en discontinua, el ajuste a una distribución de Weibull.

7 En la figura 3.2 se muestra un histograma real anual de las velocidades del viento, donde se puede observar su aspecto y su gran similitud a la gráfica de la figura 3.1 que muestra la ley de Weibull. En particular si k = 2, la ley de Weibull coincide con la de Rayleigh. Muchos estudios de potencial eólico y de fabricantes de aerogeneradores refieren las prestaciones de los mismos a una distribución de velocidades según una ley de Rayleigh, ya que los lugares en los lugares en los que se dan unas condiciones adecuadas para la explotación de la energía eólica presentan en general distribuciones de velocidad que son próximas a distribuciones Weibull con parámetro de forma igual a 2. En el caso de lugares emplazados en el mar (aerogeneradores «offshore») o zonas muy próximas a la costa o a las playas, la distribución de vientos, en muchos casos, se aproxima mejor a distribuciones con valores mas elevados de k (por ejemplo, 3).

8 Estos valores son sólo orientados y en cada caso deben determinarse siguiendo los procedimientos que se exponen más adelante. Figura 3.2. Ejemplo de histograma de velocidades del viento para un periodo anual (8760 horas).

9 Figura 3.3. Función densidad de probabilidad de Weibull para la velocidad del viento. A continuación se muestran algunas propiedades interesantes de la función de Weibull y que posteriormente se utilizaran.

10 La densidad de probabilidad presenta un máximo (moda) para una velocidad v m dada por: v m c = k 1 k Sólo a titulo ilustrativo, y sin que los valore que se presentan correspondan a valores reales de la velocidad del viento, en la figura 3.3 se muestra la forma de la densidad de probabilidad e Weibull para varios valores del parámetro k, para el caso c = 1. La frecuencia acumulada F para un valor de la velocidad V viene dada por: V F(v V) = ρ v dv = 1 e v k c 0 1/k

11 La expresión anterior permite determinar la frecuencia acumulada de velocidades que son menores o iguales que un valor. Muchas veces se utiliza la distribución acumulada complementaria F que permite calcula la frecuencia acumulada de las velocidades que son mayores o iguales a un valor V. La función F viene dada por: F v V = 1 F(v V) = e v c k En la figura 3.4 se muestran, para c = 1, las curvas de duración de la velocidad para distintos valore de k, calculadas a partir de la expresión anterior. La probabilidad que la velocidad v se encuentre comprendida entre dos valores de la velocidad v 1 y v 2 vendrá dada por la expresión: P v 1 v v 2 = ρ v dv v 2 v 1 = F v 2 F v 1 = F v 1 + F (v 2 )

12 Figura 3.4. Curvas e duración de la velocidad del viento (correspondientes a las frecuencias relativas acumuladas «igual o mayor que») para una distribución de Weibull.

13 Cualquier percentil se puede calcular a partir de la expresión de F(v V), por ejemplo el percentil v 0,95, que deja por encima del mismo el 5 % de los valores de la velocidad, se determina según: 0,95 = 1 e v 0,95 c k v 0,95 c = ln 1 0,05 1 k = ln20 1/k La velocidad media v, la mediana v y la variancia ς 2 de la distribución de Weibull vienen dadas por: v = vf v dv 0 = cγ k v = ln2 1/k 2 ς 2 = Γ k Γ k

14 En donde Γ(x), es la denominada función gamma, cuyos valores se obtiene por medio Tablas, como se muestra mas adelante. Cuando se evalúa el potencial energético eólico, una magnitud interesante en estudios de energía eólica es el valor medio del cubo de las velocidades del viento v 3, que no debe confundirse con el cubo de la velocidad media v 3. Para una distribución de Weibull este valor viene dado por: v 3 = v 3 f v dv 0 = c 3 Γ k Se define la velocidad eficaz v como aquella velocidad que elevada al cubo coincide con la media de los cubos de las velocidades. El papel que juega la velocidad eficaz v en energía eólica es muy importante y se comentará en el apartado relativo a la potencia eólica.

