Capítulo 12. Introducción a la Termodinámica Estadística.

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

Download "Capítulo 12. Introducción a la Termodinámica Estadística."

Transcripción

1 Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part d la Mcáca Estadístca qu studa los sstmas qulbro. Mcáca Cuátca Mcáca Clásca Trmodámca Estadístca Trmodámca Clásca Estados d u sstma: Macrostado Estado trmodámco d u sstma Dpd dl valor d las "fucos d stado" Complxó o Mcrostado. Mcáca clásca: co partículas l stado stá dfdo por l valor dl las f coordadas d poscó y los f mpulsos d cada partícula. Mcáca cuátca: l stado stá dscrta por la fucó d stado Ψ. Ĥ Ψ E Ψ [.] Ψ Ψ(q, q,..., q, t) [.] q so las coordadas spacals y d spí Modlo: Las partículas so détcas (sustaca pura) Las partículas so prmats (qulbro químco) Cap.. Itroduccó a la Trmodámca Estadístca

2 El sstma stá stado stacoaro Las partículas so dpdts (as dal) E E [.3] Ĥ Ĥ [.4] Ĥ Ψ (q ) E Ψ(q ) [.5] Ψ (q,q,..., q ) Ψ(q ) Ψ(q )... Ψ(q ) [.6] Para spcfcar l mcrostado sú [.6] s csaro spcfcar s las partículas so dscrbls (cláscas) o dscrbls (frmos, bosos) Estadístca d Maxwll-Boltzma (MB): s aplca a partículas dscrbls Estadístca d Bos-Est (BE): s aplca a bosos (partículas dscrbls d sp tro) Estadístca d Frm-Drac (FD): s aplca a frmos (partículas dscrbls d sp smtro) Ejmplo.. Posbls complxos d u sstma co partículas y ría total (udads arbtraras) co trs posbls stados d ría d valors propos, y sú los trs modlos stadístcos. vl φ φ φ φ F.d Oda Modlo E ψ MB I ψ MB ψmb II III MB ψbe I BE ψ BE II ψ FD I FD Maxwll-Boltzma Bos-Est Frm-Drac MB BE Ψ φ( ) φ() Ψ ( φ ) φ() FD MB BE Ψ φ ) () Ψ φ ) φ () + φ () () Ψ φ ( ) φ () φ () φ () Ψ ( φ MB 3 φ ( ) φ () ( φ Cap.. Itroduccó a la Trmodámca Estadístca

3 ) Prcpo d Boltzma Para u sstma aslado volucó spotáa la tropía smpr aumta d acurdo al II Prcpo d la Trmodámca El dsord aumta dsd u puto d vsta mcáco El dsord s md por l úmro d mcrostados compatbls co s macrostado. Todos los mcrostados posbls d u sstma so, prcpo, ualmt probabls. Ejmplo.. Rsultados d las sumas d los úmros obtdos al trar dos dados 36 tradas. Tradas Probabldad d sacar /36 Probabldad d sacar 7 6/36 Al úmro d complxos (Ω) s llama probabldad trmodámca. Ejmplo.3. Calcul l úmro d mcrostados posbls d u sstma formado por dos partículas dpdts co spí / (Asummos qu la ría dl sstma dod la partícula s orta a favor dl campo (+) s la msma qu cuado s orta cotra dl campo (-). Ω ω ω 4 El úmro total d mcrostados dl sstma s l producto d los mcrostados corrspodts a cada partícula ω. Para partículas: Ω ω [.7] S s t dos mustras d as: Cap.. Itroduccó a la Trmodámca Estadístca 3

