Densidad espectral de potencia de una señal digital PAM multinivel

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

Download "Densidad espectral de potencia de una señal digital PAM multinivel"

Transcripción

1 Desidad espectral de potecia de ua señal digital PAM multiivel Mayo de 017 Apellidos, Nombre: Departameto: Cetro: Flores Asejo, Satiago J. Dep. de Comuicacioes EPS de Gadia

2

3 Resume E este artículo se va a presetar la metodología geeral para el cálculo de la Desidad Espectral de Potecia de ua señal digital PAM (Pulse Amplitude Modulatio o Modulació de Pulsos e Amplitud) si memoria, es decir, cada ua de las amplitudes represetará la iformació de u símbolo trasmitido y será idepediete del resto de símbolos. El cálculo se hará cosiderado que la señal es multiivel. Es decir, habrá M símbolos a trasmitir, y cada uo de ellos tedrá ua amplitud distita que represetará iformació digital correspodiete a log M bits. Se evaluará tato el caso polar (las amplitudes puede tomar valores positivos y egativos) como el uipolar (todas las amplitudes so positivas o ula), y se particularizará para el caso de pulsos coformadores rectagulares, de duració igual al periodo de símbolo T, es decir, si retoro a cero o NRZ (No Retur to Zero). Objetivos y coocimietos previos Los objetivos de apredizaje este artículo docete se preseta de forma esquemática e la tabla 1. Como coocimietos previos, el alumo deberá teer ocioes básicas de trasmisió digital bada base mediate pulsos PAM (Pulse Amplitude Modulatio), así como de los códigos de líea más utilizados (polar, uipolar,...). Tambié es iteresate que coozca los fudametos para el cálculo de las desidades espectrales de potecia de este tipo de señales digitales, auque se hará u repaso e la siguiete secció. Se hará referecia a la bibliografía presetada al fial del artículo para aquellas demostracioes que quede fuera del ámbito de iterés pricipal. 3

4 Tabla 1: Objetivos de apredizaje 1. Se aprederá a calcular de forma aalítica la desidad espectral de potecia de de ua señal digital PAM multiivel. Se trabajará co codificació polar (amplitudes de símbolos simétricamete distribuidas e valores positivos y egativos) y uipolar (todas las amplitudes positivas o ula) 3. Se comprobará que, e ambos casos, los achos de bada que ocupará so iguales e idepedietes del úmero de símbolos 4. E el caso uipolar, se observará claramete el térmio de compoete cotiua 5. Se propodrá como tareas adicioales la simulació de los distitos casos para verificar los resultados aalíticos obteidos, la particularizació para casos secillos de alguas expresioes y la extesió para códigos de líea co retoro a cero (RZ) 1 Itroducció Ua señal digital PAM (Pulse Amplitude Modulatio o Modulació de Pulsos e Amplitud) o es más que ua sucesió de pulsos g(t), eviados cada T segudos, y modulados e amplitud cada uo de ellos por ua valor a k, que es dode realmete reside la iformació digital (Ziemer 010): s PAM (t) = k a k g(t kt ) (1) Al o idicar los límites del sumatorio, queremos dar a eteder que la sucesió es idefiida, auque, a efectos de cálculo, se cosiderará que el ídice k variará desde hasta. Cada amplitud a k represetará iformació de u símbolo formado por uo o más bits, y a T se le llamará periodo de símbolo. Depediedo de qué amplitudes se asige y e qué casos, se tedrá u código de líea u otro. Al pulso g(t) se le llama pulso coformador y, auque o sirve más que de trasporte de la iformació coteida e a k, determiará e gra parte las características de la señal digital. 4

5 Fució de autocorrelació de las amplitudes Por tato, la señal digital s PAM (t) tedrá ua parte determiista referida al pulso coformador g(t) utilizado, pero tambié ua parte o determiista, ya que los valores de las amplitudes a k será descoocidas a priori por el receptor. Para coocer las características espectrales de este tipo de señales, habrá que recurrir a la Desidad Espectral de Potecia, que puede calcularse de la siguiete forma (Ziemer 010): S s (f) = G(f) 1 T R a ()e jπt f () dode G(f) es el espectro del pulso coformador g(t) utilizado, y R a () es la Fució de Autocorrelació de las amplitudes a k, que se presetará e la siguiete secció. Fució de autocorrelació de las amplitudes La fució de autocorrelació de las amplitudes se defie como el valor medio del producto de dos amplitudes correspodietes a dos símbolos separados posicioes (es decir, periodos de símbolo e la señal digital) (Couch 008): R a () = E[a k a k+ ] (3) Es imediato comprobar que se trata de ua fució par, es decir, R a () = R a ( ). Además, para cualquier código de líea se cumple que: R a ( = 0) = E[a k a k ] = E[a k ] = a k (4) Es decir, e = 0 la fució de autocorrelació es igual al valor medio de los cuadrados de las amplitudes del código de líea utilizado. 5

