Planes de Muestreo. Plan de muestreo simple

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

Download "Planes de Muestreo. Plan de muestreo simple"

Transcripción

1 PlaMuesteo.b Guillemo Sachez 1 Plaes de Muesteo Guillemo Sáchez Actualizado: (ejectuado de uevo co Mathematica 8.0 e Mayo 2012, si modifica) Pla de muesteo simple à Fudametos uesto objetivo es establece u muesteo po atibutos (aceptació o echazo) paa u lote de tamaño del que se toma ua muesta, aceptadose el lote si la catidad piezas o cofomes e la muesta es meo o igual que u valo establecido como citeio de aceptació. Llamamos p a la popoció vedadea de uds. discofomes e el lote, que os es descoocida (salvo que se ispeccioe el 100%). E u pla de muesteo se establece como citeio de aceptació p p A siedo p A la facció maxima de uidades defectuosas e el lote que co ua pobabilidad P a estamos dispuestos a acepta. A estos valoes de (p A, P a ) se les deomia usualmete ivel de Calidad Aceptable (o AQL)-: Po tato, el AQL coespode a la facció defectuosa, p A, e u lote tal que, paa u pla de muesteo detemiado, éste seá echazado co ua pobabilidad a = 1 - P A. a es coocido como iesgo del fabicate. E la cuva OC es de iteés tambie el ivel de calidad echazable (o RQL) que coespode a la facció de defectuosas de u lote tal que, paa u pla de muesteo detemiado, éste seá aceptado co ua pobabilidad b, coocida como iesgo del cosumido o compado. E temios de test de hipótesis lo ateio podemos expesalo como sigue: La facció p eal es descoocida. Al toma ua muesta se tata de estima si p p A (aceptamos el lote) o p > p A (aceptamos el lote). Esto es equivalete a ealiza u cotaste de hipótesis e el que la hipótesis ula es H 0 : p p A y la alteativa H 1 : p > p A. Al ealiza el cotaste podemos comete dos eoes: a) Rechaza H 0 cuado es cieta (eo tipo I). Es deci: de la ispecció de la muesta cocluimos que p > p A cuado ealmete p p A, po tato echazamos u lote que debeiamos acepta. La pobabilidad de que esto ocua es a. A este eo se llama iesgo del fabicate pues omalmete es él quie asume sus cosecuecias: tia o eispeccioa poducto bueo. Evidetemete el fabicate estáa iteesado que este valo sea lo mas pequeño posible, usualmete a = 0.05 o 0.01, que quiee deci que e el 5% o 1% de las ocasioes se echaá lotes bueos. a = {Pobabilidad de echaza H 0 cuado H 0 es cieta} = {pobabilidad de echaza u lote co p = p A } b) Acepta H 0 cuado es falsa (eo tipo II). Es lo opuesto al caso ateio, obteemos que p p A cuado ealmete p > p A, po tato aceptamos u lote que debeiamos echaza. La pobabilidad de que esto ocua se le llama b. A este eo se llama iesgo del cosumido o compado pues es omalmete quie asume sus cosecuecias: toma po aceptable u poducto que o lo es. atualmete el compado estáa iteesado que este valo sea lo más pequeño posible, usualmete b = 0.05 o 0.1, que quiee deci que e el 5% o 10% de las ocasioes se aceptaá lotes co ua faccio defectiva p R. b = {Pobabilidad de acepta H 0 cuado H 1 es cieta} = {pobabilidad de acepta u lote co p = p R }.

2 PlaMuesteo.b Guillemo Sachez 2 Paa establece u pla de muesteo iguoso matematicamete se equiee defii peviamete a, p A, b y p R. Fijado los paametos ateioes la úica foma de dismiui a y b simultaemamete es aumeta el tamaño de la muesta. E el límite: tamaño muestal = tamaño de la població a = b = 0, peo e la páctica esto o suele se ecoomóco y a veces iviable (Ej.: aálisis destuctivos). à Calculo de a y b Paa establece u pla de muesteo ecesitamos elacioa matematicamete a, p A, b y p R. Iicialmete utilizamos la distibucio biomial. Esta fució es valida paa muesteo co eemplazamieto y da muy buea apoximació cuado el tamaño del lote,, es muy gade co el tamaño de la muesta,, situació muy fecuete e la páctica. Mas adelate lo extedeemos a la fució hipegeomética que es la que e igo hay que emplea cuado el muesteo es si eemplazamieto, auque la difeecias e valoes uméicos va a se isigificates co la biomial paa muestas << (tipicamete 0.1 ). Además, el método paa establece es simila tato si se emplea la distibució biomial como la hipegemética. La pobabilidad de que al toma ua muesta de tamaño, de ua població co ua popoció p A defectuosas, haya defectuosas dada po la fució de pobabilidad PF biomial es: PF B,, p A = p A 1 - p A - (1) dode p A popoció de muesta defectuosas e el lote (cuado es descoocida como es el caso, se supoe p = p A ) tamaño de la muesta úmeo de echazos e la muesta E leguaje del Mathematica la fució ateio podemos expesa po PB _, _, pa_ : Biomial, pa 1 pa

3 PlaMuesteo.b Guillemo Sachez 3 ü Po ej.: E ua muesta de 100 () uds e ua població co el 5% de uds. defectuosa (p A ) las pobabilidades de que haya defectuosas se muesta e el gáfico (la pobabilidad de que haya más de 20 defectuosas es pacticamete ula). Plot PB 100,, 0.05,, 0, Asumiedo las mismas codicioes, la pobabilidad P a de que haya o meos piezas defectuosas está dada po la distibució acumulada de pobabilidad (CF) defiida como: P a = CF B,, p A = x=0 p A 1 - p A - (2) dode x idice de vaiació de La expesió ateio la covetimos al leguaje del Mathematica CB _, _, pa_ : Biomial, x pa x 1 pa x x 0 ü Ej.: La pobabilidad P a de acepta u lote paa ua població co u pocetaje de defectuosas p = 0.05 de la que tomamos ua muesta de 30 () uds y poemos el citeio de acepta el lote si e la muesta hay 2 o meos uds. defectuosas es. CB 30, 2,