4 Ω Ω S S Ω Ω S +S S S + S Ω Ω Ω Cuado la tropía aumta l úmro d mcrostados també La tropía s la suma d tropías. El úmro total d mcrostados s l producto d mcrostados La cuacó d Boltzma dca: S k l Ω [.8] k r/rad (costat d Boltzma) 3) Estadístca d Maxwll-Boltzma 3.) Dstrbucó más probabl S aplca a partículas dscrbls. U trcambo d partículas coduc a u mcrostado dfrt. La fucó d oda d cada mcrostado s: ψ φ( ) φ()... φ() [.9] Ejmplo.4. Calcul las dstrbucos y mcrostados qu prsta u sstma co 3, E. Cada vl prsta ua dracó ual a + y ua ría ual a (ε ). Solucó: a) Dstrbucó :,, 3,, , 3 3 3,, /3 /3 /3 /3 / /, 3 3 Cap.. Itroduccó a la Trmodámca Estadístca 4

5 ! Π! 3!!!! 3 ( abajo, y 3 arrba; abajo, y 3 arrba; 3 abajo, y arrba) 3 4 (cuatro maras d colocar las partículas) t{} 4 3 b) Dstrbucó :,, /3 /3 /3 /3 /3 / / / /! Π! 3!!!! 3 ( arrba, y 3 abajo; arrba, y 3 abajo; 3 arrba, y abajo) 3 3 (trs maras d colocar las partículas) t{} Las fucos d oda d los dos prmros mcrostados so: ψ φ,() φ,() φ, (3) ψ φ,() φ,(3) φ, () Como las partículas so dscrbls, ψ ψ E st caso s t mcrostados, Ω El úmro d mcrostados d cada dstrbucó s: t { }!...! Π [.] Π!! t{ } Ω [.] D todas las dstrbucos hay ua d llas qu t mayor úmro d mcrostados (t{} max ). S s muy rad, o s comt mucho rror s s aproxma l úmro d mcrostados totals a los qu prsta la dstrbucó d más mcrostados. t{ } t{ } Ω [.] max Para calcular t{} max hay qu hacr t / l t l! + ( l - l!) Cap.. Itroduccó a la Trmodámca Estadístca 5

6 S s aplca la aproxmacó d Strl: l t l - + ( l - l + ) S s drva co rspcto a d l t (l - l - + ) d l ( / ) d [.3] Hay qu cosdrar dos cuacos más: d d [.4] E ε de ε d [.5] El sstma d las trs cuacos dfrcals s rsulv por l método d los multplcadors d Lara. (l + α + β ε ) d [.6] l + α + β ε (,,...) l - ( α + β ε ) ( α+ ) La dstrbucó d Maxwll-Boltzma s: [.7] α+ 3.) Etropía dl sstma Sú l prcpo d Boltzma! S k l Ω k l t{ } max k l [.8]! S k ( l! + l - l! ) Aplcado la aproxmacó d Strl Cap.. Itroduccó a la Trmodámca Estadístca 6

7 S k ( l - + l - ( l - )) ( l l ( / )) S k [.9] Al susttur [.7] [.9] -α- ( ) S k l l k ( l + α + β ε ) ( l + α + β E ) S k [.] 3.) Dtrmacó d β S s ralza l sumatoro d la cuacó [.7] -α - α - - α l - l [.] Susttuydo [.] [.] - S k ( l + l - l + β - S k l + k β E [.] S s multplca por la tmpratura - TS k T l + k β T E [.3] S s compara la cuacó.3 co la xprsó d trmodámca clásca, TS - F + E, y s uala térmo a térmo E) E k β T E β [.4] k T - F - k T l [.5] Cap.. Itroduccó a la Trmodámca Estadístca 7

8 4) Fucó d partcó S df la fucó d partcó como: - ε / kt z [.6] La cuacó [.7] s pud scrbr -α - -α - α z Dvddo ambas xprsos - [.7] z Exprsó qu dca como stá rpartdas (partcoadas) las partículas los vls rétcos. z -ε / kt T z ε, ε ε / k + ε / k +... z T z z ε / k ε / k ε / k +... La fucó d partcó molcular dca l º promdo d stados qu so accsbls térmcamt a ua molécula a la tmpratura dl sstma. T T : sólo s accsbl l stado/vl fudamtal : vrtualmt todos los stados so accsbls (z lvado) Cap.. Itroduccó a la Trmodámca Estadístca 8