6 3 Códigos de líea si memoria Se dice que u código de líea es si memoria, cuado para seleccioar la amplitud asociada a cada símbolo o se tiee e cueta los símbolos ateriores i posteriores. Por tato, cada amplitud a k es idepediete de las demás. Como cosecuecia de ello, e estos casos se tedrá que la fució de autocorrelació para 0 se podrá calcular de la siguiete forma: R a ( 0) = E[a k a k ] = E[a k ]E[a k ] = E[a k ] = a k (5) Es decir, para códigos si memoria se cumple que la fució de autocorrelació para 0 es igual al cuadrado del valor medio de las amplitudes. 4 Cálculo de la desidad espectral de potecia para ua señal PAM polar multiivel Para aplicar lo apredido hasta el mometo, se va a proceder a calcular la desidad espectral de potecia para el caso de ua señal PAM cuyas amplitudes pueda tomar M valores simétricamete distribuidos e polaridad positiva y egativa. Por tato, se va a cosiderar las siguietes M amplitudes: ±A, ±3A,..., ±(M 1)A. Recordemos que M ha de ser potecia de para que cada amplitud represete u úmero etero de bits igual a log M. Esto sigifica que cada uo de los símbolos que se trasmita podrá ser uo de los M siguietes: 6

7 4 Cálculo de la desidad espectral de potecia para ua señal PAM polar multiivel s 1 (t) = (M 1)Ag(t) s (t) = (M 3)Ag(t)... s M (t) = Ag(t) s M +1 (t) = Ag(t)... s M 1 (t) = (M 3)Ag(t) s M (t) = (M 1)Ag(t) Al estar las M amplitudes simétricamete distribuidas respecto a 0, es evidete que su valor medio es ulo. Por tato, teiedo e cueta la Ecuació 4 y la Ecuació 5, se tiee que, e este caso, la fució de autocorrelació será: R a () = { ak si = 0 0 si 0 (6) Sólo queda, por tato, calcular el valor medio de los cuadrados de las amplitudes, a k. Dejamos para el alumo que haga el cálculo para u valor cocreto de M o que obtega la expresió geeral para cualquier M (mucho más complejo y fuera del ámbito de este artículo). Sustituyedo la fució de autocorrelació obteida, e la Ecuació, se tiee: S s (f) = G(f) 1 T R a ()e jπt f = G(f) a k T (7) Como se puede apreciar, e este caso, la desidad espectral de potecia o es más que ua versió escalada del módulo al cuadrado del espectro del pulso utilizado, por lo que ocupará exactamete su acho de bada, co idepedecia del úmero de símbolos M que se utilice (Lathi y Dig 009). E el caso particular de trabajar co pulsos rectagulares de duració T (es decir, g(t) = ( ) t T ), cuyo espectro sea G(f) = T sic(ft ), se obtedrá la siguiete desidad espectral de potecia: S s (f) = a k T sic (ft ) (8) 7

8 Esta desidad espectral de potecia preseta ulos e frecuecias múltiplos de 1/T, excepto e f = 0. Como ejercicio, es iteresate que el alumo haga ua simulació e Simulik R de este tipo de codificació, para comprobar que la desidad espectral de potecia que se obtiee es la calculada. 5 Cálculo de la desidad espectral de potecia para ua señal PAM uipolar multiivel Ahora vamos a calcular la desidad espectral de potecia de ua señal digital PAM cuyas amplitudes pueda tomar los siguietes M valores: 0, A, A,..., (M 1)A. Teiedo e cueta lo visto e la secció y e la secció 3, la fució de autocorrelació de las amplitudes será: R a () = { ak si = 0 a k si 0 (9) Ahora el valor medio a k o será ulo, por lo que e el sumatorio de la Ecuació habrá ifiitos sumados o ulos. Teiedo e cueta la Relació de Parseval (Wikipedia 017) y que a k y a k las podemos relacioar co la variaza mediate σa k = a k a k, fialmete quedará la desidad espectral de potecia para el caso uipolar de la siguiete forma: S s (f) = G(f) 1 T R a ()e jπt f = [ = G(f) 1 a k a k + ] a k e jπt f = T = G(f) 1 [ σ a T k + a 1 ( k δ f ) ] = T T = G(f) σ a k T + a ( k ) ( G δ f ) T T T (10) 8