4 PlaMuesteo.b Guillemo Sachez 4 ü etemiació de a El valo de a (Pobabilidad de echaza H 0 cuado H 0 es cieta) seá el complemetaio de P a, esto es a= 1 - P a = 1 - CF B,, p A (3) alfab _, _, pa_ : 1 Biomial, x pa x 1 pa x x 0 E el ejemplo ateio, el iesgo de echaza u lote bueo es: alfab 30, 2, ü etemiació de b El valo de b (pobabilidad de acepta u lote co p = p R ) está dado po b= x=0 p R 1 - p R - (4) betab _, _, pr_ : Biomial, x pr x 1 pr x x 0 Ej.: Paa el mismo ejemplo ateio tomamos p R = 0.1 betab 30, 2, Obsevese que mateiedo la misma elació de popoció de uds defectuosas e la muesta (2/30) ambos eoes dismiuye aumetado el tamaño muestal. alfab 120, 8, betab 120, 8, à Cuva caacteistica y cuva de potecia El valo de a y b podemos elacioalo a tavés de la cuva de opeació caacteistica (OC). Fijado el tamaño de la muesta y el el úmeo de echazos admisibles e la muesta la cuva caacteistica (OC) epeseta la

5 PlaMuesteo.b Guillemo Sachez 5 pobabilidad de aceptació P a del lote e fució de la faccio, o pocetaje, de uds defectuosas de la població p. Es deci: se tata de epeseta P a = f,, p co y ctes paa ello podemos utiliza la fució ates defiida CB[,,p] vaiado el valo de p. La abscisa de la cuva OC epeseta la facció defectuosa y las odeada la pobabilidad de aceptació. Ej.: Paa ua muesta de 100 uds y u citeio de aceptacio = 3 la cuva es Plot CB 100, 3, p, p, 0, Po tato, la pobabilidad de echaza u lote que había que acepta paa el caso ateio co p = 0.05 está dado po a = 1 - P a. Es deci alfab 100, 2, La pobabilidad de acepta u lote que había que echaza, tomado p R = 0.06, es muy baja betab 100, 2, El pla de muesteo ateio es claamete favoable al compado. Obsevese que co bastate apoximació los datos ateioes de deduce obsevado la cuva pecedete. A veces se pefiee utiliza la cuva de potecia que epeseta a, esto es paa el mismo ejemplo

6 PlaMuesteo.b Guillemo Sachez 6 Plot alfab 100, 2, p, p, 0, Paa u tamaño muestal fijo los valoes a y b peseta ua elacio ivesa, e la medida que aumete uo dismiuimos el oto, la úica foma de dismiui ambos es aumeta el tamaño muestal. El b seá muy util aplica e el caso de que estemos iteesados e potegeos de lotes co baja calidad podemos establece u LTP (lot toleace pecet defective), -otos ombes sióimos so RQL o LQL- esto es: el ivel mas pobe de calidad que estamos dispuesto a acepta paa u lote idividual. Lo dicho puede obsevase facilmete epesetado las OCs paa distitos valoes de {/ = cte.}: {3/50,, 15/250}, que muesta que e la medida que aumetamos va dismiuyedo a y b. Plot Evaluate Table CB 50, 3, p,, 1, 5, p, 0,

7 PlaMuesteo.b Guillemo Sachez 7 Pla de muesteo e lotes gades El poblema mas fecuete e muesteo es detemia el tamaño de la muesta y el úmeo de uds. o cofomes e la muesta. Vamos a descibi como ealizalo e el caso de muesteos simples. Sea ua població de tamaño, del que descoocemos el úmeo de uds defectuosas. La pobabilidad P a de que haya o meos defectuosas os viee dada po la distibució hipegeomética. P a = x=0 x - - x (5) dode úmeo de piezas defectuosas e el lote (descoocidas). f Faccio de uds defectuosas: f =, f es descoocida, se toma como valo la facció máxima, p A, de la població que admitiiamos que este fomada po uds fuea de los límites de toleacia. a = ivel de sigificació (Pobabilidad de comete u eo de tipo I que estamos dispuesto a asumi). = tamaño muestal Cosideemos iicialmete que el tamaño del lote es gade y >>, e este caso e vez de (5) podemos emplea co muy buea apoximacio (2), obsevese que paa estas codicioes el esultado es idepediete del tamaño del lote. Usualmete a, p A so fijos. Paa cada valo de obtedemos el úmeo máximo de echazos admisibles despejado e (3). Esto puede hacese como sigue: muesta _, alfa_, pa_ : Floo. FidRoot alfab,, pa alfa,, 1, 2 Po ejemplo, paa a = 0.05, p A = 0.05, y = 100, es muesta 100, 0.05, Lo usual que que deseemos tee e cueta el eo de tipo II, es deci b, paa ello hemos de fija b y p R lo que podemos hace e fució de la expeiecia o po que os sea valoes dados. E defiitiva teemos cuato valoes fijos: a, p A, b y p R, paa defii cumpliedo co los cuato valoes ateioes sobe el úico paameto que vamos a pode actua es sobe el tamaño de la muesta. Se tata de esolve el sistema dado po las ecuacioes (3) y (4). Esto puede hacese diectamete, que o es facil, o usado métodos apoximados como el que se descibe. Este mismo método puede emplease paa obtee ua pimea apoximació que puede se utilizada paa posteiomete paa esolve el sistema fomado po las ecs (3) y (4). Método apoximado.- Cosite e aplica las ecs (6) (equiee que z siga apoximadamete ua distibucio (0,1) y que >> paa pode asumi que x -úmeo de defectuoso- pueda apoximase po ua distibució de Poisso de media l = p). p A z p A, P z z p R z p R, P z z (6)