15 La velocidad eficaz viene dada por: v = v 3 1/3 A partir de las expresiones anteriores se tiene el siguiente conjunto de relaciones: Velocidad media/parámetro c: v c = Γ k Índice de variabilidad (desviación estándar/velocidad media): ς v = Γ 1 + Γ 2 2 k k 1 1/2

16 Factor de energía, factor de potencia eólica o factor de irregularidad F e : F e = v3 v 3 = Γ k Γ k Relación entre la velocidad eficaz v y la velocidad media v : v v = F e 1/3 Relación entre la mediana y la media: v v = ln 2 1/k Γ k

17 En la figura 3.5 se presentan, para una velocidad media anual v = 8 m/s diversas gráficas de la ley de Weibull para distintos valores del parámetro k. El lector debe notar que para cada una de las gráficas le corresponde una pareja de valores k, c. El valor del parámetro c en cada caso se calcula a través de la expresión v /c. Así mismo la figura 3.6 se muestra la variación del parámetro k en función del índice de variabilidad (desviación estándar/media). Es importante hacer notar que cuanto menor es este índice mayor es el valor de k, es decir cuanta menos dispersión presenten los datos de velocidad de viento respecto del valor medio de la misma mayor es el parámetro k.

18 Figura 3.5. Función densidad de probabilidad de Weibull para distintos valores del parámetro de forma (k). Todas las curvas de la familia corresponden a una velocidad media anual igual a 8 m/s.

19 Figura 3.6. Variación del factor de forma (k) de la ley de Weibull en función del índice de variabilidad de la distribución de velocidades de viento. (índice de variabilidad = Desviación estándar/velocidad media anual)

20 Tabla 3.1. Valores de relaciones de interés en aplicaciones de energía eólica en función del parámetro k para una distribución de Weibull. k v /c σ/ v v/ v v m / v F e = v 3 / v 3 F e 1,20 0,941 0,837 0,783 0,239 3,99 1,59 1,40 0,911 0,724 0,844 0,448 3,03 1,45 1,60 0,897 0,640 0,887 0,604 2,48 1,35 1,80 0,889 0,575 0,917 0,717 2,14 1,29 2,00 0,886 0,523 0,939 0,798 1,91 1,24 2,20 0,886 0,480 0,956 0,857 1,75 1,21 2,40 0,886 0,444 0,968 0,901 1,63 1,18 2,60 0,888 0,413 0,978 0,934 1,53 1,15 2,80 0,890 0,387 0,985 0,959 1,46 1,13 3,00 0,893 0,363 0,991 0,978 1,40 1,12 3,20 0,896 0,343 0,996 0,993 1,36 1,11 3,50 0,900 0,316 1,001 1,010 1,30 1,09 4,00 0,906 0,281 1,007 1,027 1,23 1,07 5,00 0,918 0,229 1,012 1,042 1,15 1,05 6,00 0,928 0,194 1,014 1,046 1,11 1,04 7,00 0,935 0,168 1,014 1,046 1,08 1,03 8,00 0,942 0,148 1,014 1,044 1,06 1,02 9,00 0,947 0,133 1,014 1,042 1,05 1,02 10,00 0,951 0,120 1,013 1,040 1,04 1,01

21 En la tabla 3.1 se presentan los valores de las relaciones anteriormente definidas en función de distintos valores de k. Según las expresiones anteriormente expuestas y de la observación de la tabla 3.1, se concluye que para que la distribución de Weibull quede definida, deben conocerse dos valores cualesquiera del conjunto ( k, c, velocidad media, mediana, velocidad que hace máxima la función densidad y desviación típica). En adelante se indicara la forma de determinar la distribución de Weibull en función del conocimiento que se disponga de estos valores. Ejemplo 3.1 La distribución de velocidades presentada en la tabla 2.6 corresponde aproximadamente a una ley de Weibull con parámetros k = 1,82 y c = 4,47 m/s.