9 5) Estadístca d Bos-Est (BE) Esta stadístca s aplca a bosos. La fucó d oda total ha d sr smétrca lo qu mplca qu o hay ua lmtacó sobr l úmro d partículas cada vl. Ejmplo.5. Calcul las dstrbucos y mcrostados qu prsta u sstma d bosos co 3, E. Cada vl prsta ua dracó ual a + y ua ría ual a (ε ). Solucó: a) Dstrbucó :,, 3,,, + ( + t{}!( )! ( + )! ( + )! - )!!( - )!!( - )! 3 3 b) Dstrbucó :,, ( + t{}!( )! ( + )! (3 + )! - )!!( - )!!(3 - )! t{ } ( + )!!( -)! Para calcular la dstrbucó qu t más mcrostados hay qu ralzar la aproxmacó: + + t{ } + ( + )!!( -)! [ l( )!- l!- l( - ] [( + ) l( + ) - ( + ) - l + - ( - ) l( - ) ( - ] l t + )! l t + ) l t d l t [( + ) l( ) - l - ( - ) l( - ) - ] + + l( + ) + - l - - d - l d + + Cap.. Itroduccó a la Trmodámca Estadístca 9

10 Tdo cuta las cuacos [.4] y [.5], y aplcado l método d los multplcadors dtrmados d Lara s dduc: l + + α + β ε (,,...) [.8] + ( α+ ) + ( α+ ) ) ( α+ [.9] α + Al ual qu la stadístca d MB β/kt 6) Estadístca d Frm-Drac (FD) E sta stadístca las partículas so dscrbls y la fucó total ha d sr atsmétrca. Ejmplo.6. Calcul las dstrbucos y mcrostados qu prsta u sstma d frmos co 3, E. Cada vl prsta ua ría ual a (ε ) y (, 3 3) Solucó: a) Dstrbucó :,, 3,,,! t{}!( - )!! 3!!( - )!!(3 - )! 3 3 b) Dstrbucó :,,! t{}!( - )!!!!( - )!!( - )!! t { }!( - )! Cap.. Itroduccó a la Trmodámca Estadístca

11 lt Σ [ l! l! l( )!] [ l - - l + - ( - ) l( - ) ( - )] l t + d l t - l - + l ( - ) + d - l d Al ual qu los casos atrors l + α + ( α+ ) [.3] α + + 7) Comparacó d las trs stadístcas MB: s aplca a partículas dscrbls. BE: s aplca a bosos (sp tro). Fucó d oda smétrca. Fotos (S), úclos d H, H 4, O 6 FD: s aplca a frmos (sp smtro). Fucó d oda atsmétrca. Elctros, protos, utros, úclos d Cl 35 (S3/) Exst ua rla para calcular l valor d S d las partículas Masa par prot. par + ut. par S (bosó) Masa par prot. mpar + ut. mpar S (bosó) Masa mpar S sm-tro (frmó) MB BE FD α+ α+ α+ α + α+ α + + [.3] + [.3] [.33] S >> las trs stadístcas cocd. S cumpl a T y p modradas. o s cumpl l hlo líqudo, as lctróco, T, p. Cap.. Itroduccó a la Trmodámca Estadístca

12 8) Estadístca d Maxwll-Boltzma corrda La stadístca d MB cosdra las partículas dscrbls. Las stadístcas d BE y FD las cosdra dscrbls. S s t lmtos, ( > ) Ω MB!! [.34]! + Ω BE [.35] Ω FD [.36] Estadístca d MB corrda (MBC) s pud aplcar a partículas dscrbls dvddo Ω por!. Sólo afcta a las propdads trmodámcas dl sstma (S, F,...), o t fluca las propdads tras (, z,...). 9) Idtfcacó d k y α S s aplca la stadístca d MBC, F s ual a z F - k T l - k T l z + k T ( l - ) [.37]! El potcal químco s: F µ - k T l z + k T ( l + ) - k T l z + k T l [.38] T,V µ kt l z µ - k T l z + k T l - k T l z z + k T (l! + ) - k T l + k T! G F + k T G F + p V p V k T R k A [.39] S vó atrormt α l Comparado ambas xprsos: - - l l z - l - l z µ α [.4] kt Cap.. Itroduccó a la Trmodámca Estadístca