8 PlaMuesteo.b Guillemo Sachez 8 po tato z p A z p R p A p R (7) Ejemplo : Sea p A = 0.02 y p R = 0.04, co a=b=0.05, es deci z a =-z b = 1.64, po tato : Clea z p A z p R p A p R 2 ;. p A 0.02, p R 0.04, z 1.64, z p A z p A. z 1.64.p A ü Ejemplo etemia u pla de muesteo paa a= p A = 0.05 e el que el cliete admite u b =0.05, P R = 0.1. (Ojo: Como y so eteos los valoes de a y b o sea justo los especificados, sio que seá los más poximos). El esultado exacto es: betab 313, 22, alfab 313, 22, El poblema que tiee el caso ateio es que la muesta a toma es muy gade, ua alteativa es toma ua muesta mas pequeña mateiedo aseguado el iesgo del cosumido. E el ejemplo este valo seía betab 60, 2,

9 PlaMuesteo.b Guillemo Sachez 9 E este caso el fabicate coeía u iesgo mayo peo ahoaía gastos de ispecció que debe valoa si ecoómicamete le compesa. alfab 60, 3, Pla de muesteo e lotes pequeños si eemplazamieto Cuado el tamaño de la muesta o es mucho meo que el del lote la apoximació a la biomial puede o se suficiete, e este caso es ecesaio opea diectamete co la distibució hipegeomética dada pola ec(5) que podemos escibila como: PobA _, _, _, _ : Biomial, x Biomial, x Biomial, x 0 Vamos a utilizala paa calcula la pobabilidad de acepta el lote fijados,,, y. Ejemplo.: Sea u lote de 100 () uds e dode exista 5 () defectuosas, tomamos ua muesta de 44 () uds y poemos el citeio de acepta el lote si e la muesta hay ua o igua defectusas ( x = {0, 1}). PobA 5, 100, 44, Po lo demas el pocedimieto paa calcula a y b es el mismo que el descito e el apatado ateio paa la biomial. Como valo de p A, se toma f. à Muesteo LTP Sea ua població de tamaño, del que descoocemos el úmeo de uds defectuosas. Petedemos gaatiza que echazamos co ua pobabilidad P aquellos lotes pocedetes de ua població que cotega ua facció F de la misma está deto de uos límites de toleacia establecidos. Paa ello ecesitamos establece u pla de muesteo e el defiiemos el tamaño muestal y el úmeo de uds defectuosas que estamos dispuesto a admiti e la muesta paa acepta el lote. Este citeio está basado e el popuesto po odge-romig (LTP, lot toleace pecet defective) y se utiliza cuado se petede se muy esticto e pevei la aceptació de lotes o cofomes. El citeio que se seguiá paa establece el pla de muesteo es: Tomaemos F = 1 - f y estos lotes los echazaemos co ua pobabilidad a = 1-P a. Obsevese que P a es fijado po el cosumido y coespode a la facció defectiva máxima que está dispuesto a acepta (LTP), po ello estamos limitado el iesgo del cosumido. e (5) se obtiee: a= 1 - P a = x=0 x - - x (8) Se tata de despeja e la ec. ateio, peviamete eescibimos el lado deecha de (3) haciedo = f y

10 PlaMuesteo.b Guillemo Sachez 10 expesamos el esultado e temios de la fució gamma, co la que se puede opea mas facilmete. eq1 _Itege, _, f_, _ : FuctioExpad PobA,,,. f Ahoa se tata de fija el umeo de defectos que estamos dispuestos a admiti, y obtee el valo de e la ec. ateio, esto es: esolve eq1[,, f,] = 1-Pa = alfa, siedo el valo a calcula. eq2 _Itege, alfa_, f_, _ : Ceilig. FidRoot eq1,, f, alfa,, 20 Ejemplo: Si teemos u lote de tamaño =300, y tomamos como citeio de aceptació alfa = = 0.05, f = = 0.05, y se obtiee que el tamaño la muesta es = 83 eq2 300, 0.05, 0.05, 1 83 E esume tomaiamos ua muesta de tamaño 83 y aceptaiamos el lote si e la muesta hay igua o 1 ud. discofome. Pla de muesteo co eemplazamieto o paa muestas gades E el caso de que la ispecció sea co eemplazamieto, o que el tamaño de la muesta sea pequeña compaado co el del lote la fució de pobabilidad (PF) de que e u lote de tamaño, co piezas defectuosas, tomada ua muesta de tamaño apaezca defectuosas esta dada po la distibució hipegeomética: u lote co ua facció f de piezas defectuosas está dada po la distibució hipegeomética (HG): PF HG,,, = - - (9) dode tamaño del lote úmeo de piezas defectuosas e el lote Tamaño de la muesta úmeo de echazos e la muesta E leguaje del Mathematica la fució ateio podemos expesa po Pa _, _, _, _ : Biomial, Biomial, Biomial, Po ej.: U lote de 100 () uds e dode exista 5 () defectuosas, si tomamos ua muesta de 44 () uds la pobabilidad de que o haya igua ud defectuosa e la muesta es ( = 0):

11 PlaMuesteo.b Guillemo Sachez 11 Pa 5, 100, 44, Asumiedo las mismas codicioes, la pobabilidad de que haya o meos piezas defectuosas está dada po la distibució acumulada de pobabilidad (CF) defiida como: CF HG,,, = x=0 x - - x (10) dode x idice de vaiació de PobA Pobabilidad de que tomada uds haya o meos defectuosas La expesió ateio la covetimos al leguaje del Mathematica PobA _, _, _, _ : Biomial, x Biomial, x Biomial, x 0 Vamos a utilizala paa calcula la pobabilidad de acepta el lote fijados,,, y. Ejemplo.: Sea u lote de 100 () uds e dode exista 5 () defectuosas, tomamos ua muesta de 44 () uds y poemos el citeio de acepta el lote si e la muesta hay ua o igua defectusas ( x = {0, 1}). PobA 5, 100, 44, Plaes de muesteo (po atibutos) Quit E este apatado vamos a establece u pla de muesteo po atibutos (aceptació o echazo) secuecial cosistete e hace ua pimea ispecció paa u lote de tamaño del que se toma ua muesta, si e esta se poduce ceo echazos se acepta el lote, e el caso de que se poduzca 1 o 2 echazos se toma ua muesta adicioal del mismo lote, si se da mas de 2 se echaza el lote. Si e esta muesta ampliada cotiee ceo echazos el lote se acepta, y si cotiee dos se echaza. E el caso de que cotega u echazo puede ocui: a) Que e el pime muesteo se tuviea solo u echazo e cuyo caso se vuelve a toma ota muesta adicioal. Si e ella apaece ceo echazos se acepta el lote, e caso cotaio se echaza defiitivamete. b) Que e el pime muesteo se dieo dos echazos e este caso se echaza el lote. El pocedimieto podía extedese paa cotempla u úmeo idefiido de ispeccioes seceueciales, peo po azoes pacticas se ha optado po limitalo a tes. El pla de muesteo se estableceá defiiedo como equisito de aceptacio que cumpla el citeio P F que defiimos como aquel que paa u lote cualquiea pocedete de ua població que cotega ua facció F