22 Para esta distribución de velocidades se desea calcular la velocidad media anual v, y la desviación típica σ y el factor de energía F e a través de las relaciones dada anteriormente y comparar los resultados con los obtenidos en el análisis estadístico de la tabla 2.6. Solución: Según la expresión de v /c y usando las tablas de la función Γ: v c = Γ k = Γ = Γ 1,549 = 0,8888 1,82 v = 0,8888 c = 0,8888 4,47 = 3,97 m/s Se puede comprobar la concordancia con el valor de la velocidad media anual obtenida por análisis estadístico de los datos de la tabla 2.6, en la que v = 3,99 m/s.

23 De forma análoga, aplicando la ecuación σ/ v se obtiene: De donde: ς v = Γ 1 + Γ 2 2 k k 1 1/2 = = Γ 2,099 Γ 2 1, /2 Γ ,82 Γ ,82 = 0, /2 ς = 0,569 v = 0,569 3,97 = 2,26 m/s Compárese esto con el resultado obtenido en la tabla 2.6, en la cual: ς = 2,1 m/s

24 El factor de energía F e, se determina en este caso usando la expresión: F e = v3 v 3 = Γ k = = Γ 2,648 Γ 3 1,549 = Γ k 1,648 Γ 2,648 Γ 3 1,549 Γ ,82 Γ ,82 = 2,11 Se puede observar la diferencia entre la velocidad media anual al cubo y la media anual del cubo de las velocidades horarias.

25 LEY DE RAYLEIGH

26 LEY DE RAYLEIGH La ley de Rayleigh es un caso particular de la ley de Weibull, cuando el parámetro de forma k es igual a 2. En caso la función densidad de probabilidad será: ρ(v) = π 2 v v 2 π e 4 v v 2 Y la función distribución de velocidades F v se determina a partir de: ρ v = df/dv: F v = 1 e π 4 v v 2 Estas expresiones se han obtenido a partir de la ley de Weibull, considerando k = 2 y teniendo presente la relación que para este caso se cumple: v c = Γ 1,50 = π/2

27 LEY DE RAYLEIGH La ley de Rayleigh representa bastante bien el comportamiento de la velocidad del viento a lo largo del año en lugares potencialmente atractivos para el aprovechamiento de la energía eólica. En cambio, esta ley es poco fiable para lugares donde la velocidad media anual no supere 4,5 m/s y no debe usarse nunca cuando esta velocidad es menor que 3,5 m/s. Como los lugares cuyo potencial eólico es atractivo desde el punto de vista energético presentan velocidades medias anuales superiores a los valores anteriores, la ley de Rayleigh es muy usada como referencia. Incluso muchos fabricantes de eólicas refieren las prestaciones de las mismas a una distribución de velocidades de viento según una ley de Rayleigh. En la figura 3.7 se muestra el caso de una distribución de Rayleigh donde la velocidad media anual es igual a 7 m/s. Ejemplo 3.2 Para una distribución de velocidades del viento cuya velocidad media anual es igual a 7 m/s y que sigue una ley de Rayleigh se desea construir la curva de duración anual de la velocidad.

28 LEY DE RAYLEIGH Solución La curva de duración anual de la velocidad no es más que la representación del número de horas anuales para las que la velocidad del viento se mantiene igual o menor que un valor determinado, por lo que se obtendrá a partir de la curva de frecuencias relativas acumuladas o distribución acumulada complementaria F («igual o mayor que»), multiplicándola por el número de horas que tiene un año (8760 horas). La distribución anual F complementaria definida por la expresión F (v V) será en este caso, al tratarse de una distribución de Rayleigh con v = 7 m/s: F = 1 F = e π 4 v v 2 = e π 4 v 7 2

29 LEY DE RAYLEIGH Figura 3.7. Función densidad de probabilidad (v) para una distribución de Rayleigh (k = 2) y velocidad media anual igual a 7 m/s.

30 LEY DE RAYLEIGH v ( m s ) F horas/año v (m s ) F horas/año ,40 x , ,30 x , ,60 x , ,59 x , ,60 x , ,46 x Tabla 3.2. Ejemplo de una ley de Rayleigh con velocidad media anual de 7 m/s. Distribución acumulada complementaria F y número de horas al año para las que la velocidad del viento es igual o mayor que el valor indicado.

31 LEY DE RAYLEIGH El número de horas acumuladas se determina multiplicando los valores obtenidos de la expresión de F por 8760 horas (número de horas que tiene un año).anterior (8760 horas). En la tabla 3.2 se muestran los valores de la duración de la velocidad. Así por ejemplo, se indica que hay 4919 horas al año en las que la velocidad es igual o mayor que 6 m/s. En la figura 3.8 se muestra el aspecto de la curva de duración anual de la velocidad del viento para es caso.

32 LEY DE RAYLEIGH Figura 3.8. Curva de duración anual de la velocidad del viento para una distribución de Rayleigh (k = 2) y una velocidad media anal igual a 7 m/s.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. 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 detalles

RELACIÓN DE EJERCICIOS TEMA 2

RELACIÓN DE EJERCICIOS TEMA 2 1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación

Más detalles

UNIDAD 7 Medidas de dispersión

UNIDAD 7 Medidas de dispersión UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada

Más detalles

Teoría de errores -Hitogramas

Teoría de errores -Hitogramas FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:

Más detalles

6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS Velocidad de retorno del rayo con distribución uniforme

6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS Velocidad de retorno del rayo con distribución uniforme Aplicación de redes neuronales en el cálculo de sobretensiones y tasa de contorneamientos 233 6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS 6.4.1. Introducción Como ya

Más detalles

FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional

FLORIDA 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 detalles

Tema 6. Variables aleatorias continuas

Tema 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 detalles

ESTADISTICA APLICADA A LA EDUCACIÒN CODIGO: HOC220 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICIONAL Y DE DISPERSIÓN

ESTADISTICA APLICADA A LA EDUCACIÒN CODIGO: HOC220 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICIONAL Y DE DISPERSIÓN ESTADISTICA APLICADA A LA EDUCACIÒN CODIGO: HOC220 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICIONAL Y DE DISPERSIÓN COMPILADOR San Cristóbal, Abril 2011 CODIGO: HOC220 Página 1 1. A un conjunto

Más detalles

ESTADÍSTICA SEMANA 3

ESTADÍSTICA SEMANA 3 ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN 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 detalles

Medidas de tendencia central y dispersión

Medidas de tendencia central y dispersión Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:

Más detalles

ANEXO 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. 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 detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

Z i

Z i Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda

Más detalles

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

LECTURA 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 detalles

Tema 1.- Correlación Lineal

Tema 1.- Correlación Lineal Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una

Más detalles

Código: ESA-343. Horas Semanales: 4. Prelaciones: CAL-265

Código: ESA-343. Horas Semanales: 4. Prelaciones: CAL-265 INSTITUTO UNIVERSITARIO JESÚS OBRERO PROGRAMA DE ESTUDIO Unidad Curricular: Estadística I Carrera: Informática Semestre: Tercero Código: ESA-343 Horas Semanales: 4 Horas Teóricas: 2 Horas Prácticas: 2

Más detalles

UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I

UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I CLAVE: MAT 131 ; PRE REQ.: MAT 111 ; No. CRED.: 4 I. PRESENTACIÓN: Este

Más detalles

Volumen de Sólidos de Revolución

Volumen de Sólidos de Revolución 60 CAPÍTULO 4 Volumen de Sólidos de Revolución 6 Volumen de sólidos de revolución Cuando una región del plano de coordenadas gira alrededor de una recta l, se genera un cuerpo geométrico denominado sólido

Más detalles

Tema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1

Tema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1 Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea

Más detalles

1. La Distribución Normal

1. La Distribución Normal 1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando

Más detalles

CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO

CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño

Más detalles

PROBLEMAS ESTADÍSTICA I

PROBLEMAS ESTADÍSTICA I PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2

Más detalles

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:

Más detalles

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos

Más detalles

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación

Más detalles

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)

Más detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles

LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL

LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL PreUnAB LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, MEDIDAS DE TENDENCIA CENTRAL Clase # 26 Noviembre 2014 ESTADÍGRAFOS Concepto de estadígrafo Un estadígrafo, o estadístico, es un indicador que se calcula

Más detalles

Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete

Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Trabajo de fin del curso SimSEE 2, Grupo 1, pág 1/9 Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Magdalena

Más detalles

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos 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 detalles

FACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de

Más detalles

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada

Más detalles

Gráficos estadísticos. Estadígrafo

Gráficos estadísticos. Estadígrafo Tema 12: Estadística y probabilidad Contenidos: Gráficos estadísticos - Estadígrafos de tendencia central Nivel: 4 Medio Gráficos estadísticos. Estadígrafo 1. Distribución de frecuencias Generalmente se

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMERICA) MEDIDAS DE TENDENCIA CENTRAL 20/05/2008 Ing. SEMS 2.1 INTRODUCCIÓN En el capítulo anterior estudiamos de qué manera los

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 7: Medidas de Posición para Datos Crudos

Curso de Estadística Unidad de Medidas Descriptivas. Lección 7: Medidas de Posición para Datos Crudos 1 Curso de Estadística Unidad de Medidas Descriptivas Lección 7: Medidas de Posición para s Crudos Creado por: Dra. Noemí L. Ruiz Limardo, EdD 010 Derechos de Autor Objetivos 1. Definir las medidas de

Más detalles

CAPITULO 6. Análisis Dimensional y Semejanza Dinámica

CAPITULO 6. Análisis Dimensional y Semejanza Dinámica CAPITULO 6. Análisis Dimensional y Semejanza Dinámica Debido a que son pocos los flujos reales que pueden ser resueltos con exactitud sólo mediante métodos analíticos, el desarrollo de la mecánica de fluidos

Más detalles

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO RELACIÓN DE PROBLEMAS PROPUESTOS DE UNA VARIABLE Curso académico 2004-2005 DPTO. ECONOMÍA APLICADA I 1. Obtener las frecuencias acumuladas, las frecuencias relativas

Más detalles

MEDIDAS DE CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN. Matemáticas PAI 5 (4ºESO)

MEDIDAS DE CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN. Matemáticas PAI 5 (4ºESO) CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN Matemáticas PAI 5 (4ºESO) Ejercicio 2 Actividad de aula 3 Medidas estadísticas Recupera la tabla de frecuencias que realizaste en el ejercicio 2 de la actividad de

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS

INTRODUCCIÓN AL ANÁLISIS DE DATOS INTRODUCCIÓN AL ANÁLISIS DE DATOS HORARIOS: Lunes, 12:00-13:30 Martes, 8:15-9:45 Jueves, 8:15-9:45 Tema 1. Introducción. El análisis de datos dentro de la estadística. Características de los datos socioeconómicos.

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

FACULTAD: Facultad de Ciencias de la Educación

FACULTAD: Facultad de Ciencias de la Educación INFORMACIÓN GENERAL FACULTAD: Facultad de Ciencias de la Educación CURSO: ESTADISTICA INFERENCIAL Carrera: LICENCIATURA EN ADMINISTRACIÓN EDUCATIVA Nombre del Curso: ESTADISTICA INFERENCIAL Pre-requisito:

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill. GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 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 detalles

1. Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido:

1. Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido: . Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido: Peso [.5,.75) [.75,3) [3,3.5) [3.5,3.5) [3.5,3.75) [3.75,4) [4,4.5) [4.5,4.5] N o de niños 7 36

Más detalles

ACTIVIDAD 2: La distribución Normal

ACTIVIDAD 2: La distribución Normal Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la

Más detalles

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24 Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00

Más detalles

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

Unidad 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 detalles

El polvo de bronce empleado ha sido suministrado por la empresa ECKART. Su denominación comercial es ECKA Spherical Bronze 89/11 AK.