9 6 Versioes RZ Observamos que aparece multitud de deltas e frecuecia cada 1/T, icluyedo ua e f = 0 que represeta el térmio e cotiua que claramete tiee este tipo de señales digitales. No es difícil obteer el valor medio y la variaza de las amplitudes para este caso de codificació uipolar co M símbolos: a k = M 1 A σ a k = M 1 A 1 Fialmete, al igual que e el caso polar, podemos obteer la desidad espectral de potecia al utilizar pulsos rectagulares de duració T para el caso uipolar: S s (f) = M 1 A T sic (ft ) + 1 (M 1) A δ(f) (11) 4 Vemos que la mayor parte de las deltas desaparece al coicidir co los ulos de la sic, permaeciedo el térmio de cotiua. Dejamos como ejercicio para el alumo que particularice para los casos más secillos: M = y M = 4, así como la implemetació de las simulacioes e Simulik R que compruebe los resultados obteidos. 6 Versioes RZ Todo lo visto e este artículo se refiere a códigos si retoro a cero (NRZ: No Retur to Zero). Para obteer las versioes RZ (co retoro a cero), bastaría co sustituir los espectros de los pulsos g(t) por sus versioes cuya duració temporal sea la mitad (lo cual repercutirá e u mayor acho de bada). Así, e el caso de pulsos rectagulares, ahora se trabajaría co g(t) = ( ) t, T/ cuyo espectro es G(f) = T sic ( ) f T. Dejamos para el alumo la obteció de las desidades espectrales de las versioes RZ co pulsos rectagulares, tato para el caso polar como el uipolar, su simulació y la verificació de la posició de los ulos. 9

10 Bibliografía Coclusioes Se ha presetado e este artículo cómo calcular la desidad espectral de potecia de ua señal digital PAM multiivel, tato para el caso polar como el uipolar. Ambas preseta características espectrales similares (su acho de bada es idepediete del úmero de símbolos utilizado), salvo que e el caso uipolar aparece adicioalmete compoetes discretas e frecuecia (deltas), la más sigificativa de las cuales está situada e f = 0 (compoete cotiua). Al utilizar pulsos rectagulares de duració igual al periodo de símbolo T, se observa e ambos casos ulos e la desidad espectral de potecia cada 1/T, salvo e f = 0. Se ha dejado al lector como trabajo adicioal, la particularizació para valores de M secillos, la implemetació de simulacioes que corrobore lo calculado, y la ampliació al caso RZ (códigos de líea co retoro a cero). Bibliografía Couch, Leo W. (008). Sistemas de comuicació digitales y aalógicos. Pearso Educació. isb: (vid. pág. 5). Lathi, B. P. y Zhi Dig (009). Moder Digital ad Aalog Commuicatios Systems. Oxford Uiversity Press Ic. isb: (vid. pág. 7). Wikipedia, Colaboradores de (017). Relació de Parseval. Wikipedia, La eciclopedia libre. [Iteret; descargado 1-juio-017]. url: es. wikipedia.org/wiki/relaci%c3%b3_de_parseval (vid. pág. 8). Ziemer, Rodger E. (010). Priciples of Commuicatios: systems, modulatio, ad oise. Joh Wiley & Sos Ltd. isb: (vid. págs. 4, 5). 10

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11 IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 1 /1

AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 1 /1 AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO / TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como ua fució que asiga

Más detalles

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18 Los úmeros reales.. Los úmeros reales El cojuto de los úmeros reales está formado por los úmeros racioales y los irracioales. Se represeta por la letra Los úmeros racioales so los úmeros eteros, los decimales

Más detalles

Los números complejos

Los números complejos Los úmeros complejos Los úmeros complejos Forma biómica Defiició z = a + bi, o bie, z = (a, b) siedo a la parte real y b la parte imagiaria. a = r cos α b = r se α Opuesto z = a bi Cojugado z = a bi Represetació

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz

(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz 3. AMPIFICADORES Y MEZCADORES 1. E el circuito de la figura: a) Determiar el puto de trabajo de ambos BJT. b) Represetar el circuito e pequeña señal idicado los valores de cada elemeto. c) Hallar la gaacia

Más detalles

( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7

( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7 LÍMITES DE FUNCIONES POLINÓMICAS Límites de ua fució costate f k, k El límite de ua fució costate es la misma costate f k f k k k a a Límites de la fució idetidad I I a a a I I Límites e u puto fiito.

Más detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos. CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio

Más detalles

Cálculo de límites Criterio de Stolz. Tema 8

Cálculo de límites Criterio de Stolz. Tema 8 Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que

Más detalles

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir: DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

Mó duló 21: Sumatória

Mó duló 21: Sumatória INTERNADO MATEMÁTICA 16 Guía del estudiate Mó duló 1: Sumatória Objetivo: Coocer y aplicar propiedades para el cálculo de sumatorias. Para calcular alguas sumatorias es ecesario coocer sus propiedades

Más detalles

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

1 EXPRESIONES ALGEBRAICAS

1 EXPRESIONES ALGEBRAICAS EXPRESIONES ALGEBRAICAS E el leguaje matemático, se deomia expresioes algebraicas a toda combiació de letras y/o úmeros viculados etre si por las operacioes de suma, resta, multiplicació y poteciació de

Más detalles

Teorema del Muestreo

Teorema del Muestreo Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso

Más detalles

Series de potencias. Desarrollos en serie de Taylor

Series de potencias. Desarrollos en serie de Taylor Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

Tema 8 Límite de Funciones. Continuidad

Tema 8 Límite de Funciones. Continuidad Tema 8 Límite de Fucioes. Cotiuidad 1. Operacioes co límites. Los límites de las sucesioes a b, c, d y e so los idicados e la tabla siguiete:, a b c d e - 0 1 Di cual es el límite de: a) lim( a b ) c)

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar

Más detalles

Técnicas para problemas de desigualdades

Técnicas para problemas de desigualdades Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

Métodos Numéricos/ Calculo Numérico/ Análisis Numérico. Raíces de ecuaciones Teoría General de la iteración

Métodos Numéricos/ Calculo Numérico/ Análisis Numérico. Raíces de ecuaciones Teoría General de la iteración Métodos Numéricos/ Calculo Numérico/ Aálisis Numérico. Raíces de ecuacioes Teoría Geeral de la iteració Bibliografía: Métodos Numéricos G. Pacce Editorial EUDENE -1997. Problemas resueltos de Métodos Numéricos.

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

UNEFA C.I.N.U. Matemáticas

UNEFA C.I.N.U. Matemáticas RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:

Más detalles

6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES

6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES 6. Sucesioes y Series uméricas 6.. Sucesioes uméricas 6... DEFINICIONES Sucesioes de úmeros reales Se llama sucesió de úmeros reales a cualquier lista ordeada de úmeros reales: a, a 2, a 3,..., a,...,

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL. Resumen: En este artículo se muestra como las transformaciones de funciones resultan

MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL. Resumen: En este artículo se muestra como las transformaciones de funciones resultan MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL Viceç Fot Departamet de Didàctica de les CCEE i de la Matemàtica de la Uiversitat de Barceloa Resume: E este artículo se muestra como las trasformacioes

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

Señales en Tiempo Discreto

Señales en Tiempo Discreto Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales

Más detalles

La sucesión de Lucas

La sucesión de Lucas a sucesió de ucas María Isabel Viggiai Rocha Cosideramos la sucesió umérica { } defiida por: - - si 3 y y 3. Esta sucesió es coocida como la sucesió de ucas y a sus térmios se los llama úmeros de ucas.

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series. CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió

Más detalles

Estalmat. Real Academia de Ciencias. Curso 2005/2006. Dinámica compleja. Conjuntos de Julia y Mandelbrot. Método de Newton. Miguel Reyes Mayo 2006

Estalmat. Real Academia de Ciencias. Curso 2005/2006. Dinámica compleja. Conjuntos de Julia y Mandelbrot. Método de Newton. Miguel Reyes Mayo 2006 Estalmat. Real Academia de Ciecias. Curso 5/6 Diámica compleja Cojutos de Julia y Madelbrot. Método de Newto. Miguel Reyes Mayo 6 Los úmeros complejos Los úmeros complejos so los úmeros de la forma dode

Más detalles

Convergencia absoluta y series alternadas

Convergencia absoluta y series alternadas Tema 11 Covergecia absoluta y series alteradas Ua vez que dispoemos de diversos criterios de covergecia para series de térmios o egativos, abordamos el estudio de la covergecia de series de úmeros reales

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1 Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

PROGRESIONES ARITMÉTICAS.-

PROGRESIONES ARITMÉTICAS.- PROGRESIONES ARITMÉTICAS.- Ua progresió aritmética es ua sucesió de úmeros tales que cada uo de ellos, excepto el primero, se obtiee sumado al aterior ua costate d, que se deomia diferecia de la progresió.

Más detalles

+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica.

+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica. http://www.ricomatematico.com La fórmula para la suma de los cuadrados de los primeros úmeros aturales obteida visualmete Mario Augusto Buge Uiversidad de Bueos AIres Ciclo Básico Comú Departameto de Matemática

Más detalles

Física II (Biólogos y Geólogos)

Física II (Biólogos y Geólogos) Física II (Biólogos y Geólogos) SERIE 3 Iterferecia 1. La luz correspode a la radiació electromagética e la bada agosta de frecuecias de alrededor de 3,84x10 14 Hz hasta aproximadamete 7,69x10 14 Hz, mietras

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

1b percusión CÁLCULOS Y DIAGRAMAS 15%

1b percusión CÁLCULOS Y DIAGRAMAS 15% Laboratorio de Vibracioes Mecáicas Departameto de geiería Mecáica Práctica Determiació de mometos de iercia y PARTCPACON 5% 1b localizació del cetro PRESENTACÓN 1% de gravedad y de NVESTGACONES 1% percusió

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD

INTRODUCCIÓN A LA PROBABILIDAD INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

Probabilidad FENÓMENOS ALEATORIOS

Probabilidad FENÓMENOS ALEATORIOS Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.

MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M. MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció La Estadística Descriptiva os ofrece ua serie de herramietas muy útiles para resumir gráfica

Más detalles

Funciones de variable compleja

Funciones de variable compleja Tema 10 Fucioes de variable compleja 10.1 Fucioes complejas de variable compleja Defiició 10.1 Ua fució compleja de variable compleja es ua aplicació f: A C dode A C. Para cada z A, fz) C, luego fz) =

Más detalles

1 Ejercicios Resueltos

1 Ejercicios Resueltos Uiversidad de Satiago de Chile Autores: Miguel Martíez Cocha Facultad de Ciecia Carlos Silva Corejo Departameto de Matemática y CC Emilio Villalobos Marí Ejercicios esueltos (ejemplar de prueba) Mediate

Más detalles

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES 6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:

Más detalles

SUCESIONES DE NÚMEROS REALES. PROGRESIONES

SUCESIONES DE NÚMEROS REALES. PROGRESIONES www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos

Más detalles

Electrónica de Potencia (Especialidad de Electricidad)

Electrónica de Potencia (Especialidad de Electricidad) Electróica de Potecia (Especialidad de Electricidad). Itroducció PRÁCICA DEERMINACIÓN DE LA HD Y EL FACOR DE POENCIA MEDIANE PSPICE Y SIMPOWERSYSEM oda fució periódica que cumple ciertas propiedades puede

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar

Más detalles

con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,

con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna, Tema 9 El plao complejo 9. Números complejos E IR, las operacioes suma producto de úmeros reales so operacioes iteras (el resultado de operar es otro úmero real) que permite la existecia de operacioes

Más detalles

Donde el par Tm a la salida del motor se expresa en N.m y la velocidad del motor w se expresa en rad/s.

Donde el par Tm a la salida del motor se expresa en N.m y la velocidad del motor w se expresa en rad/s. U automóvil (Citroe XM V6) tiee la geometría idicada e la figura. Su masa total es.42 Kg. Dispoe de u motor cuya relació par-velocidad puede expresarse mediate la relació: Tm=-,52.-3.w2+,38.w-5,583 N.m

Más detalles

SUCESIONES Y SERIES DE FUNCIONES

SUCESIONES Y SERIES DE FUNCIONES CAPÍTULO XV. SUCESIONES Y SERIES DE FUNCIONES SECCIONES A. Campo de covergecia. Covergecia uiforme. B. Series de potecias. Itervalos de covergecia. C. Desarrollo de fucioes e series de potecias. D. Aplicacioes

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

Estimación de los parámetros de las distribuciones Bernoulli y Poisson bajo cero eventos

Estimación de los parámetros de las distribuciones Bernoulli y Poisson bajo cero eventos Publicado e la Rev. Fac. Nac. Salud Pública 999; 7(): 30-36 Estimació de los parámetros de las distribucioes Beroulli y Poisso bajo cero evetos Estimatig parameters of the Beroulli ad Poisso distributios

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

21 EJERCICIOS de POTENCIAS 4º ESO opc. B. impar (-2)

21 EJERCICIOS de POTENCIAS 4º ESO opc. B. impar (-2) EJERCICIOS de POTENCIAS º ESO opc. B RECORDAR a m a a m m ( a ) a b a a (a b) a m a a b m a m+ b a a - a b a - b a Tambié es importate saber que algo ( base egativa) par (- ) ( base egativa) impar (- )

Más detalles

Tema 5 Series numéricas

Tema 5 Series numéricas Tema 5 Series uméricas Objetivos 1. Defiir series co wxmaxima. 2. Calcular sumas parciales de ua serie. 3. Iterpretar la defiició de suma de ua serie. 4. Calcular la suma de ua serie geométrica. 5. Calcular

Más detalles

Cálculo de límites. 8.1. Criterio de Stolz. Tema 8

Cálculo de límites. 8.1. Criterio de Stolz. Tema 8 Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

TEMA IV. 1. Series Numéricas

TEMA IV. 1. Series Numéricas TEMA IV Series uméricas. Ídice. Series uméricas. 2. Propiedades geerales de las series. 3. Series de térmios positivos. Covergecia. 4. Series alteradas. 5. Series de térmios arbitrarios. 6. Ejercicios

Más detalles

PROGRESIONES ARITMETICAS

PROGRESIONES ARITMETICAS PROGRESIONES ARITMETICAS DEF. Se dice que ua serie de úmeros está e progresió aritmética cuado cada uo de ellos (excepto el primero) es igual al aterior más ua catidad costate llamada diferecia de la progresió.

Más detalles

IES ATENEA. EXAMEN DE RECUPERACIÓN DE MATEMÁTICAS. 3º ESO A. Nombre:

IES ATENEA. EXAMEN DE RECUPERACIÓN DE MATEMÁTICAS. 3º ESO A. Nombre: IES ATENEA. EXAMEN DE RECUPERACIÓN DE MATEMÁTICAS. º ESO A Nombre: Evaluació: Primera. Feca: 0 de diciembre de 00 NOTA Ejercicio º.- Aplica el orde de prioridad de las operacioes para calcular: 64 : 5

Más detalles

Sistemas de Segundo Orden

Sistemas de Segundo Orden Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra

Más detalles

R. Urbán Ruiz (notas de clase)

R. Urbán Ruiz (notas de clase) R. Urbá Ruiz (otas de clase) Fucioes E las ciecias Ecoómicas las fucioes so de mucho valor para resolver problemas dode haya que relacioar variables; como por ejemplo, la producció, la oferta, la demada,

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Frontera

ECUACIONES DIFERENCIALES Problemas de Valor Frontera DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada

Más detalles

Combinatoria y definiciones básicas de probabilidad

Combinatoria y definiciones básicas de probabilidad Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia

Más detalles

Laboratorio: Las magnitudes físicas

Laboratorio: Las magnitudes físicas Laboratorio: Las magitudes físicas Departameto de Física CONTENIDO Las magitudes físicas y sus medidas. Aálisis dimesioal. Errores o icertidumbres eperimetales. La medida de magitudes físicas y sus errores.

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Cálculo de límites. 3.1. Sumas, productos y cocientes. Tema 3

Cálculo de límites. 3.1. Sumas, productos y cocientes. Tema 3 Tema 3 Cálculo de ites El presete tema tiee u iterés emietemete práctico, pues su pricipal fialidad es aportar los ejemplos que se echaba de meos e el tema aterior. Empezaremos estableciedo las reglas

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES.

FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES. FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL FUNCIONES DE VARIAS VARIABLES. DEFINICIONES DE FUNCIONES EN VARIAS VARIABLES. Ua fució de variable es u cojuto de pares ordeados de la forma

Más detalles