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal

Más detalles

Ampliació de Química-Física Curs Introducció

Ampliació de Química-Física Curs Introducció Itroduccó F Curs 7-8 mplacó d uímca-físca Curs 7-8 Itroduccó Cotdo ma : Cocptos báscos d Mcáca Cuátca Postulados d la Mcáca Cuátca Sstmas scllos Caja Cuátca rdmsoal Rotor Rígdo Osclador armóco promacó

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

APUNTE Y PROBLEMAS DE FÍSICA III

APUNTE Y PROBLEMAS DE FÍSICA III APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

Capítulo IV. Estadísticas cuánticas.

Capítulo IV. Estadísticas cuánticas. Capítulo I. stadísticas cuáticas. Lcció 6 Itroducció a las stadísticas cuáticas. Partículas distiguibls idistiguibls. stadísticas d Bos-isti y d rmi-dirac. Lcció 7 Gas idal d rmi: lctros mtals. Lcció 8

Más detalles

mecánica estadística Estadísticas Cuánticas Capítulo 5

mecánica estadística Estadísticas Cuánticas Capítulo 5 mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó

Más detalles

5 MECÁNICA ESTADÍSTICA CUÁNTICA DE GASES IDEALES

5 MECÁNICA ESTADÍSTICA CUÁNTICA DE GASES IDEALES ma 5 MCÁICA SADÍSICA CUÁICA D GASS IDALS stadística d rmi-dirac y stadística d Bos-isti. l límit clásico. Gas idal d rmi: lctros mtals. Gas idal d Bos: fotos y 4H líquido. Codsació d Bos-isti. [RI-9; HUA-8;

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

Resumen TEMA 6: Momentos de inercia

Resumen TEMA 6: Momentos de inercia EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

IV. Gases ideales cuánticos

IV. Gases ideales cuánticos IV. Ga idal cuático Boo y Fmio Fucio d ditibució o Bo-Eiti (boo) o Fmi-Diac (fmio) o límit cláico (Maxwll-Boltzma) Aplicacio: o lcto d coducció mtal o 3 H y 4 H o Ga d foto Ly d Plack Módulo d Mcáica Etadítica

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

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados.

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados. Estado cuátco: Prcpo de superposcó de los estados: Cualquer movmeto o perturbado que esté restrgdo por tatas codcoes como sea posble teórcamete s que exsta terferecas o cotradccoes etre ellas. Estado e

Más detalles

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos Capíulo. La fucó d pacó ) Spaacó d la fucó d pacó S ha dmosado aom - / k [.] La ía dl l s ual a: k [.] + + + [.] + S los ados d lbad o accoa [.4] - / k - / k... [.5] ) Fucó d pacó lcóca omado como l d

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

Elementos de Probabilidad y Estadística

Elementos de Probabilidad y Estadística Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

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

Señales y Sistemas. Análisis de Fourier.

Señales y Sistemas. Análisis de Fourier. Sñals y Sistmas Aálisis d Fourir. Itroducció El foqu d st capítulo s la rprstació d sñals utilizado sos y cosos ( otras palabras, xpocials complas). El studio d sñals y sistmas utilizado xpocials complas

Más detalles

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1: .- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA

OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA OPMZACÓN ESRUCURAL CON MALLAS FJAS Y ANALSS DE SENSBLDAD ULZANDO VARAS APROXMACONES A LOS ELEMENOS DE FRONERA Wllam Ramírz Bítz, Maul Julo García Ruíz Prgrado gría Mcáca Uvrsdad EAF, Colomba. Ph.D. gría

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

Q c 0 en V (5.1a) y z k. y n

Q c 0 en V (5.1a) y z k. y n V.- PROBLEM DE CMPO ECLR 5..- Itroduccó dfrca d los problmas abordados los capítulos atrors, dod las cógtas rlacoados co los msmos ra catdads vctorals, st ua gra gama d problmas dod las cógtas so d aturala

Más detalles

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3 Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

Más detalles

Capítulo I. Introducción: Características de los sistemas macroscópicos, conceptos de probabilidad y estadística de sistemas de partículas.