12 PlaMuesteo.b Guillemo Sachez 12 deto de los límites de aceptació (o su equivalete: ua facció f de uds. defectuosas, f = 1 - F) lo echazaemos co ua pobabilidad P. El método que descibimos pemite defii este pla de muesteo paa cualquie valo de P y F, o obstate umeicamete se esuelve el caso patícula de que P F sea 95/95. Paa los cálculos que sigue vamos a utiliza el pogama de cálculo simbólico y uméico Mathematica. à Fudametos E el caso de que la ispecció sea si eemplazamieto, la fució de pobabilidad (PF) de que e u lote de tamaño, co piezas defectuosas, tomada ua muesta de tamaño apaezca defectuosas esta dada po la distibució hipegeomética: u lote co ua facció f de piezas defectuosas está dada po la distibució hipegeomética (HG): PF HG,,, = - - (11) dode tamaño del lote úmeo de piezas defectuosas e el lote Tamaño de la muesta úmeo de echazos e la muesta E leguaje del Mathematica la fució ateio podemos expesa po Pa _, _, _, _ : Biomial, Biomial, Biomial, Po ej.: U lote de 100 () uds e dode exista 5 () defectuosas, si tomamos ua muesta de 44 () uds la pobabilidad de que o haya igua ud defectuosa e la muesta es ( = 0): Pa 5, 100, 44, Asumiedo las mismas codicioes, la pobabilidad de que haya o meos piezas defectuosas está dada po la distibució acumulada de pobabilidad (CF) defiida como: CF HG,,, = x=0 x - - x (12) dode x idice de vaiació de PobA Pobabilidad de que tomada uds haya o meos defectuosas La expesió ateio la covetimos al leguaje del Mathematica PobA _, _, _, _ : Biomial, x Biomial, x Biomial, x 0

13 PlaMuesteo.b Guillemo Sachez 13 Vamos a utilizala paa calcula la pobabilidad de acepta el lote fijados,,, y. Ejemplo.: Sea u lote de 100 () uds e dode exista 5 () defectuosas, tomamos ua muesta de 44 () uds y poemos el citeio de acepta el lote si e la muesta hay ua o igua defectusas ( x = {0, 1}). PobA 5, 100, 44, à Ispeccio co eemplazamieto o paa muestas gades Quit E el caso de que la ispecció sea co eemplazamieto, o que el tamaño de la muesta sea pequeña compaado co el del lote la fució de pobabilidad (PF) de que e u lote de tamaño, co piezas defectuosas, tomada ua muesta de tamaño apaezca defectuosas esta dada po la distibució hipegeomética: u lote co ua facció f de piezas defectuosas está dada po la distibució hipegeomética (HG): PF HG,,, = - - (13) dode tamaño del lote úmeo de piezas defectuosas e el lote Tamaño de la muesta úmeo de echazos e la muesta E leguaje del Mathematica la fució ateio podemos expesa po Pa _, _, _, _ : Biomial, Biomial, Biomial, Po ej.: U lote de 100 () uds e dode exista 5 () defectuosas, si tomamos ua muesta de 44 () uds la pobabilidad de que o haya igua ud defectuosa e la muesta es ( = 0): Pa 5, 100, 44, Asumiedo las mismas codicioes, la pobabilidad de que haya o meos piezas defectuosas está dada po la distibució acumulada de pobabilidad (CF) defiida como: CF HG,,, = x=0 x - - x (14) dode x idice de vaiació de PobA Pobabilidad de que tomada uds haya o meos defectuosas

14 PlaMuesteo.b Guillemo Sachez 14 La expesió ateio la covetimos al leguaje del Mathematica PobA _, _, _, _ : Biomial, x Biomial, x Biomial, x 0 Vamos a utilizala paa calcula la pobabilidad de acepta el lote fijados,,, y. Ejemplo.: Sea u lote de 100 () uds e dode exista 5 () defectuosas, tomamos ua muesta de 44 () uds y poemos el citeio de acepta el lote si e la muesta hay ua o igua defectusas ( x = {0, 1}). PobA 5, 100, 44,

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES Espacios Vectoiales Heamietas ifomáticas paa el igeieo e el estudio del algeba lieal. ESPACIOS VECTORIALES.. ESTRUCTURA DE ESPACIO VECTORIAL... Defiició..2. Ejemplos de espacios vectoiales..3. Popiedades

Más detalles

INSTRUMENTOS FINANCIEROS Y COBERTURAS DE RIESGOS

INSTRUMENTOS FINANCIEROS Y COBERTURAS DE RIESGOS Maste de Cotabilidad, Auditoía y Cotol de Gestió INSTRUMENTOS FINANCIEROS Y COBERTURAS DE RIESGOS Cuso 007/008 Cuso 007/008 Maste de Cotabilidad, Auditoía y Cotol de Riesgos DEPÓSITO FORWARD-FORWARD Acuedo

Más detalles

AYUDAS GRAFICAS CARTA DE SMITH Y APLICACIONES

AYUDAS GRAFICAS CARTA DE SMITH Y APLICACIONES 7 CAPITULO 4 AYUDAS GRAFICAS CARTA DE SMITH Y APLICACIONES Existe vaios métodos de ayudas gáficas paa el diseño, acople y solució de poblemas e líeas de tasmisió, que ha ido evolucioado co el tiempo. Keell

