EXTENSIÓN DEL METODO ONE-LEG MULTISTEP CON ESTABILIDAD MARGINAL

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

Download "EXTENSIÓN DEL METODO ONE-LEG MULTISTEP CON ESTABILIDAD MARGINAL"

Transcripción

1 Mecáca Coputacoal Vol XXVIII, págs (artículo copleto) Crsta García Bauza, Pablo Lotto, Lsadro Parete, Marcelo Véere (Eds.) Tadl, Argeta, 3-6 Novebre 29 EXTENSIÓN DEL METODO ONE-LEG MULTISTEP CON ESTABILIDAD MARGINAL Gustavo Boro a, Eresto Kofa b, Pablo Lotto a y Aleadro Clausse a a CONICET-CNEA y Uversdad Nacoal del Cetro, 7, Tadl, Argeta b CIFASIS-CONICET, UNR, Robaba 245 Bs, Rosaro, Argeta gboro@gal.co, ofa@fcea.edu.ar, plotto@exa.uce.edu.ar, clausse@exa.uce.edu.ar Palabras clave: probleas de valor cal, ssteas stff, establdad, oe-leg ultstep. Resue. E este trabao se preseta ua ueva clase de étodo ultpaso para probleas de valor cal odelados por ecuacoes dferecales ordaras. Esta ueva clase de étodo se basa e la extesó del étodo Oe-Leg Multstep (OLM), el cual utlza ua fórula ultpaso o leal para calcular la solucó e el sguete puto de tegracó. La extesó propuesta e este trabao es ua cobacó de OLM co el étodo ultpaso leal clásco. Coo resultado de esta extesó se atee la precsó y se eora la establdad respecto de OLM. Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

2 2352 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE INTRODUCCIÓN Cosdérese la solucó de u sstea de ecuacoes dferecales ordaras dado por: y ( t) = f t, y( t) () ( ) e u tervalo [t, t f ], co valores cales y(t )=y. El étodo Oe-Leg Multpaso de orde (OLM ) propoe el sguete esquea uérco para resolver () p ( t) = f t, p( t), (2) ( ) dode p es ua aproxacó de orde de la solucó y. Cuado se aplca a u tepo específco t e la Ec. 2 perte geerar ua forula o leal plícta ( ) ( ( )) p t = f t, p t, (3) e la cual puede ser utlzada para aproxar el valor de y(t ). La eleccó del valor de t e tee u pacto fudaetal e la precsó y e la establdad de OLM. Dahlqust [Dahlqust 983] deostró que exste u tepo t + tal que la forula OLM produce u étodo de orde +. Posterorete, Jasse [Jasse ad Va Heteryc 23] deostró que exste u tepo t * tal que s la forula de OLM es A(ψ)- estable, dode ψ es el águlo de establdad. La regó de establdad o tee terseccó co C +, y es de orde co ayor precsó que BDF. E el presete trabao se propoe u étodo que coba el étodo OLM co el étodo ultpaso leal clásco, dode se atee las propedades respecto de la precsó y el orde del étodo OLM, al so tepo que se eora sustacalete el águlo de establdad ψ y la regó de establdad. MÉTODOS ONE-LEG MULTIPASO Cuado el paso de tepo h es costate, los poloos de la Ec. 2 se puede escrbr coo p( t) = p ( t) = ξ y, h = ξ ( ) ( ) = +,! = ξ ( ) = ξ ( ) δ ( ), δ ( ) = = ξ = y, e ( + ) e ( ), dode el rado es u paráetro característco. Cuado =, OLM () se reduce a el étodo BDF, esto es = y hf t ( ), y (5) =. (6) Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