Capítulo I. Introducción: Características de los sistemas macroscópicos, conceptos de probabilidad y estadística de sistemas de partículas. Capítulo I. Itroduccó: Característcas de los sstemas macroscópcos, coceptos de probabldad y estadístca de sstemas de partículas. Leccó Itroduccó a la descrpcó estadístca de los sstemas de partículas. Fluctuacoes

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011 Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos

Más detalles

ANÁLISIS DE ERROR DE ESTADO ESTABLE

ANÁLISIS DE ERROR DE ESTADO ESTABLE AÁLISIS DE ERROR DE ESTADO ESTABLE El rror stcoro s u dd d l xcttud d u t d cotrol. S lz l rror stcoro dbdo trds scló, rp y prábol. COTROL AALÓGICO COTROL DIGITAL Esqu Error Fucó d trsfrc d ll Es ( Rs

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

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

(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

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Cap. II: Principios Fundamentales del Flujo de Tránsito

Cap. II: Principios Fundamentales del Flujo de Tránsito Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

TALLER 4: Preparación parcial final. Cálculo Integral. UdeA Profesor: Jaime Andrés Jaramillo.

TALLER 4: Preparación parcial final. Cálculo Integral. UdeA Profesor: Jaime Andrés Jaramillo. TALLER : Prparació parcial fial Cálculo Itgral UdA - Profsor: Jaim Adrés Jaramillo jaimaj@cocptocomputadorscom Sucsios Mustr los primros cuatro térmios d la sucsió y dtrmi si s covrgt o divrgt: a) d) +

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos Política Fiscal Goiros d coalició o d itrss oráficos disrsos Goiros d coalició o d itrss oráficos disrsos Escario olítico dod l oiro stá comusto or dos artidos coalició:. Partidos ti rfrcias distitas sor

Más detalles

B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e

B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e A t e n a s T R I B U N A L A D M I N I S T R A T I V O D E A T E N A S B O L E T I N D E J U R I S P

Más detalles

( ) ( ) ( ) RESOLUCIÓN Dato: NºDiag.= 4(Nº s internos) RESOLUCIÓN RESOLUCIÓN SEMANA 4 POLÍGONOS Y CUADRILÁTEROS 11( 11 1) RPTA.: E RPTA.

( ) ( ) ( ) RESOLUCIÓN Dato: NºDiag.= 4(Nº s internos) RESOLUCIÓN RESOLUCIÓN SEMANA 4 POLÍGONOS Y CUADRILÁTEROS 11( 11 1) RPTA.: E RPTA. SEMN 4 OLÍGONOS Y URILÁTEROS 1. lcul l úmro d digols mdis d u polígoo, dod l úmro d digols s l cuádrupl dl úmro d águlos itros. ) 0 ) 7 ) ) 44 E) to: Nºig.= 4(Nº s itros) id: Nºig.Mdis= ( 1 ) =? Rmplzdo

Más detalles

Tema 2. Termodinámica Estadística. Problemas

Tema 2. Termodinámica Estadística. Problemas ma. rmodnámca Estadístca Problmas jrccos. La apromacón d trlng (ln! ln - ) prmt valuar l logartmo d factorals d númros grands con un rror puño. Calcula y rprsnta l rror rlatvo (n %) obtndo al utlzar la

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

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

Aplicaciones de Balances de Energía en Reactores Batch

Aplicaciones de Balances de Energía en Reactores Batch plcacoes de Balaces de Eergía e Reactores Batch Para u reactor batch, el BdeM se epresa como la ecuacó para determar el tempo de resdeca: t N ( rv Separado varables: V N Esta es ua ecuacó dferecal ordara