El polvo de bronce empleado ha sido suministrado por la empresa ECKART. Su denominación comercial es ECKA Spherical Bronze 89/11 AK. 3. MATERIALES 3.1 BRONCE El polvo de bronce empleado ha sido suministrado por la empresa ECKART. Su denominación comercial es ECKA Spherical Bronze 89/11 AK. 3.1.1 PROPIEDADES GENERALES En este apartado

Más detalles

Histograma del puntaje de vocabulario y la aproximación por una curva gaussiana.

Histograma del puntaje de vocabulario y la aproximación por una curva gaussiana. 35 Curvas de densidad Existe alguna manera de describir una distribución completa mediante una única expresión? un diagrama tallo-hoja no es práctico pues se trata de demasiados datos un histograma elimina

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El

Más detalles

ANÁLISIS GRANULOMÉTRICOS - REPRESENTACIONES GRÁFICAS PARÁMETROS ESTADÍSTICOS

ANÁLISIS GRANULOMÉTRICOS - REPRESENTACIONES GRÁFICAS PARÁMETROS ESTADÍSTICOS ANÁLISIS GRANULOMÉTRICOS - REPRESENTACIONES GRÁFICAS PARÁMETROS ESTADÍSTICOS REPRESENTACIONES GRÁFICAS Los análisis texturales presentados como gráficas simplifican la comparación entre las muestras y

Más detalles

Capítulo 5 Determinación de caudales en los puntos de análisis

Capítulo 5 Determinación de caudales en los puntos de análisis Capítulo 5 Determinación de caudales en los puntos de análisis Al no existir información sobre los caudales en los puntos que definen las subcuencas en estudio (Vilcazán, Sta. Rosa, San Lázaro, Chulucanitas

Más detalles

Fundamentos de Estadística y Simulación Básica

Fundamentos 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 detalles

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple Percentil q (p q ) Una medida de posición muy útil para describir una población, es la denominada 'percentil'. En forma intuitiva podemos decir que es un valor tal que supera un determinado porcentaje

Más detalles

ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal

ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal Relaciones nivel-caudal 1. El objetivo de aforar una corriente, durante varias épocas del año en una sección determinada, es determinar lo que

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más detalles

Ejercicios de Variables Aleatorias

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 detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro

Más detalles

EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA

EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA. Calcular las siguientes integrales definidas: b) d e d c) + d d) d e) sen d f) + d d ( ) En primer lugar se ha calculado una primitiva de f() Barrow. y después

Más detalles

1. Caso no lineal: ajuste de una función potencial

1. Caso no lineal: ajuste de una función potencial 1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir

Más detalles

Estadística Aplicada

Estadística Aplicada Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

PRIMITIVAS E INTEGRAL DEFINIDA Ejercicios de selectividad

PRIMITIVAS E INTEGRAL DEFINIDA Ejercicios de selectividad PRIMITIVAS E INTEGRAL DEFINIDA Ejercicios de selectividad Sea f : R R la función definida por f() = e /. (a) En qué punto de la gráfica de f la recta tangente a ésta pasa por el origen de coordenadas?

Más detalles

ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA Definición de Estadística: La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer

Más detalles

Estadística. Análisis de datos.

Estadística. 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

Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Dispone de 1 hora para resolver las siguientes cuestiones planteadas. ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Más detalles

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7. MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA 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 detalles

Uso de las medidas de dispersión en un análisis de datos

Uso de las medidas de dispersión en un análisis de datos Grado 11 Matematicas - Unidad 5 Un análisis de información con criterios estadísticos Tema Uso de las medidas de dispersión en un análisis de datos Nombre: Curso: El uso de la información estadística va

Más detalles

Laboratorio Nº 1 La Descripción Gráfica de la Ecuación Diferencial Ordinaria

Laboratorio Nº 1 La Descripción Gráfica de la Ecuación Diferencial Ordinaria Universidad Diego Portales Segundo Semestre 007 Facultad de Ingeniería Instituto de Ciencias Básicas Asignatura: Ecuaciones Diferenciales Laboratorio Nº 1 La Descripción Gráfica de la Ecuación Diferencial

Más detalles

Sound Meteorological Environmental Correlation. Información técnica

Sound Meteorological Environmental Correlation. Información técnica Sound Meteorological Environmental Correlation Información técnica SOME-ECO SOME-ECO SOME-ECO (Sound Meteorological Environmental Correlation) es un proyecto de investigación pionero liderado por ICR,

Más detalles

MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA

MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA 1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 2. Descripción Conjunta de Varias Variables Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis

Más detalles

Práctica 5 Cálculo integral y sus aplicaciones

Práctica 5 Cálculo integral y sus aplicaciones Práctica 5 Cálculo integral y sus aplicaciones 5.1.- Integración con Mathematica o Integrales indefinidas e integrales definidas Mathematica nos permite calcular integrales mediante la instrucciones: Integrate[expresión

Más detalles

Medidas descriptivas I. Medidas de tendencia central A. La moda

Medidas descriptivas I. Medidas de tendencia central A. La moda Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto

Más detalles

1.- Introducción. Ciclos Mayo 2010 Noviembre 2010 Mayo Servicios/Unidades Becas Acceso Primer y Segundo Ciclo Títulos

1.- Introducción. Ciclos Mayo 2010 Noviembre 2010 Mayo Servicios/Unidades Becas Acceso Primer y Segundo Ciclo Títulos 1.- Introducción En concordancia con el interés general de las instituciones universitarias de mejorar sus servicios, el Área de Alumnos pretende responder al compromiso de la Universidad de Sevilla con

Más detalles

La desviación típica y otras medidas de dispersión

La desviación típica y otras medidas de dispersión La desviación típica y otras medidas de dispersión DISPERSIÓN O VARIACIÓN La dispersión o variación de los datos intenta dar una idea de cuan esparcidos se encuentran éstos. Hay varias medidas de tal dispersión,

Más detalles

UNIDAD 6 Medidas de tendencia central

UNIDAD 6 Medidas de tendencia central UNIDAD Medidas de tendencia central UNIDAD MEDIDAS DE TENDENCIA CENTRAL = EJEMPLO. ó Al estudiar la información estadística de los histogramas y los polígonos de frecuencia, se puso en evidencia un significativo

Más detalles

Matemáticas. Selectividad ESTADISTICA COU

Matemáticas. Selectividad ESTADISTICA COU Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries

Más detalles

MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros

MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas

Más detalles

EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)

EL 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 detalles

Trabajo de Estadística 3º ESO

Trabajo de Estadística 3º ESO Pasos para realizar el trabajo Trabajo de Estadística 3º ESO 1º Organizarse en grupos de 2-3 personas 2º Elegir el problema a estudiar: Variable estadística cuantitativa discreta 3º Determinar la Población

Más detalles

Un estudio estadístico consta de las siguientes fases: Recogida de datos. Organización y representación de datos. Análisis de datos.

Un estudio estadístico consta de las siguientes fases: Recogida de datos. Organización y representación de datos. Análisis de datos. La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta de las siguientes

Más detalles

Criterios de evaluación 3º de ESO. Matemáticas Orientadas a las Enseñanzas Aplicadas

Criterios de evaluación 3º de ESO. Matemáticas Orientadas a las Enseñanzas Aplicadas CONCRECCIÓN de los CRITERIOS de EVALUACIÓN MATEMÁTICAS APLICADAS º ESO Teniendo en cuenta los criterios de evaluación correspondientes a esta materia, se realizan a continuación una concreción de dichos

Más detalles

(Soluc: a) ; b)- ; c)± ; d)± ; e)± ; f) 0; g)± ; h) ; i)± ; x 1. 3 f) x e. lim x 2 x 1. lim x. lim. lim log x. lim. lim. x 1 (x 1)(x 4) lim x 1.

(Soluc: a) ; b)- ; c)± ; d)± ; e)± ; f) 0; g)± ; h) ; i)± ; x 1. 3 f) x e. lim x 2 x 1. lim x. lim. lim log x. lim. lim. x 1 (x 1)(x 4) lim x 1. + ln 4 + f + 5 EJERCICIOS de LÍMITES de FUNCIONES y CONTINUIDAD. Calcular los siguientes límites no indeterminados : 4 + + 4 f) e log g) 0, + 4 d) i) 0+ + 4 e) j) 4. Dada la gráfica de la figura, indicar

Más detalles

3 PROBABILIDAD Y DISTRIBUCION NORMAL

3 PROBABILIDAD Y DISTRIBUCION NORMAL 3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder

Más detalles

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

GRAFICOS DE CONTROL DATOS TIPO VARIABLES GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar

Más detalles

FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 4. DERIVACIÓN

FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 4. DERIVACIÓN FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 4. DERIVACIÓN 1.- Derivada de una función en un punto. El estudio de la derivada de una función en un punto surge con el problema geométrico

Más detalles

Relación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS

Relación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS INTRODUCCIÓN A LA ESTADÍSTICA Relación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS 1.- Obtener las medias aritmética, geométrica, armónica para la siguiente distribución: SOL: 2,74; 2,544; 2,318

Más detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

UNIDAD 6. Estadística

UNIDAD 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 detalles

3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas

3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas 3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas BLOQUE DE APRENDIZAJE I: PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS 1. Identificar, formular y resolver problemas numéricos, geométricos, funcionales

Más detalles

NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012

NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso

Más detalles

norma española UNE-EN ISO 1302 EXTRACTO DEL DOCUMENTO UNE-EN ISO 1302 Especificación geométrica de productos (GPS)

norma española UNE-EN ISO 1302 EXTRACTO DEL DOCUMENTO UNE-EN ISO 1302 Especificación geométrica de productos (GPS) norma española UNE-EN ISO 1302 Noviembre 2002 TÍTULO Especificación geométrica de productos (GPS) Indicación de la calidad superficial en la documentación técnica de productos (ISO 1302:2002) Geometrical

Más detalles

TEMA IV PERCENTIL Y ESTADIGRAFOS DE POSICION

TEMA IV PERCENTIL Y ESTADIGRAFOS DE POSICION TEMA IV PERCENTIL Y ESTADIGRAFOS DE POSICION 1. Percentiles, cuartiles y deciies. 2. Estadígrafos de Posición. 3. Sesgo y curtosis o de pastel. Pictogramas. OBJETIVOS DE UNIDAD GENERALES. Que el futuro

Más detalles

ANÁLISIS DE DATOS UNIDIMENSIONALES

ANÁLISIS DE DATOS UNIDIMENSIONALES ANÁLISIS DE DATOS UNIDIMENSIONALES TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS MEDIDAS DE POSICIÓN MEDIDAS DE TENDENCIA CENTRAL MEDIA ARITMÉTICA OTRAS MEDIAS: GEOMÉTRICA.ARMÓNICA.MEDIA GENERAL MEDIANA

Más detalles

Transformaciones de variables

Transformaciones de variables Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale

Más detalles

Y accedemos al cuadro de diálogo Descriptivos

Y accedemos al cuadro de diálogo Descriptivos SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas

Más detalles