3 Mecáca Coputacoal Vol XXVIII, págs (29) MÉTODO OLM EXTENDIDO La Ec. 5 se puede reescrbr e fucó del rado α ( ) = ( ) y f t, β y. (7) h = = El étodo que propoeos es este trabao (OLML ) coba la Ec. 7 co el étodo ultpaso leal clásco, llegado a δ α y, (8) ( ) y ( ) = δ f t β h = = = = aplcado la gualdad t t + h( ) = t h e = +. El téro - se utlza sobre paráetro de α y el téro t se aplca sobre las f. E este trabao o se provee de ua fórula geeral para las costates δ, o obstate esto se propoe u algorto secllo para calcular valores de δ. 2. Precsó y error Cosderar la fora leal de ua forula OLM () (que vaos a deotar LMM () - Lear Multstep Method) dode = α ( ) y h β ( ) f, (9) = = α ( ) ( ) = ϕ, β ( ) ( ) = ϕ, ( ) ϕ ( ) =, f = = f ( t, y ). A partr del trabao de Jasse [Jasse et. al. 22] se puede verfcar que las Ecs. 7 y 9 tee orde. E el caso e que las Ecs. 7 o 9 tega orde, las forulas tee el so orde, la sa costate de error (la sa precsó) y la sa establdad leal. Efectvaete, cosderar el operador dfereca leal L [ y( t ) ] = ( ) ( ), h y h β de LMM () y el operador dfereca asocado de OLM () Φ = = () α y, () [ y( t ) ] = ( ) ( ), h, α y hf t, β y. (2) = A partr del teorea de caracterzacó del error a partr del poloo terpolacó L y t, h y Φ ( t ),h, [Atso 988], se obtee la expasoes de [ ( ) ] = [ ] y Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

4 2354 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE L Φ [ y( t ) ] ( ) ( ), h = C+ h y t + Ο( h ), [ y( t ), h, ] = C ( ) h y ( t ) + Ο( h ). + Luego, s C ( ) + LMM () y OLM () tee el so orde y la sa costate de error C ( ) +, y s C ( ) + = las forulas tee orde + y o ecesaraete la sa costate de error. Sguedo la sa etodología se obtee coclusoes slares para el étodo OLML. Toado el operador dfereca Γ del étodo propuesto y el correspodete operador dfereca leal Λ Λ Γ [ y( t ), ] = ( ) ( ) h δ α y h δ β = = [ y( t ),, ] = ( ), ( ) h δ α y h δ f t β y, = = las expasoes Γ y Λ queda represetadas por = = = = y, (3) (4) Λ Γ [ y( t ), ] ( ) ( ) h = δ C, + h y t + Ο( h ) = [ y( t ),, ] ( ) ( ) h = δ C, + h y t + Ο( h ), =, (5) dode la costate de error δ ( ) cuple co las sas propedades ecoadas para C ( ). + = C, + Es portate rearcar que el valor de δ ( ) o es gual al de C ( ). Se puede = C, + ver que abas ecuacoes so fucoes co respecto al rado. No obstate, la prera ecuacó tabé es fucó de los valores de las costates δ. El rado se puede deterar a partr de la propedad s la costate de error es gual las forulas so de orde +, y s la costate de error es dstto de las forulas so de orde. E el trabao de Dahlqust [Dahlqust 983] se foralzó esta afracó, pertedo caracterzar los valores del rado + (y por ede el valor de t + ) para OLM (). Teorea [Dahlqust 983]. S la forula OLM () es de orde +, + es ua raíz de la costate de error. La forula C ( ) + tee raíces e el tervalo [, ], pero o todas las raíces hace que la forula de OLM () sea -estable [Harer ad Waer 99]. Coo cosecueca se defe + coo la raíz ás a la derecha de C ( ) + tal que OLM () sea -estable. La tabla uestra los valores de + para -step ( 6). + Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

5 Mecáca Coputacoal Vol XXVIII, págs (29) Tabla. Valores de + para 6. Por otra parte, e el trabao de Jasse [Jasse ad Va Heteryc 23] se deostró que exste u tepo t * tal que la forula de OLM ( * ) tee eores propedades de establdad y precsó respecto de OLM ( + ) y BDF. E lo que sgue se aalzará las propedades de establdad del étodo OLML, coparádolo co OLM y BDF para el so *. 2.2 Establdad Cuado el sstea ODE es u sstea leal de la fora y =Ay, la forula de OLM () y LMM () so equvaletes. Cosderado el prer y el segudo poloo característco asocados a OLM () ( ) ( ) ρ, x = = (, x) = β ( ) x. σ = α x Aplcado la defcó de Labert [Labert 99], la regó de establdad R A de OLM () es parte de la regó defda por: θ θ (, θ ) ρ(, e ) σ( e ), (6) h ˆ =,, (7) dode θ 2π. E las fguras -6 se puede ver las regoes de establdad de las fórulas de θ θ OLM (). Las curvas represeta la parte real de h ˆ (, θ ) = ρ(, e ) σ(, e ), y la terseccó de éstas co el ee x sobre el tervalo [-, ] represeta el tervalo de establdad de OLM () (los putos que se ecuetra fuera de este tervalo o so tedos e cueta ya que para dchos casos el étodo OLM () o sería A()-estable [refereca]). E las fguras -6 se puede observar que para 2 el tervalo de establdad de OLM ( * ) es ayor que el tervalo de establdad de OLM ( + ). Adeás * es u puto atractvo a utlzar ya que su tervalo de establdad es precsaete R, lo cual perte obteer eores propedades de establdad. Para aalzar esta propedad, recordeos alguas defcoes y teoreas de establdad [Jasse ad Va Heteryc 23]. Defcó. (Precsaete A(ψ)-estable y precsaete A()-estable). U étodo co regó de establdad R A se dce precsaete A(ψ)-estable e ψ π/2 s es A(ψ)-estable y R A C + = ; se dce precsaete A()-estable s es precsaete A(ψ)-estable para algú ψ ], π/2[; y se dce precsaete A-estable s R A =C. Teorea. (Codcó ecesara de precsaete A(ψ)-estable e OLM ()). S OLM () es precsaete A()-estable, luego es ua raíz de σ(,-). Coo cosecueca del teorea ateror * se defe coo la raíz ás derecha de σ(,-) [Jasse ad Va Heteryc 23]. E la tabla 2 se uestra los valores de * para 6. Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

6 2356 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE * Tabla 2. Valores de * para 6. La propedades de establdad del étodo OLM () para * so a) Para 6, OLM ( * ) es covergete y A()-estable; b) OLM ( * ) y OLM 2 ( * ) so precsaete A-estable; c) OLM 3 ( * ) y OLM 4 ( * ) so precsaete A()-estable; d) OLM 5 ( * ) y OLM 6 ( * ) so e su ayoría precsaete A()-estable; e) OLM 7 ( * ) o es covergete. 2.3 Regó de establdad para el étodo OLML El prer y el segudo poloo característco asocados al étodo OLML so ρ σ E E (, x) = δ ( ) α = = (, x) = ( ) x. δ = = β x, (8) Luego la regó de establdad del étodo OLML esta defda por E θ θ (, θ ) ρ (, e ) σ ( e ) h ˆ =,, (9) E dode θ 2π. E las Fg. -6 se uestra la fucó ĥ y el tervalo de establdad de OLM () respecto de, para 6. E Fgura. Fucó ĥ y el tervalo de establdad de OLM (). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

7 Mecáca Coputacoal Vol XXVIII, págs (29) 2357 Fgura 2. Fucó ĥ y el tervalo de establdad de OLM 2(). Fgura 3. Fucó ĥ y el tervalo de establdad de OLM 3(). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

8 2358 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE Fgura 4. Fucó ĥ y el tervalo de establdad de OLM 4(). Fgura 5. Fucó ĥ y el tervalo de establdad de OLM 5(). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

9 Mecáca Coputacoal Vol XXVIII, págs (29) 2359 Fgura 6. Fucó ĥ y el tervalo de establdad de OLM 6(). Lea. S * es raíz σ(,-), etoces es raíz σ E (,-). Deostracó: por defcó Desarrollado la ecuacó σ E (,-) Luego s * es raíz σ(,-) σ ( ) = ( ) E, x δ β x. (2) = = δ ( ) ( ) ( ) σ, = β = δ β. (2) E = = = = = β ( ) =, (22) por cosguete σ E ( *,-)=. E las Fgs. -6 se puede observar estos resultados. Para 7 se desprede las sguetes propedades de establdad para el étodo OLML Para 6, OLM ( * ) es covergete y A()-estable; a) OLM ( * ) y OLM 2 ( * ) so precsaete A-estable; b) OLM 3 ( * ) y OLM 4 ( * ) so precsaete A()-estable; c) OLM 5 ( * ) y OLM 6 ( * ) so precsaete A()-estable; d) OLM 7 ( * ) es e su ayoría precsaete A()-estable. 2.4 Agulo de establdad Hasta aquí heos deostrado que tato el orde coo la propedades de establdad del étodo OLML so coparables a las de OLM (). Estudareos e esta seccó ua propedad e la que dfere abos étodos, dado ua vetaa sgfcatva a OLML. El águlo de establdad ω es el águlo que se fora e el plao Re(λh)- I(λh) etre el Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

10 236 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE ee Re(λh) y la recta a recta pedete a la curva que pasa por [,]. E las fguras 7-2 se puede ver para 6 las regoes de establdad para los étodos BDF, OLM y OLML. Para el calculo del águlo de establdad del étodo OLML se ha utlzado =, co u grado de lbertad sobre δ (δ =-δ ). Para seleccoar el valor de δ se aplca u algorto uérco uy secllo, toado coo valor cal δ = y calculado el uevo δ a partr de δ,ew =δ +d δ co d δ =.. Para cada δ se va austado su valor sepre que se reflee ua varacó del águlo de establdad respecto de su valor ateror. Co este procedeto se obtuvo para 6 ua eora sgfcatva e el águlo de establdad co δ =. E la tabla 3 se copara el águlo de establdad de los étodos BDF, OLM y OLML.para -steps. La colua asocada al porcetae de cabo dca la eora porcetual e la coparacó de dos étodos. Se puede ver que el étodo OLML tee e todos los -steps eor águlo de establdad respecto de OLM y BDF. E geeral se observa que la regó de establdad del uevo étodo se acerca ás a la regó de establdad deal,.e. águlo de 9 o. Otra eora sustacal se da partcularete e el caso =7, para el cual el étodo OLML es covergete y precsaete A()-estable e la ayoría de los casos, stuacó que o se da para OLM y BDF. E la Fg. 3 se uestra la fucó ĥ y el tervalo de establdad de OLML 7 (). E la Fg. 4 se uestra el águlo de establdad para =7. BDF OLM OLML Porcetae de cabo OLM - BDF Porcetae de cabo OLML - BDF Porcetae de cabo OLML - OLM 2 9º 9º 9º % % % 3 86º 84º 9º -2% 5% 7% 4 73º 72º 85º -% 6% 8% 5 52º 55º 72º 6% 38% 3% 6 8º 25º 48º 39% 67% 92% Tabla 3. Agulo de establdad para 6. 3 CONCLUSIONES E este trabao se presetó el étodo OLML que coba el étodo OLM co el étodo ultpaso leal clásco. Este uevo étodo atee las propedades de precsó y el orde del étodo OLM, y al so tepo preseta eoras sustacales e el águlo de establdad ψ y la regó de establdad. E este setdo se obtuvo que el águlo de establdad del étodo OLML es sgfcatvaete eor e coparacó de los étodos OLM y BDF, hacedo que la regó de establdad del uevo étodo se acerque a la regó de establdad deal. Por últo, la vetaa quzás ás portate del étodo OLML que lo dfereca de OLM y BDF es que para =7 es covergete y precsaete A()-estable e la ayoría de los casos. Este resultado es el que arca la cotudad del presete trabao, dode se estudará los casos >7. Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

11 Mecáca Coputacoal Vol XXVIII, págs (29) 236 REFERENCIAS Atso K. E., A Itroducto to Nuercal Aalyss, Wley, New Yor, 988. Dahlqust G., O oe-leg ultstep ethods, SIAM J. Nuer. Aal., 2, pp 3 38, 983. Harer E. ad Waer G., Solvg Ordary Dfferetal Equatos II. Stff ad Dfferetal- Algebrac Probles, Sprger-Verlag, Berl, 99. Jasse M. ad Va Heteryc P., Precsely A(α)-stable Oe-Leg Multstep Methods, BIT Nuercal Matheatcs 43, pp , 23. Jasse M., Va Heteryc P., ad Devlle Y., A costrat satsfacto approach to paraetrc dfferetal equatos, SIAM J. Nuer. Aal., 4(5), pp , 22. Labert J. D., Nuercal Methods for Ordary Dfferetal Systes, Wley, New Yor, 99. Fgura 7. Regó de establdad de BDF, OLM (*) y OLML (*). Fgura 8. Regó de establdad de BDF 2, OLM 2 (*) y OLML 2 (*). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

12 2362 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE Fgura 9. Regó de establdad de BDF 3, OLM 3 (*) y OLML 3 (*). Fgura. Regó de establdad de BDF 4, OLM 4 (*) y OLML 4 (*). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

13 Mecáca Coputacoal Vol XXVIII, págs (29) 2363 Fgura. Regó de establdad de BDF 5, OLM 5 (*) y OLML 5 (*). Fgura 2. Regó de establdad de BDF 6, OLM 6 (*) y OLML 6 (*). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

14 2364 G. BORONI, E. KOFMAN, P.A. LOTITO, A. CLAUSSE Fgura 3. Fucó ĥ y el tervalo de establdad de OLM 7(). Fgura 4. Regó de establdad de BDF 7, OLM 7 (*) y OLML 7 (*). Copyrght 29 Asocacó Argeta de Mecáca Coputacoal

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor GNRCIÓN TRMOLÉCTRIC. Cálculo de la toa de las extraccoes de u cclo de apor ISML PRITO ÍNDIC D MTRIS CÁLCULO D LOS PUNTOS D TOM D LS XTRCCIONS PR QU L MJOR DL RNDIMINTO DL CICLO RGNRTIVO S MÁXIM. MJOR N

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN .4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los

Más detalles

2.5. Área de una superficie.

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

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

11. Optimización no lineal con restricciones

11. Optimización no lineal con restricciones . Optzacó o leal co restrccoes. Optzacó o leal co restrccoes Prcpos y teoreas para la búsqueda de óptos lobales Modelos co restrccoes de ualdad Codcoes de uh-tucker Alortos uércos báscos Prcpos y teoreas

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

El Amplificador Operacional de Tensiones

El Amplificador Operacional de Tensiones El Aplfcador Operacoal de Tesoes El Aplfcador Operacoal de Tesoes. Itroduccó 2. El Aplfcador Operacoal Ideal de Tesoes 3. Nodealdades e el Opap 4. Crcutos co ealetacó Postva. Itroduccó.. El problea de

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ea ta zabal zazu Uversdad del País Vasco Departaeto de Arqutectura y Tecología de oputadores upv ehu Tea 4_ Ssteas LTI Procesado dgtal de age y sodo Defcó y prcpal vetaja Aálss teporal de la respuesta

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Núeros Coplejos PREGUNTAS MÁS FRECUENTES. Qué es la udad agara? Es u eleeto del que cooceos úcaete su cuadrado:.obvaete, o se trata de u úero real.. Qué es u úero coplejo? Es

Más detalles

Diseño De Plantas UIS. Ing. Edwin Alberto Garavito H.

Diseño De Plantas UIS. Ing. Edwin Alberto Garavito H. MEJORMIENTO DEL DISEÑO DE DISTRIBUCIONES DE PLNT MEDINTE L UTILIZCIÓN DE CRFT. QUÉ ES CRFT? CRFT (Coputerzed Relatve llocato of Facltes Techque es uo de los paquetes de software ás avazados que se utlza

Más detalles

1. Propiedades molares y propiedades molares parciales

1. Propiedades molares y propiedades molares parciales erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Sistema binario. Disoluciones de dos componentes.

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

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

1.9. ESTÁTICA CON ROZAMIENTO

1.9. ESTÁTICA CON ROZAMIENTO Fudametos y Teorías Físcas ETS Arqutectura.9. ESTÁTICA CON ROZAMIENTO Hemos estudado el equlbro de los cuerpos stuados lbremete e el espaco, o cuado estaba udos medate elaces a otros cuerpos o a bases

Más detalles

1. Introducción 1.1. Análisis de la Relación

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Iereca estadístca - stacó ptal a estadístca provee téccas qe perte obteer coclsoes geerales a partr de cojto ltado pero represetatvo de datos. Cado eros o teeos garatía de qe la coclsó qe obteeos sea eactaete

Más detalles

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza El Método de Relajacó Aplcado a Optzacó de Ssteas Dscretos F. Szget, J. Cardllo, J. C. Heet y J. L. Calet Uersdad de Los Ades Departaeto de Ssteas de Cotrol, Mérda Veezela Laboratore d Aalyse et d Archtectre

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

Derivada parcial de un campo vectorial respecto de una variable escalar

Derivada parcial de un campo vectorial respecto de una variable escalar Aálss Vectoral Adrés Macho Ortz Septebre 05 Dervada parcal de u capo vectoral respecto de ua varable escalar La dervacó parcal de u capo vectoral respecto de ua varable escalar es dscutda e este docueto

Más detalles

La teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos.

La teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos. .- INTRODUCCIÓN La teoría de colas es objeto de ua apla bblografía que aborda desde el estudo de ssteas forado por ua cola co u servdor hasta coplejas redes de colas de espera. Los ssteas de colas fora

Más detalles

Capítulo 5. Oscilador armónico

Capítulo 5. Oscilador armónico Capítulo 5 Oscilador aróico 5 Oscilador aróico uidiesioal 5 Reescalaieto 5 Solució e series 53 Valores propios 54 Noralizació 55 Eleetos de atriz 5 Operadores de creació y de aiquilació 5 Ecuació de valores

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs.

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs. Boletí Técco Septebre No. Tabla esultados cálculos Núero edcoes Valor áxo Valor ío ago Proedo Desvacó Ídce capacdad l proceso Ídce capacdad l proceso Ídce capacdad aqua Ídce capacdad aqua Fraccó fectva

Más detalles

Tema 2: Semiconductores intrínsecos y extrínsecos

Tema 2: Semiconductores intrínsecos y extrínsecos lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er

Más detalles

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

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

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

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

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

Números complejos. Un cuerpo conmutativo es un conjunto de números que pueden sumarse, restarse, multiplicarse y dividirse.

Números complejos. Un cuerpo conmutativo es un conjunto de números que pueden sumarse, restarse, multiplicarse y dividirse. Núeros coplejos 1. Cuerpos U cuerpo coutativo es u cojuto de úeros que puede suarse, restarse, ultiplicarse y dividirse. Los úeros racioales, esto es, los úeros que puede escribirse e fora de fracció,

Más detalles

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568.

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568. Hoja de Probleas º Algebra. Hallar u úero cuadrado perfecto de cico cifras sabiedo que el producto de esas cico cifras es 568. Solució: Sea x 0 4 x 0 3 x 3 0 x 4 0 x 5 el úero que buscaos y sea a 0 b 0

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes Segmetacó de obetos e movmeto utlzado GPCA, téccas algebracas y fluo óptco para aplcacoes e espacos telgetes Crsta Losada, auel azo, Sra Palazuelos Departameto de Electróca. Uversdad de Alcalá Alcalá de

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

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

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA INTRODUCCIÓN PRUEBAS NO PARAMÉTRICAS VERSUS PRUEBAS PARAMÉTRICAS

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA INTRODUCCIÓN PRUEBAS NO PARAMÉTRICAS VERSUS PRUEBAS PARAMÉTRICAS UNIDAD III: INFERENCIA ESTADÍSTICA PRUEBA DE IPÓTESIS JI CUADRADO TEMA.. INTRODUCCIÓN.. PRUEBAS PARAMÉTRICAS VERSUS PRUEBAS NO PARAMÉTRICAS.3. EXPERIMENTOS MULTINOMIALES.4. DISTRIBUCIÓN DE PROBABILIDAD

Más detalles

Área de Matemáticas. Curso 2015/2016 RELACIÓN DE EJERCICIOS RESUELTOS TEMA 8 Geometría Analítica en el Plano

Área de Matemáticas. Curso 2015/2016 RELACIÓN DE EJERCICIOS RESUELTOS TEMA 8 Geometría Analítica en el Plano Área de Mateáticas. Curso 05/06 TEMA 8 Geoetría Aalítica e el Plao Ejercicio º a Escribe la ecuació de la recta r que pasa por los putos. b Obté la ecuació de la recta s que pasa por tiee pediete. c Halla

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada:

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada: ECUACIÓN GENERAL DE LOS GASES PERFECTOS La ecuacó geeral de los gases es el resue que egloba a varas leyes que se eucaro de fora separada: Ley de Boyle - Marotte: Dce que, s se atee la teperatura costate,

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Aplicaciones del cálculo integral vectorial a la física

Aplicaciones del cálculo integral vectorial a la física Aplicacioes del cálculo itegral vectorial a la física ISABEL MARRERO epartameto de Aálisis Matemático Uiversidad de La Lagua imarrero@ull.es Ídice 1. Itroducció 1 2. Itegral doble 1 2.1. Motivació: el

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

Análisis de un circuito RC con resistencia no lineal

Análisis de un circuito RC con resistencia no lineal Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,

Más detalles

Ecuaciones diferenciales en derivadas parciales

Ecuaciones diferenciales en derivadas parciales Capítulo 10 Ecuacoes dferecales e dervadas parcales 10.1. Clasfcacó de las ecuacoes e dervadas parcales Los problemas e dervadas parcales que aparece e Físca se suele clasfcar e tres tpos prcpales: problemas

Más detalles

Bolilla 4: Rotación de los cuerpos rígidos. Movimiento circular

Bolilla 4: Rotación de los cuerpos rígidos. Movimiento circular Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula 4. Vaables Agulaes Las vaables agulaes sve aa eeseta e foma mas smle e dóea al movmeto de otacó. La

Más detalles

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA: UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA:

Más detalles

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

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

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN UNIDAD 6 ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN Itroduccó a la udad El uso de la regresó leal smple es muy utlzado para observar el tpo de relacó que exste etre dos varables y poder llevar a cabo la

Más detalles