Más detalles

TEMA 3: EL DESCUENTO SIMPLE Y EQUIVALENCIA DE CAPITALES 1.- INTRODUCCIÓN

TEMA 3: EL DESCUENTO SIMPLE Y EQUIVALENCIA DE CAPITALES 1.- INTRODUCCIÓN TEMA 3: EL ESCUENTO SIMPLE Y EQUIVALENCIA E CAPITALES 1.- INTROUCCIÓN El escueto es ua opeació fiaciea muy utilizaa e el ámbito mecatil. Las empesas cuao se ve co ificultaes e liquiez puee acui al escueto

Más detalles

Principio de multiplicación: Sean A 1, A 2,..., A n, una colección de conjuntos finitos no vacíos, entonces A 1 xa 2 x...xa n = A 1 A 2... A n.

Principio de multiplicación: Sean A 1, A 2,..., A n, una colección de conjuntos finitos no vacíos, entonces A 1 xa 2 x...xa n = A 1 A 2... A n. Matemática Disceta: Método combiatoio MATEMATICA DISCRETA 3 Método Combiatoio 3 Técicas básicas Sea S u cojuto fiito o vacío Se desiga po S el cadial de S (el úmeo de elemetos de S) Picipio de adició:

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Objetivos Itoduci coceptos de Coelació y Regesió Lieal. Explica la foma de cálculo. Realiza las puebas de hipótesis asociadas Coteido

Más detalles

EL PROCESO ANALÍTICO JERÁRQUICO (AHP) 1. Características Principales

EL PROCESO ANALÍTICO JERÁRQUICO (AHP) 1. Características Principales A DECISION CON APOYO CUANTITATIVO E PROCESO ANAÍTICO JERÁRQUICO (AHP). Caacteísticas Picipales El Poceso Aalítico Jeáquico (Aalytic Hieachy Pocess, AHP), popuesto po Saaty e 980, se basa e la idea de que

Más detalles

CÁLCULO Primer curso de Ingeniero de Telecomunicación Primer Examen Parcial. 27 de Enero de 2003

CÁLCULO Primer curso de Ingeniero de Telecomunicación Primer Examen Parcial. 27 de Enero de 2003 CÁLCULO Pime cuso de Igeieo de Telecomuicació Pime Exame Pacial. 7 de Eeo de 3 Ejecicio. Deducilafómuladeláeadeusegmetopaabólico e fució de su base y su altua. Se cosidea u coo cicula ecto co adio de la

Más detalles

±. C inicial = C inicial. Índice de variación

±. C inicial = C inicial. Índice de variación Aitmética mecatil: coteidos 2.1 Aumetos y dismiucioes pocetuales 2.2 Iteeses bacaios 2.3 Tasa aual equivalete ( T.A.E.) 2.4 Amotizació de péstamos 2.5 Pogesioes geométicas 2.6 Aualidades Pocetajes: C fial

Más detalles

FORMULARIO DE ESTADÍSTICA

FORMULARIO DE ESTADÍSTICA Reúmee de Matemática paa Bachilleato I.E.S. Ramó Gialdo FORMULARIO DE ESTADÍSTICA Cocepto báico Població: cojuto de todo lo elemeto objeto de ueto etudio Mueta: ubcojuto, extaído de la població,(mediate

Más detalles

Espacios Afín y Euclídeo Resumen ESPACIOS AFÍN Y EUCLÍDEO

Espacios Afín y Euclídeo Resumen ESPACIOS AFÍN Y EUCLÍDEO ESACIOS AFÍN Y EUCLÍDEO Nota: Los pocedimietos expestos o so los úicos qe eselve los poblemas Defiició El espacio afí so los ptos coexistiedo jto al espacio vectoial V, co sistema de efeecia ( pto fijo

Más detalles

LA LUZ Y SUS PROPIEDADES

LA LUZ Y SUS PROPIEDADES LA LUZ Y SUS PROPIEDADES.. NATURALEZA DE LA LUZ. Busca e la bibliogafía ifomació aceca de la cotovesia que matuvieo Huyges y Newto aceca de la atualeza de la luz. Co esta actividad se petede que los alumos

Más detalles

FUNDAMENTOS DE LA TEORÍA DE LA

FUNDAMENTOS DE LA TEORÍA DE LA Pepaado po Iee Paticia Valdez y lfao eptiembe 2006 Coceptos pevios FCULTD DE INGENIERÍ U N M PROBBILIDD Y ETDÍTIC Iee Paticia Valdez y lfao ieev@sevido.uam.mx FUNDMENTO DE L TEORÍ DE L PROBBILIDD CONCEPTO

Más detalles

TEMA 2 ARITMÉTICA MERCANTIL 2.1 AUMENTOS Y DISMINUCIONES PORCENTUALES

TEMA 2 ARITMÉTICA MERCANTIL 2.1 AUMENTOS Y DISMINUCIONES PORCENTUALES TEMA 2 ARITMÉTICA MERCANTIL MATEMÁTICAS CCSSI - 1º Bach. 1 TEMA 2 ARITMÉTICA MERCANTIL 2.1 AUMENTOS Y DISMINUCIONES PORCENTUALES E u aumeto o dismiució pocetual, el úmeo po el que hay que multiplica la

Más detalles

Universidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones. UNIDAD Nº 1 Cinética en sistemas Homogéneos

Universidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones. UNIDAD Nº 1 Cinética en sistemas Homogéneos Uivesidad Tecológica Nacioal Facultad Regioal Rosaio áteda de Ig. De las Reaccioes UNIDD Nº iética e sistemas Homogéeos iética e sistemas homogéeos Igeieía de las eaccioes La ciética química estudia la

Más detalles

20: MEDIDA DEL CAMPO MAGNÉTICO CREADO POR CONDUCTORES

20: MEDIDA DEL CAMPO MAGNÉTICO CREADO POR CONDUCTORES áctica : MEDIDA DEL CAMO MAGNÉTICO CREADO OR CONDUCTORES OJETIVO Obseva la elació existete ete coietes elécticas y campos magéticos. Medi y aaliza el campo magético ceado e el exteio de distitos coductoes

Más detalles

LAZOS DE AMARRE DE FASE

LAZOS DE AMARRE DE FASE LAZOS DE AMARRE DE FASE Maco Atoio Péez Ciseos *, Mak Readma * Divisió de Electóica Computació, CUCEI, Uivesidad de Guadalajaa, México. Cosulto Cotol Sstems Piciples RESUMEN: Este atículo peteece a la

Más detalles

2.2 TIPOS DE EVENTOS, excluyentes y no excluyentes; complementarios, dependientes e independientes.

2.2 TIPOS DE EVENTOS, excluyentes y no excluyentes; complementarios, dependientes e independientes. 2.2 TIPOS DE EVENTOS, excluyentes y no excluyentes; complementaios, dependientes e independientes. Expeimento aleatoio. Espacio muestal asociado. Concepto de expeimento aleatoio. Definición: Un fenómeno

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

ARITMÉTICA MERCANTIL 2.1 AUMENTOS Y DISMINUCIONES PORCENTUALES

ARITMÉTICA MERCANTIL 2.1 AUMENTOS Y DISMINUCIONES PORCENTUALES ARITMÉTICA MERCANTIL 2.1 AUMENTOS Y DISMINUCIONES PORCENTUALES E u aumeto o dismiució pocetual, el úmeo po el que hay que multiplica la catidad iicial paa obtee la catidad fial se llama ídice de vaiació.

Más detalles

OPTIMIZACIÓN PARA INGENIEROS (Notas de clase) Instructores: Luis Zerpa Juan Colmenares

OPTIMIZACIÓN PARA INGENIEROS (Notas de clase) Instructores: Luis Zerpa Juan Colmenares OPTIMIZACIÓN PARA INGENIEROS (Notas de clase) Istuctoes: Luis Zepa Jua Colmeaes Eeo 4 Ídice Geeal. OPTIMIZACIÓN...3. Mathematical Optimizatio Poblem o Mathematical Pogam...4.. Fomulació Geeal de u Poblema

Más detalles

TEMA 2 MATEMÁTICAS FINANCIERAS

TEMA 2 MATEMÁTICAS FINANCIERAS Tema Matemáticas fiacieas 1 TEMA MATEMÁTICAS FINANCIERAS EJERCICIO 1 : Po u atículo que estaba ebajado u 1% hemos pagado, euos. Cuáto costaba ates de la ebaja? 1 Solució: El ídice de vaiació es: IV = 1

Más detalles

APLICACIÓN DE LAS LEYES DE KIRCHHOFF EN CORRIENTE ALTERNA

APLICACIÓN DE LAS LEYES DE KIRCHHOFF EN CORRIENTE ALTERNA AAÓN DE AS EYES DE KHHOFF EN OENE AENA as leyes de Kichhoff puede aplicase e coiete altea epesetado los valoes da las tesioes, fuezas electomotices e itesidades e foma vectoial. º.- imea ley de Kichhoff:

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

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

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

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

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

DIRECCIÓN FINANCIERA I

DIRECCIÓN FINANCIERA I DIRECCIÓN FINNCIER I GRDO EN DMINISTRCIÓN DIRECCIÓN DE EMPRESS UNIVERSIDD DE VLLDOLID Este documeto ha sido elaboado po Susaa loso Bois, Pablo de dés loso, Valetí zofa Palezuela, José Maía Fotua Lido,

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

n x i n y i = 0 ,..., x n u)... exp 1 y 1 y y n u . Demuestre que i=1 Y n

n x i n y i = 0 ,..., x n u)... exp 1 y 1 y y n u . Demuestre que i=1 Y n 47 Capítulo 9 Propiedades de los estimadores putuales y métodos de estimació ii Demuestre que para que esta relació sea idepediete de p, debemos teer x i y i = 0 o x i = y i. iii De acuerdo co el método

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

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

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

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

El producto de convolución de la derivada de la delta de Dirac en 1-x 2*

El producto de convolución de la derivada de la delta de Dirac en 1-x 2* ISSN 88-67 Impeso e Nicaagua. www.ui.edu.i/neo Vo. No. pp.66-7/diciembe 9 E poducto de covoució de a deivada de a deta de Diac e - * M. Gacía y M. Aguie Núceo Cosoidado Matemática Pua y Apicada-NUCOMPA

Más detalles

TEMA 3 FUERZAS Y MOVIMIENTOS CIRCULARES

TEMA 3 FUERZAS Y MOVIMIENTOS CIRCULARES TEMA 3 FUERZAS Y MOVIMIENTOS CIRCULARES 1. MOVIMIENTO CIRCULAR UNIFORME (MCU). Es el movimiento de un cuepo cuya tayectoia es una cicunfeencia y su velocidad es constante. 1.1. Desplazamiento angula o

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

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

Dos estrategias ganadoras para la opción Banxico

Dos estrategias ganadoras para la opción Banxico Dos estategias gaadoas paa la opció Baxico Begoña Feádez,* Mauel Galá** y Paticia Saaveda*** Fecha de ecepció: 7 de mayo de 00; fecha de aceptació: 6 de febeo de 003 Resume: Duate el peíodo de agosto de

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

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

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

CAPÍTULO VIII. CONVERGENCIA DE SUCESIONES. SECCIONES A. Criterios de convergencia. B. Ejercicios propuestos.

CAPÍTULO VIII. CONVERGENCIA DE SUCESIONES. SECCIONES A. Criterios de convergencia. B. Ejercicios propuestos. CAPÍTULO VIII CONVERGENCIA DE SUCESIONES SECCIONES A Criterios de covergecia B Ejercicios propuestos 347 A CRITERIOS DE CONVERGENCIA Ua fució cuyo domiio es el cojuto de los úmeros aturales se dice sucesió

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

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

TEMA 7. SUCESIONES NUMÉRICAS.

TEMA 7. SUCESIONES NUMÉRICAS. º EO Tem 7 TEMA 7. UCEIONE NUMÉRICA.. UCEIONE NUMÉRICA. Imgiemos el ecoido que efectú u bló que se h lzdo l suelo y midmos ls distcis ete bote y bote: Ls distcis fom u sucesió de úmeos: 0, 5, 0, 5,. U

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

A continuación obligamos, aplicando el producto escalar, a que los vectores:

A continuación obligamos, aplicando el producto escalar, a que los vectores: G1.- Se sabe que el tiángulo ABC es ectángulo en el vétice C, que petenece a la ecta intesección de los planos y + z = 1 e y 3z + 3 = 0, y que sus otos dos vétices son A( 2, 0, 1 ) y B ( 0, -3, 0 ). Halla

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

4 Contrastes del Chi 2 de bondad del ajuste

4 Contrastes del Chi 2 de bondad del ajuste 4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos

Más detalles

TEMA I. Un espacio vectorial es una estructura algebraica que se compone de dos conjuntos y de dos operaciones que cumplen 8 propiedades.

TEMA I. Un espacio vectorial es una estructura algebraica que se compone de dos conjuntos y de dos operaciones que cumplen 8 propiedades. 1 Espacios vectoiales 2 Combinaciones lineales 3 Dependencia e independencia lineal 4 Bases 5 Rango de un conjunto de vectoes 6 Tansfomaciones elementales 7 Método de Gauss TEMA I 1 Espacios vectoiales

Más detalles

INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS

INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS Ua ecuació diferecial es ua ecuació que cotiee las derivadas de ua o más variables depedietes co respecto de ua ó mas variables idepedietes. Clasificació

Más detalles

Teorema del límite central

Teorema del límite central Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

Derivadas de funciones trigonométricas y sus inversas

Derivadas de funciones trigonométricas y sus inversas Deivadas de funciones tigonométicas y sus invesas Las funciones tigonométicas se definen a pati de un tiángulo ectángulo como sigue: sin α y csc α y y cos α x sec α x α x tan α y x cot α x y Como puedes

Más detalles

CAMPO GRAVITATORIO FCA 04 ANDALUCÍA

CAMPO GRAVITATORIO FCA 04 ANDALUCÍA CAPO GAVIAOIO FCA 04 ANDALUCÍA. a) Al desplazase un cuepo desde una posición A hasta ota B, su enegía potencial disminuye. Puede aseguase que su enegía cinética en B es mayo que en A? azone la espuesta.

Más detalles

7 Energía electrostática Félix Redondo Quintela y Roberto Carlos Redondo Melchor Universidad de Salamanca

7 Energía electrostática Félix Redondo Quintela y Roberto Carlos Redondo Melchor Universidad de Salamanca 7 Eergía electrostática Félix Redodo Quitela y Roberto Carlos Redodo Melchor Uiersidad de alamaca Eergía electrostática de ua distribució de carga eléctrica Hasta ahora hemos supuesto distribucioes de

Más detalles

5.1. Tipos de convergencia

5.1. Tipos de convergencia Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia

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

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

GEOMETRÍA. 1. Sin resolver el sistema, determina si la recta 2x 3y + 1 = 0 es exterior, secante ó tangente a la circunferencia

GEOMETRÍA. 1. Sin resolver el sistema, determina si la recta 2x 3y + 1 = 0 es exterior, secante ó tangente a la circunferencia Puebas de Acceso a la Univesidad GEOMETRÍA Junio 94.. Sin esolve el sistema detemina si la ecta x y + = 0 es exteio secante ó tangente a la cicunfeencia (x ) + (y ) =. Razónalo. [5 puntos]. Dadas las ecuaciones

Más detalles

Tema 1: Números Complejos

Tema 1: Números Complejos Números Complejos Tema 1: Números Complejos Deició U úmero complejo es u par ordeado (x, y) de úmeros reales Éste puede iterpretarse como u puto del plao cuya abscisa es x y cuya ordeada es y El cojuto

Más detalles

CAPITULO 6 EQUILIBRIO EN EL MERCADO DE BIENES Y SERVICIOS Y EL MERCADO MONETARIO MODELO IS - LM

CAPITULO 6 EQUILIBRIO EN EL MERCADO DE BIENES Y SERVICIOS Y EL MERCADO MONETARIO MODELO IS - LM Documento elaboado po Jaime Aguila Moeno Docente áea económica Univesidad del Valle Sede Buga CAPITULO 6 EQUILIBRIO EN EL MERCADO DE BIENES Y SERVICIOS Y EL MERCADO MONETARIO MODELO IS - LM OBJETIVO DEL

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 RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Divisió de Plaificació, Estudios e Iversió MIDEPLAN Curso: Preparació y Evaluació de Proyectos EVALUACIÓN DE PROYECTOS: Coceptos Básicos Temario Matemáticas

Más detalles

F. Trig. para ángulos de cualquier magnitud

F. Trig. para ángulos de cualquier magnitud F. Tig. paa ángulos de cualquie magnitud Ahoa vamos a utiliza la ciuncfeencia unitaia paa descubi algunas popiedades de las funciones tigonométicas. Empezamos con las funciones sin cos. Al vaia el valo

Más detalles

IES Fco Ayala de Granada Modelo 1 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 1 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 1 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 1 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo 1 del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 1 DEL 015 OPCIÓN A EJERCICIO 1 (A) 1 3 - Sea las matrices A = y B = 3-1 4 (0 75

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

INTEGRALES DE RIEMANN

INTEGRALES DE RIEMANN NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-

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

+ + + = 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

Anova un factor y Kruskal-Wallis

Anova un factor y Kruskal-Wallis Aova u facto y Kuskal-Wallis Itoducció El aálisis de la vaiaza (Aova) se debe al estadístico-geético Si oald Ayle Fishe (890-96), auto del libo "Statistics Methods fo eseach Wokes" publicado e 95 y pioeo

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

UNIDAD 3. b b.1 Es una P.G. con a 1 5 y d 0,5. Por tanto: a n a 1 n 1 d 5 n 1 0,5 5 0,5n 0,5 0,5n 4,5 a n 0,5n 4,5

UNIDAD 3. b b.1 Es una P.G. con a 1 5 y d 0,5. Por tanto: a n a 1 n 1 d 5 n 1 0,5 5 0,5n 0,5 0,5n 4,5 a n 0,5n 4,5 UNIDAD 3 a Escribe los cico primeros térmios de las sucesioes: a.1) a 2, a 3 1 2 a a a 1 2 a.2 b 2 + 1 b Halla el térmio geeral de cada ua de estas sucesioes: b.1 3, 1, 1, 3, 5,... b.2 2, 6, 18, 54,...

Más detalles

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera

Más detalles

U N I V E R S I D A D SAN MARTIN DE PORRES PROGRAMA LA UNIVERSIDAD INTERNA 2012 VALOR DEL DINERO EN ELTIEMPO

U N I V E R S I D A D SAN MARTIN DE PORRES PROGRAMA LA UNIVERSIDAD INTERNA 2012 VALOR DEL DINERO EN ELTIEMPO U N I V E R S I D A D D E SAN MARTIN DE PORRES PROGRAMA LA UNIVERSIDAD INTERNA 2012 Tema: VALOR DEL DINERO EN ELTIEMPO D. JORGE L. PASTOR PAREDES 1 INTERES SIMPLE El capital que geea los iteeses pemaece

Más detalles

2.4 La circunferencia y el círculo

2.4 La circunferencia y el círculo UNI Geometía. La cicunfeencia y el cículo. La cicunfeencia y el cículo JTIVS alcula el áea del cículo y el peímeto de la cicunfeencia. alcula el áea y el peímeto de sectoes y segmentos ciculaes. alcula

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

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

RECTAS EN EL PLANO. r datos, podemos dar la ecuación de dicha recta de varias P o Ecuación vectorial

RECTAS EN EL PLANO. r datos, podemos dar la ecuación de dicha recta de varias P o Ecuación vectorial RECTAS EN EL PLANO Ecuación de la ecta La ecuación de una ecta puede dase de difeentes fomas, que veemos a continuación. Conocidos un punto P(p 1, p ) y un vecto de diección d = (d 1, d ) (o sea, un vecto

Más detalles

Facultad de C. E. F. y N. Departamento de FÍSICA Cátedra de FÍSICA II SOLENOIDE

Facultad de C. E. F. y N. Departamento de FÍSICA Cátedra de FÍSICA II SOLENOIDE U N IV ESID A D NACIONA de CÓ DO BA Facultad de C. E. F. y N. Depatamento de FÍSICA Cáteda de FÍSICA II caeas: todas las ingenieías auto: Ing. ubén A. OCCHIETTI Capítulo VI: Campo Magnético: SOENOIDE El

Más detalles

APUNTES PARA LA MATERIA DE MATEMÁTICAS DISCRETAS

APUNTES PARA LA MATERIA DE MATEMÁTICAS DISCRETAS UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERÍAS DEPARTAMENTO DE MATEMÁTICAS APUNTES PARA LA MATERIA DE MATEMÁTICAS DISCRETAS P R E S E N T A M.S.I. JOSÉ FRANCISCO VILLALPANDO

Más detalles

VECTORES 7.1 LOS VECTORES Y SUS OPERACIONES

VECTORES 7.1 LOS VECTORES Y SUS OPERACIONES VECTORES 7.1 LOS VECTORES Y SUS OPERACIONES DEFINICIÓN Un vecto es un segmento oientado. Un vecto AB queda deteminado po dos puntos, oigen A y extemo B. Elementos de un vecto: Módulo de un vecto es la

Más detalles

5 Procedimiento general para obtener el esquema equivalente de un transformador

5 Procedimiento general para obtener el esquema equivalente de un transformador Pocedimiento geneal paa obtene el esquema equivalente de un tansfomado 45 5 Pocedimiento geneal paa obtene el esquema equivalente de un tansfomado En este capítulo se encontaá el esquema equivalente de

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

INFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES

INFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES 1 INFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES 001. PAU SELECTIVIDAD Uiversidad de Oviedo Juio 1996 La empresa de trasportes urgetes El Rápido asegura que etrega el 80% de sus evíos ates

Más detalles

PAUTA CONTROL 3 CÁLCULO EN VARIAS VARIABLES, 2014/1

PAUTA CONTROL 3 CÁLCULO EN VARIAS VARIABLES, 2014/1 PAUTA CONTROL CÁLCULO EN VARIAS VARIABLES, 14/1 (1) (a) Demueste que el máximo de la función x y z sobe la esfea x + y + z = a es (a /) y que el mínimo de la función x + y + z sobe la supeficie x y z =

Más detalles

Volumen ÓRBITAS EN EL SISTEMA SOLAR. Leyes de Kepler, Cónicas, Movimiento orbital. Taller de Astronomía. Autora: Profa. Ana Inés Gómez de Castro

Volumen ÓRBITAS EN EL SISTEMA SOLAR. Leyes de Kepler, Cónicas, Movimiento orbital. Taller de Astronomía. Autora: Profa. Ana Inés Gómez de Castro Volume 3 ÓRBITAS N L SISTMA SOLAR Leyes de Keple, Cóicas, Movimieto obital Talle de Astoomía Autoa: Poa. Aa Iés Gómez de Casto INTRODUCCIÓN A LA ASTRONOMÍA Talle de Astoomía Aa Iés Gómez de Casto Facultad

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

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

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 5 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 5 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo 5 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 5 OPCIÓN A EJERCICIO 1 (A) 1 3 - Se cosidera las matrices A

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

GALICIA / JUNIO 03. LOGSE / FÍSICA / EXAMEN COMPLETO

GALICIA / JUNIO 03. LOGSE / FÍSICA / EXAMEN COMPLETO GALICIA / JUNIO 3. LOGSE / FÍSICA / EXAMEN COMPLEO El examen de física de las P.A.U. pesenta dos opciones de semejante nivel de dificultad. Cada opción consta de tes pates difeentes(poblemas, cuestiones

Más detalles