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CAPITULO º FUNCIONES DE VECTORES Y MATRICES_ Ing. Dgo Aljandro Paño G. M.Sc, Ph.D. Funcons d Marcs Torma: Sa f( una funcón arbrara dl scalar y sa A una marz con polnomo caracrísco: S dfn g( un polnomo

Más detalles

DISEÑO MECÁNICO RODAMIENTOS NORMALIZACIÓN DE LOS RODAMIENTOS CINEMÁTICA DISTRIBUCIÓN DE CARGA EN EL RODAMIENTO

DISEÑO MECÁNICO RODAMIENTOS NORMALIZACIÓN DE LOS RODAMIENTOS CINEMÁTICA DISTRIBUCIÓN DE CARGA EN EL RODAMIENTO DISEÑO MECÁNICO RODAMIENTOS NORMALIZACIÓN DE LOS RODAMIENTOS CINEMÁTICA DISTRIBUCIÓN DE CARGA EN EL RODAMIENTO REPRESENTACIÓN SIMPLIFICADA DE LOS RODAMIENTOS 2 q q q q q q q q q 3 q q q q q q q q q q q

Más detalles

Tema 1 FÍSICA DE SEMICONDUCTORES: PROBLEMAS. Contenido FÍSICA DE SEMICONDUCTORES: PROBLEMAS... 1

Tema 1 FÍSICA DE SEMICONDUCTORES: PROBLEMAS. Contenido FÍSICA DE SEMICONDUCTORES: PROBLEMAS... 1 Tma 1. Físa Smutrs Tma 1 FÍSICA DE SEMICONDUCTORES: PROBLEMAS Ct FÍSICA DE SEMICONDUCTORES: PROBLEMAS... 1 1. Prblmas rsults.... Prblmas prpusts...9 Tma 1. Físa Smutrs 1. Prblmas rsults 1) Calular la lgtu

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

FINITOS Introducción

FINITOS Introducción I.- ORMULACIÓN ARIACIONAL INITO DL MÉTODO D LO LMNTO 4..- Itroduccó l Capítulo II, las cuacos d los lmtos s dduro usado l método drcto. Como a s mcoó, st método, a psar qu mustra claramt l squma d ucoamto

Más detalles

DECAIMIENTO RADIOACTIVO

DECAIMIENTO RADIOACTIVO DECIMIETO RDIOCTIVO El dcaimito radioactivo s idpdit dl modo d dcaimito, y s aplica a todos llos: α,β +, β -, CE (captura lctróica), γ, y fisió spotáa. Postulados: LEY DE DESITEGRCIO RDIOCTIV. La probabilidad

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Z = número atómico o número de protones del núcleo Z = 1 (H); 2 (He + ); 3 (Li 2+ ).

Z = número atómico o número de protones del núcleo Z = 1 (H); 2 (He + ); 3 (Li 2+ ). CAPITULO. l átoo d idógo ) Atoo d idógo idogoid Z úo atóico o úo d poto dl úclo Z (H); (H + ); (Li + ). F q q / ε F q q / θ.6-9 cul.8 - u N u cul /( ε ) / φ V() -Z / ( u ) Hˆ Hˆ Hˆ + Ψ (, ) ψ ( )ψit( )

Más detalles

Tema 5: Transistor Bipolar de Unión (BJT)

Tema 5: Transistor Bipolar de Unión (BJT) Tma 5: Trasistor ipolar d Uió JT) 5.1 troducció otidos 5.2 ucioamito dl trasistor Zoa Activa Dircta 5.3 Modlo d orrits dl Trasistor. Modlo d rs-moll 5.4 Modos o Zoas d Opració 5.5 Modlos Spic 5.6 jmplos

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

Problemas Tema 2: Sistemas

Problemas Tema 2: Sistemas SISTEMAS Y CIRCUITOS ~ PROBLEMAS Curso Académico 00900 Problmas Tma Sismas PROBLEMA. Dados los siguis sismas impo coiuo las sñals d rada idicadas, drmi las sñals d salida corrspodis ( ) x sñal d rada x

Más detalles

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes 3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

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

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..

Más detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

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

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles