Teoría de la Medida. Recopilación

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

Download "Teoría de la Medida. Recopilación"

Transcripción

1 Teoría de la Medida. Recopilació Ua magitud física es u atributo de u cuerpo, u feómeo o ua sustacia, que puede determiarse cuatitativamete, es decir, es u atributo susceptible de ser medido. De acuerdo a Baird e el libro: Experimetació. Ua itroducció a la teoría de medicioes y al diseño de experimetos : La experimetació comprede el proceso completo de idetificar ua porció del mudo que os rodea (sistema), para obteer iformació de ella e iterpretarla. E este proceso tiee u papel importate el observador, e especial el/los modelos teórico/s que posee para iterpretar dicha realidad. Qué es medir? Es el proceso de cuatificar uestra experiecia del mudo exterior. Medir es comparar ua catidad de ua magitud co otra catidad de la misma magitud fijada arbitrariamete como uidad. Factores que iterviee e ua medició MEDIO OBJETO INSTRU MENTO OPERA DOR ) Objeto ) Aparato o istrumeto 3) Uidad o patró de comparació 4) Operador 5) Medio Protocolo de medició Para qué se mide? Objetivo de la medició. Qué se mide? Elecció de las magitudes ivolucradas e acuerdo al objetivo. Co qué se mide? Selecció del o de los istrumetos. Cómo se mide? Pasos a seguir para la determiació de la magitud correspodiete. Cuátas veces se mide? No se medirá ua sola vez ya que puede deslizarse errores groseros. Cómo se expresa el resultado de la medició? Expresar físicamete El resultado del experimeto se expresa como <x>± x y la uidad de medida <x> valor represetativo de la magitud x icerteza absoluta de la magitud

2 Clasificació de las medicioes Se puede clasificar e directas e idirectas. Medició directa: a la operació de lectura e u istrumeto aplicado a medir cierta catidad de ua magitud. Ej. : logitud co ua regla, corriete co u amperímetro, temperatura co u termómetro,... Medició idirecta: es la que resulta de vicular medicioes directas a través de relacioes matemáticas. Ej.: cálculo de la desidad de u cuerpo coocidas su masa y volume, de la resistecia eléctrica teiedo los valores de la itesidad de corriete y de la diferecia de potecial. Clasificació de icertezas Sistemáticas: so los que proviee de ua imperfecció o ajuste iadecuado del istrumeto de medició, de la acció permaete de ua causa extera, etc. Ejemplo: desigualdad e la logitud de los brazos de ua balaza, paralaje, desplazamieto del cero. Afecta a todas las medicioes prácticamete por igual y so del mismo sigo. Si bie o puede hacerse ua teoría geeral para ellos, e casos particulares existe métodos para poerlos de maifiesto o efectuar correccioes para elimiarlos. Accidetales o casuales: si ua misma catidad de ua magitud se mide cierto úmero de veces co el mismo istrumeto y e las mismas codicioes los valores difiere etre sí. Alguas de estas diferecias proviee del error de apreciació, pero otras se puede atribuir a pequeñas variacioes e las codicioes ambietales (temperatura, presió,...), cambios e el observador y e el istrumeto. Para medicioes de alta precisió es idispesable, para su poderació, utilizar la teoría estadística. Valor represetativo e icertezas Cuado se mide ua variable cotiua sólo se puede determiar u cojuto de valores o fraja de idetermiació, etre los cuales se asegura se ecuetra el verdadero valor de esa magitud. Por ejemplo, al medir ua cierta distacia hemos obteido (97±) mm. De este modo, etedemos que la medida de dicha magitud está e algua parte etre 95 mm y 99 mm. E realidad, la expresió aterior o sigifica que se está seguro de que el valor verdadero esté etre los límites idicados, sio que hay cierta probabilidad de que esté ahí Todo resultado experimetal o medida hecha e el laboratorio debe de ir acompañada del valor estimado del error de la medida y a cotiuació, las uidades empleadas. Medicioes comparables Se dice que so comparables cuado al represetar sus badas de icertezas tiee ua fraja de itersecció comú

3 Sólo se puede comparar medidas de la misma magitud Cifras sigificativas Como los cálculos tiee tedecia a producir resultados que cosiste e largas filas de úmeros, debemos de teer cuidado de citar el resultado fial co sesatez. Por ejemplo: si medimos u voltaje etre los extremos de ua eléctrica como (5,4±0,)V y la corriete como (,7±0,)A. podemos calcular el valor de la resistecia co la relació V R = = 9, Ω que es lo que da la calculadora I Esta respuesta o tiee setido pues se puede, tras u breve cálculo (que veremos cómo realiza más adelate), ecotrar que su icerteza es R= 0,59...Ω así que las primeras dos cifras decimales del valor calculado de resistecia so iciertas, es claro que el resto carece de setido. Pero la icerteza de las medidas directas V e I tiee ua sola cifra sigificativa u resultado cosistete para la resistecia sería expresarla respetado ua sola cifra sigificativa. Sólo si tuviéramos razoes para creer que uestra icerteza era exacta hasta al seguda cifra sigificativa, podríamos tomar dos cifras sigificativas e la icerteza fial. E térmios geerales debemos estar seguros que los valores dados a la icerteza sea cosistetes co las icertezas de las medicioes básicas. Cuado realizamos ua medició co ua regla graduada e milímetros, está claro que, si somos cuidadosos, podremos asegurar uestro resultado hasta la cifra de los milímetros o, e el mejor de los casos, co ua fracció del milímetro, pero o más. De este modo uestro resultado podría ser L = (95, ± 0.5) mm, o bie L = (95 ± ) mm. E el primer caso decimos que uestra medició tiee tres cifras sigificativas y e el segudo caso la medició tiee sólo dos, pero e ambos casos la icerteza tiee sólo ua cifra sigificativa. El úmero de cifras sigificativas de la medició es igual al úmero de dígitos coteidos e el resultado de la medició que está a la izquierda del primer dígito afectado por el error, icluyedo este dígito. El primer dígito, o sea el que está más a la izquierda, es el más sigificativo (9 e uestro caso) y el último (más a la derecha) el meos sigificativo, ya que es e el que teemos meos seguridad. Nótese que carece de setido icluir e uestro resultado de L más cifras que aquellas e dode teemos icertidumbres (dode cae el error). No es correcto expresar el resultado como L = (95,3 ±) mm, ya que si teemos icertidumbre del orde de mm, mal podemos asegurar el valor de las décimas, cetésimas y milésimas del milímetro. Si el valor de L proviee de u promedio y el error es del orde del milímetro, se debe redodear el dígito dode primero cae el error. Es usual expresar las icertezas co ua sola cifra sigificativa, y sólo e casos excepcioales y cuado existe fudameto para ello, se puede usar más. Tambié es usual cosiderar que la icertidumbre e u resultado de medició afecta a la última cifra si es que o se la idica explícitamete. Por ejemplo, si sólo dispoemos de la iformació que ua logitud es L = 95 mm, podemos supoer que la icertidumbre es del orde del milímetro y, como dijimos ates, el resultado de L tiee dos cifras sigificativas, co ua icerteza de ua cifra sigificativa. Los errores o icertezas se dará co ua úica cifra sigificativa (salvo que el método justifique más cifras). Esto determiará la catidad de cifras sigificativas que tomamos e la magitud 3

4 Reglas para cotar el úmero de cifras sigificativas ) Todos los dígitos distitos de cero so cifras sigificativas. Ejemplo:,76 g tiee 3 cifras sigificativas. ) Los ceros que está etre dos dígitos distitos de cero so cifras sigificativas. Ejemplos:,078 g tiee 4 cifras sigificativas 400,47 g tiee 5 cifras sigificativas. 3) Los ceros situados a la derecha de la coma y después de u dígito distito de cero so cifras sigificativas. Ejemplo: g. tiee 3 cifras sigificativas. 4)Los ceros situados a la izquierda de la primera cifra distita de cero, o so cifras sigificativas, sólo idica la posició del puto decimal. Ejemplos: 0,006 m tiee ua cifra sigificativa 0,008 g tiee 4 cifras sigificativas. 5) Para úmeros eteros, si decimales, los ceros situados a la derecha del último dígito distito de cero puede o o ser cifras sigificativas. Si se utiliza otació expoecial se evita esta ambigüedad. Las potecias de 0 se usa para marcar las cifras sigificativas. Ejemplos: a) 300 cm puede teer ua (úmero 3), dos (30) o tres (300) cifras sigificativas. Si se escribe 3 x 0 sigifica que tiee ua cifra sigificativa; 3,0 x 0 dos cifras sigificativas y 3,00 x 0, tres cifras sigificativas. b) Si se dice que la distacia de la tierra al sol es km esto sigificaría que se cooce este dato co ua icertidumbre km. Si embargo supógase que realmete el dato se cooce es co ua icertidumbre de 0000 km; esto obliga a escribir esta distacia como 9.960x0 4 km. c) Si el úmero de Avogadro se escribe como 6,037x0 3 sigifica que la medida experimetal da u úmero co 7 cifras sigificativas y o co 4 que es lo que sigificaría si se escribiera como que sería ua medició co egañosa exactitud e la medida. 6) Las coversioes de uidades o puede modificar el úmero de cifras sigificativas. Ejemplo:,4 m =,4 dm =4 cm =4x0 mm =0.004 km =4x0 4 µm = 4x0 7 m. Nota: µm sigifica micras o micrómetros y m sigifica aómetros. Expresioes icorrectas Expresioes correctas co ua cifra sigificativa e la icerteza 4567±98 m (4000±3000) m o más correctamete 4567±3000 m (,4±3)0 3 m 345,0±3,0 mm (345±3) m 345,±3 m 43±0,06 m (43,00±0,06) m La última cifra sigificativa e el valor de ua magitud física y e su error, expresados e las mismas uidades, debe de correspoder al mismo orde de magitud (ceteas, deceas, uidades, décimas, cetésimas). 4

5 Precisió y exactitud Precisió o es lo mismo que exactitud. Otra fuete de error que se origia e los istrumetos además de la precisió es la exactitud de los mismos. La precisió de u istrumeto o u método de medició está asociada a la sesibilidad o meor variació de la magitud que se pueda detectar co dicho istrumeto o método. Así, decimos que u torillo micrométrico (co ua apreciació omial de 0-3 mm =µm) es más preciso que ua regla graduada e milímetros; o que u croómetro es más preciso que u reloj comú, etc. La exactitud de u istrumeto o método de medició está asociada a la calidad de la calibració del mismo. Imagiemos que el croómetro que usamos es capaz de determiar la cetésima de segudo pero adelata dos miutos por hora, mietras que u reloj de pulsera comú o lo hace. E este caso decimos que el croómetro es todavía más preciso que el reloj comú, pero meos exacto. La exactitud es ua medida de la calidad de la calibració de uestro istrumeto respecto de patroes de medida aceptados iteracioalmete. E geeral los istrumetos viee calibrados, pero detro de ciertos limites. Es deseable que la calibració de u istrumeto sea ta buea como la apreciació del mismo. Precisió da la calidad de la lectura e el istrumeto, la exactitud compara a la lectura co u patró de referecia. Ua medició de alta calidad, como las que se utiliza para defiir los estádares, es precisa y exacta. Icertidumbre relativa y relativa porcetual. Los errores o icertezas de los que hemos estado hablado hasta ahora so los errores absolutos. El error relativo se defie como el cociete etre el error absoluto y X la magitud. Es decir ε =, dode X se toma e valor absoluto, de forma que ε es X siempre positivo. El error relativo es u ídice de la precisió de la medida. NO tiee uidades La icerteza absoluta o muestra si ua medició fue realizada co buea precisió o o, pues compara al valor represetativo co su icerteza. Se tiee así los coceptos de icerteza o error relativo ε ( el error por cada uidad) o el error relativo porcetual ε % (el error por cada cie uidades). Decimos que cuato meor es el error relativo mayor es la precisió de la medició, es decir defiimos la precisió K = /ε. Podemos comparar errores relativos de distitas magitudes. Resumiedo Toda medida debe de ir seguida por la uidad, obligatoriamete del Sistema Iteracioal de Uidades de medida. Cuado se mide algo debe teer gra cuidado para o producir ua perturbació e el sistema que está bajo observació. Todas las medidas está afectadas e algú grado por u error o icerteza experimetal debido a las imperfeccioes ievitables del istrumeto de medida, o las limitacioes impuestas por uestros setidos que debe de registrar la iformació. 5

6 Medidas directas Cómo asigar icertezas a ua magitud? Error o icerteza de ua magitud que se mide ua úica vez E este caso el mejor valor será simplemete el valor medido y el error se estimará como la míima divisió del istrumeto (o la mitad de ella segú sea la medició e cuestió) Error o icerteza de ua magitud que se mide directamete veces U experimetador que haga la misma medida varias veces o obtedrá, e geeral, el mismo resultado, o sólo por causas impoderables como variacioes imprevistas de las codicioes de medida: temperatura, presió, humedad, etc., sio tambié, por las variacioes e las codicioes de observació del experimetador. Si la medida se repite (cuado la sesibilidad del método o de los aparatos utilizados es pequeña comparada co la magitud de los errores aleatorios), solamete será ecesario e este caso hacer ua sola medida Si al tratar de determiar ua magitud por medida directa realizamos varias medidas co el fi de corregir los errores aleatorios, los resultados obteidos so x, x,... x se adopta como mejor estimació del valor verdadero, el valor medio <x>, que viee se calcula como De acuerdo co la teoría de Gauss de los errores, que supoe que estos se produce por causas aleatorias, se toma como la mejor estimació del error, el llamado error cuadrático defiido por Nótese que a mayor úmero de medicioes meor será la icerteza del promedio. Veamos dos criterios de aproximacioes de estas expresioes e dos ejemplos: Se ha obteido cuatro medidas, de las cuales tres está repetidas. Por ejemplo, e la medició del diámetro de ua pieza, los valores so 4 cm, 5 cm, 4 cm, 4 cm co u error de apreciació de cm. El resultado de la medició se expresará como (4 + ) cm. Es decir se toma la medida que más se repite y se descarta la que es diferete. De las medidas realizadas igua está repetida. Por ejemplo, e la medició de ua itesidad de corriete se obtuviero los siguietes resultados:,5 A,,4 A,,3 A y,5 A co ua icerteza de 0, A. Se asigará al valor represetativo la semisuma de las cotas X extremas y su itervalo de icerteza max + X X mi X = max X X = mi Se adoptará como valor represetativo X 0 = (,6 A +, A)/ =,4 A co ua icerteza de X = (,6 A, A)/ = 0, A. Dode X = (,5 0, ) A es la cota máxima y X = (,3 0, ) A es la cota míima max + mi 6

7 El resultado se expresará como X = (,4 + 0,) A. Medidas idirectas E muchos casos, el valor experimetal de ua magitud se obtiee, de acuerdo a ua determiada expresió matemática, a partir de la medida de otras magitudes de las que depede. Se trata de coocer el error e la magitud derivada a partir de los errores de las magitudes medidas directamete. Fucioes de ua sola variable Supogamos que la magitud y cuyo valor queremos hallar, depede solamete de otra magitud x, mediate la relació fucioal y=f(x). El error de y ( y) cuado se cooce el error de x ( x) se puede calcular mediate la df expresió. y = f '( x) dx = dx dx de uevo x es el valor medido y f' idica la derivada de la fució f(x) respecto de x, o sea df f ( x) =. dx Ejemplo : Supogamos que queremos medir el periodo T de u oscilador, es decir, el tiempo que tarda e efectuar ua oscilació completa, y dispoemos de u croómetro que aprecia las décimas de segudo, 0,s. Medimos el tiempo que tarda e hacer 0 oscilacioes, por ejemplo 4,6 s, dividiedo este t t tiempo etre 0 resulta T=0,46 s, T =, T = 0 0 Obteemos para el error T=0,0 s. Por tato, la medida la podemos expresar como T=(0.46±0.0) s Podríamos aumetar idefiidamete la resolució istrumetal para medir T aumetado el úmero de periodos que icluimos e la medida directa de t. U límite está e uestra paciecia y la creciete probabilidad de cometer errores cuado cotamos el úmero de oscilacioes. Otro límite es que el oscilador o se matiee co la misma amplitud idefiidamete, sio que se para al cabo de u cierto tiempo, por lo tato deja de valer el modelo físico utilizado. Fució de varias variables La magitud y está determiada por la medida de varias magitudes p, q, r, etc., co la que está ligada por la fució. La magitud y es la variable depediete y las magitudes p, q, r so las variables idepedietes. y=f(p, q, r...). Para evaluar y se utiliza, como se dijo precedetemete, el dy. Pero al depeder de más de ua variable se realiza la derivació respecto de ua sola de las variables, cosiderado las otras como costates (cocepto de derivada parcial). El error de la magitud y se puede calcular por medio de la siguiete expresió. 7

8 Casos más frecuetes ( ) ( ) y = p ± q y = p + q ( ) ( ) y = p q y = p q + q p p p p q y = y = + q q q E forma aproximada se puede calcular, como cota superior y = f p p + f q q + f r r +... E los casos más frecuetes y = p ± q y = p + q y = p q y = p q + q p y = p q y = q p + q p q De maera que se puede co esto obteer que Icerteza absoluta de a : a Icerteza relativa de a : ε(a) = a/a, porcetual : ε(a) % = a/a. 00 Icerteza absoluta de (a±b) : (a±b) = a + b Icerteza relativa de a.b : ε(a.b) = a/a + b/b = ε(a) + ε(b) Icerteza relativa de a : ε(a ) =. a/a =. ε(a) Icerteza relativa de a:b : ε(a:b) = a/a + b/b = ε(a) + ε(b) Ejemplos: ) Se midió ua determiada logitud, para la que se ecesitó utilizar dos veces ua regla milimetrada. Las medidas directas fuero a =0 mm y b =5 mm. Etoces la medida de la logitud total será: a + b= (a + a) + (b + b) = (0 mm + mm) + (5 mm +mm) = 5 mm + mm. ) E el caso de la sustracció se procede de igual modo: a - b= (a + a) - (b + b)= (a - b ) + ( a + b ). 3) Hallar el área del rectágulo y el error de la medida idirecta. Si los lados mide a=(,53±0,06) cm, y b=(0,±0,) cm El área es A =a. b=.53 0,=5.606 cm 8

9 El error absoluto del área A se obtiee co: ( ) ( ) ( ) A = a b + b a = (,53 0,) + 0, 0,06 = 0,630835cm y e forma aproximada A = a b + b a = 0,765cm El error absoluto co ua sola cifra sigificativa es, para el primer caso 0,6cm, (o 0,7cm si elegimos mayorar el trucamieto de la icerteza). Co lo que A=(5.6±0.6)cm, o a lo sumo A=(5.6±0.7)cm Para el caso aproximado 0,8cm, co lo que A= (5.6±0.8)cm Cifras apropiadas para ua costate. Cuado e ua medició idirecta aparece ua costate se puede despreciar la ifluecia de su icerteza e el resultado, eligiedo u úmero adecuado de cifras. El criterio que se seguirá es el siguiete: será despreciado cuado su error relativo multiplicado por 0 sea meor o igual que la suma de los otros errores relativos. Ejemplo: Co cuátas cifras se expresará π para despreciar su error e el cálculo del volume de u cilidro?. Las dimesioes medidas fuero el diámetro y la altura de la pieza. De la fórmula correspodiete V = ¼ π.d.h, haciedo propagació de errores, el ε (V) = ε (π) +. ε (d) + ε (h). Se despreciará el error de π siempre que 0. ε (π). ε (d) +ε (h). Para ello es coveiete cofeccioar u cuadro como el siguiete: π π ε (π) 0. ε (π) 3 /3 0. /3 3, 0, 0, /3, 0. 0,/3, 3,4 0,0 0,0/3,4 0. 0,0/3, El resultado de la última columa se compara co la suma de los otros errores. Para el primer valor que da meor o igual se observa la primera columa. Ese valor de π es el que hay que tomar. Criterio de equivalecia etre dos series de medicioes Si ua magitud física se mide co dos (o más) métodos o por distitos observadores, es posible (y muy probable) que los resultados o coicida. E este caso decimos que existe ua discrepacia e los resultados. Si embargo, lo importate es saber si la discrepacia es sigificativa o o. U criterio que se aplica e el caso especial pero frecuete, e el que las medicioes se pueda supoer que sigue ua distribució ormal, es el siguiete. Si los resultados de las dos observacioes que se compara so idepedietes (caso usual) y diero como resultados: Medició : X =X ± X Éste, como muchos otros coceptos utilizados e esta recopilació se estudiará más ampliamete e cursos de estadística. 9

10 Medició : X =X ± X Defiimos al promedio de las icertezas como: X =( X + X )/ Decimos que co u limite de cofiaza del 68% las medicioes so distitas si: X X < X y que co u limite de cofiaza del 96% las medicioes so distitas si: X X <. X Esto quiere decir que la diferecia etre las medicioes es sigificativa si está fuera de estos itervalos, segú el límite de cofiaza adoptado e cada caso, por lo0 tato las medicioes o so comparables. Tambié se aplica cuado se compara valores obteidos e el laboratorio co valores tabulados o publicados. Nótese la diferecia etre discrepacia y error o icerteza, que e alguos textos poco cuidadosos se cofude. El error está relacioado co la icertidumbre e la determiació del valor de ua magitud. La discrepacia está asociada a la falta de coicidecia o superposició de dos itervalos de dos resultados Represetacioes gráficas La presetació y aálisis de los resultados experimetales debe cosiderarse como parte itegral de los experimetos. Muchas veces es útil que los datos obteidos se presete e u gráfico, dode quede resumida la iformació para su apreciació y aálisis. Por ejemplo e los casos e que: Los experimetos se lleva a cabo midiedo ua variable Y e fució de otra X que se varía idepedietemete y se quiere iterpretar la relació fucioal etre ellas Cuado iteresa estudiar si dos variables matiee ua correlació (causal o o) y cómo es esta viculació o grado de iterdepedecia Para detecció de posibles errores sistemáticos Como elemeto ordeador de la iformació colectada e u experimeto, u gráfico debe costruirse sobre la base de ua elecció adecuada tato de las variables como de las escalas, Los programas de represetació gráfica dispoibles e las computadoras icluye etre sus opcioes el diseño de gráficos usado los distitos tipos de escalas mecioadas e este capítulo. Pero, ya sea que el gráfico vaya a realizarse usado estos programas o a mao, es coveiete cosiderar alguas pautas para que la iformació coteida e el dibujo adquiera la relevacia que le correspode. La correcta elecció de las variables y de las escalas Idetificació de los ejes co rótulos bie ubicados que diga qué variables se represeta y e qué uidades se mide. Uso de símbolos que ubique los datos, e lo posible (siempre que la escala utilizada lo permita) co sus icertidumbre (barras o rectágulos); que haya ua difereciació de distitas series de datos cuado se presete varios resultados, para lo que es recomedable el uso de diferetes símbolos (putos, cuadrados, rombos, etc.). E los gráficos experimetales siempre tiee que estar represados los putos correspodietes a las medicioes que le diero orige. Iclusió de u epígrafe, que es u texto descriptivo de lo que está represetado e el gráfico y que además puede maifestar iformació adicioal importate. 0

11 Ua clara difereciació etre lo que es propio del resultado experimetal del trabajo y lo que correspode a ua comparació co ua teoría o modelo propuesto (por ejemplo, usar líeas cotiuas y puteadas) o a resultados extraídos de otras fuetes. Ejemplo: El siguietes gráfico correspode a ua experiecia co los que se quiere determiar la velocidad de u móvil. La pediete de la recta obteida, e relació a las respectivas escalas usadas e cada uo de los ejes, os da el módulo de dicha velocidad. X = X + o V t Se obtuviero como medicioes y su respectivo gráfico X(m) X(t) t (s) t(segudos) X(m) 0 0,30 4 3,70 7 5,5 0 7,99 5 7,99 6 0,39 0,43 3 3,86 5 5,46 8 7,3 Al represetar los valores de posició y tiempo, co sus respectivas icertezas, se obtiee u rectágulo (para cada medició). Cómo trazar la mejor curva por dichos putos? U método aalítico riguroso es el de los cuadrados míimos. Otro es el gráfico, o ta riguroso pero práctico. Método gráfico Se traza dos rectas la de máxima pediete a max y míima pediete a mi que pase por todos los rectágulos trazados, pivoteado e u puto seguro (esto es u puto coocido que podrá ser, por ejemplo el valor medio de las variables graficadas). Se calcula gráficamete cada ua de esa pedietes y represetamos como mejor recta a aquella cuya pediete (a) es la media aritmética de ambas, es decir: a max + a a mi a = co u itervalo de icerteza max a a = mi X(m) X(t) Max Mi t (s) Método de cuadrados míimos Sea dos magitudes x e y relacioadas liealmete: Y= ax+b

12 Si se desea determiar experimetalmete los coeficietes a (pediete) y b (ordeada al orige), será ecesario obteer u cojuto de pares de valores (x i,y i ), como e el caso del ejemplo del gráfico x(t) de la secció aterior, Segú el método de cuadrados míimos, la recta que ajuste mejor todos los pares de putos a ua fució lieal, se puede calcular co los valores de pediete y ordeada al orige calculados a través de b a = xi yi ( yixi ) xi i = i = i = i = xi ( xi ) i = i = a b = ( y x ) x y i i i i i = i= i = xi ( xi ) i= i= Si bie estos coeficietes correspode a la recta que ajusta mejor los datos experimetales, como los datos posee error, o so úicos, sio que está icluidos e u itervalo. Es por esto que existe otras rectas que tambié ajusta los datos. Si se cosidera todas las rectas posibles, es decir, todas aquellas que tiee pedietes icluidas e el itervalo a+ a y ordeadas b+ b y, además, se supoe que: i) ε (x i ) << ε (y i ), dode ε (z) = z/z es el error relativo de ua magitud z. ii) los valores y i está medidos co el la misma icerteza se obtiee que: b = Δ 0 (x ) i = i x ( x ) i i i = i = co Δa = Δ 0 x ( x ) i i i = i = Δ 0 = (y i ax i b) i = E el caso e que o todos los valores de y i tega el mismo error relativo, se utiliza Cuadrados Míimos poderados. E el caso que los errores relativos de las dos magitudes sea comparables se utiliza u método más geeral de cuadrados míimos para ese caso. Debe teerse e cueta que el método de cuadrados míimos puede utilizarse aú para relacioes o lieales, como por ejemplo y = y = be ax a x + b Para ello es ecesario trasformarlas e lieales a través de cambios de variables. E estos casos:

13 ly = lb + ax = y b a + x a a partir de lo cual se puede trabajar co las uevas variables ly, /y, que depede e forma lieal co x. Cómo mejorar la calidad de ua medida? a) Cambiar de método. b) Cambiar de istrumeto. c) Distribuir la icertidumbre Bibliografía Baird, D.C., Experimetació. Ua itroducció a la teoría de medicioes y al diseño de experimetos.. Editorial Pretice Hall. Módulo de Física. Volume : Teoría de la Medida, Ciemática y Diámica GDME. (63.0.) CEI, FI UBA 99. Adam, R. ; Bella, A. ; Cicerchia, E. - Errores de medició e el laboratorio. Facultad de Cs Bioquímicas y Farmaceúticas. U.N.R. Simo, J.M., Simo M.C. y Perez, L.I. Laboratorio - Guía para alumos- Laboratorio de Óptica Dto. Física FCEN UBA Balseiro, J.. Medicioes Físicas. Hachette. Guía de Trabajos Prácticos : Física I (6.0). CEI, FI UBA 996. Sears,Zemasky,Youg,Freedma Física Uiversitaria- - Pearsos Educatio Gil, S. y Rodríguez, E.. Física re-creativa, 3

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

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

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

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

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

Más detalles

MINITAB y MODELOS DE REGRESIÓN

MINITAB y MODELOS DE REGRESIÓN Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias

Más detalles

1 Valores individuales del conjunto

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

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

02) Mediciones. 0202) Mediciones

02) Mediciones. 0202) Mediciones Págia 02) Medicioes 0202) Medicioes Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Teoría de Errores e Icertezas Si usted puede medir lo que está cosiderado y expresarlo e úmeros, usted

Más detalles

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

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

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ 06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

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

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

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

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

Más detalles

Apéndice I. Nociones de Cálculos de Errores. Definiciones

Apéndice I. Nociones de Cálculos de Errores. Definiciones Uiversidad Tecológica Nacioal Facultad Regioal La Plata Departameto de Ciecias Básicas Uidad Docete Básica Física Laboratorio de Física Cátedra: Física I Apédice I Nocioes de Cálculos de Errores El trabajo

Más detalles

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos

Más detalles

2 Conceptos básicos y planteamiento

2 Conceptos básicos y planteamiento ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.

Más detalles

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:...... 1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

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

Más detalles

Medidas de Tendencia Central

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

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,...

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,... SUCESIONES Y SERIES. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

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

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

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

Más detalles

Límite y Continuidad de Funciones.

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

Más detalles

Acá surge una duda cuántos valores de cada variable debemos medir? La respuesta no es obvia. Supongamos que decidimos tomar 3 medidas

Acá surge una duda cuántos valores de cada variable debemos medir? La respuesta no es obvia. Supongamos que decidimos tomar 3 medidas CARACTERIZACION DE UN SISTEMA FISICO. Obteció de la relació fucioal etre dos variables Para poder eteder los feómeo o procesos que tiee lugar e u dado sistema ecesitamos ecotrar las variables que le produce

Más detalles

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo:

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: Itroducció al cálculo de icertidumbres e las INGENIERÍAS Cordiador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: lurodrig@puj.edu.co INTRODUCCIÓN E las ciecias aturales los resultados de las medidas

Más detalles

4.- Aproximación Funcional e Interpolación

4.- Aproximación Funcional e Interpolación 4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

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

Más detalles

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

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

Más detalles

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b) MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que

Más detalles

Qué es la estadística?

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

Más detalles

TRABAJO PRACTICO Nº 1

TRABAJO PRACTICO Nº 1 TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de

Más detalles

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

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

TEMA 1 NÚMEROS REALES

TEMA 1 NÚMEROS REALES . Objetivos / Criterios de evaluació TEMA 1 NÚMEROS REALES O.1.1 Coocer e idetificar los cojutos uméricos N, Z, Q, I,R, Im O.1.2 Saber covertir úmeros racioales e fraccioes. O.1.3 Redodeo y aproximació

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto

Más detalles

[e j N 2 e j N 2 ]...} (22)

[e j N 2 e j N 2 ]...} (22) Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la

Más detalles

Departamento de Física Aplicada I Escuela Politécnica Superior ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS

Departamento de Física Aplicada I Escuela Politécnica Superior ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA Departameto de Física Aplicada I Escuela Politécica Superior ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS

Más detalles

CUADRATURA GAUSSIANA

CUADRATURA GAUSSIANA CUADRATURA GAUSSIANA Este método de basa e muestrear el itegrado de la fució cuya itegral se desea ecotrar, a valores que represeta raíces de poliomios ortogoales Los más populares de éstos so los poliomios

Más detalles

ESTADISTICA UNIDIMENSIONAL

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

Más detalles

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

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

Más detalles

9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS

9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS 9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS OBJETIVO El objetivo de la práctica es determiar la desidad de líquidos utilizado la balaza de Möhr y su aplicació a la determiació de la desidad de disolucioes co

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

EJERCICIOS DE SERIES DE FUNCIONES

EJERCICIOS DE SERIES DE FUNCIONES EJERCICIOS DE SERIES DE FUNCIONES. Campo de covergecia. Covergecia uiforme. Determiar el campo de covergecia de la serie 2 se x. Aplicado el criterio de la raíz, la serie es absolutamete covergete cuado:

Más detalles

GUÍA DE REPASO DE FACTORIZACIÓN, POTENCIACIÓN Y RADICACIÓN

GUÍA DE REPASO DE FACTORIZACIÓN, POTENCIACIÓN Y RADICACIÓN GUÍA DE REPASO DE FACTORIZACIÓN, POTENCIACIÓN Y RADICACIÓN FACTOR COMUN 1. FACTOR COMUN MONOMIO: Factor comú moomio: es el factor que está presete e cada térmio del poliomio: Ejemplo N 1: cuál es el factor

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

METODO DE ITERACION DE NEWTON

METODO DE ITERACION DE NEWTON METODO DE ITERACION DE NEWTON Supogamos que queremos resolver la ecuació f( ) y lo que obteemos o es la solució eacta sio sólo ua buea aproimació, para obteer esta aproimació observemos la siguiete figura

Más detalles

Laboratorio: Las magnitudes físicas

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

Más detalles

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión Sucesioes de úmeros reales Sucesioes covergetes: límite de ua sucesió Tato e la educació secudaria obligatoria como e el bachillerato se habla poco de las sucesioes de úmeros reales. Si acaso se dedica

Más detalles

Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7

Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7 Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}

Más detalles

El método de Monte Carlo

El método de Monte Carlo El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los

Más detalles

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica. 5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

Departamento de Matemáticas

Departamento de Matemáticas MA5 Clase 3: Series de térmios positivos. Criterios de covergecia. Series de térmios positivos Elaborado por los profesores Edgar Cabello y Marcos Gozález La característica fudametal de ua serie cuyos

Más detalles

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá

Más detalles

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

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

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 Ig. Agis Zambrao, MSc PRELABORATORIO: MEDICIÓN - Medir. - Apreciació. - Medidas directas. - Medidas idirectas. MEDIDAS DE LONGITUD - Cita métrica. - Verier. - Torillo micrométrico. MEDIDAS DE TIEMPO -

Más detalles

TEMA 2: Potencias y raíces. Tema 2: Potencias y raíces 1

TEMA 2: Potencias y raíces. Tema 2: Potencias y raíces 1 TEMA : Potecias y raíces Tema : Potecias y raíces ESQUEMA DE LA UNIDAD.- Cocepto de potecia..- Potecias de expoete atural..- Potecias de expoete etero egativo..- Operacioes co potecias..- Notació cietífica...-

Más detalles

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

MEDIDAS DE DISPERSIÓN.

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

Más detalles

Unidad N 2. Medidas de dispersión

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

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

ERRORES EN LAS MEDIDAS

ERRORES EN LAS MEDIDAS ESCUELA TÉCNICA SUPERIOR DE NÁUTICA DEPARTAMENTO DE FÍSICA APLICADA ERRORES EN LAS MEDIDAS I. Uidades de medició. Todas las medicioes costa de ua uidad que os idica lo que fue medido y u úmero que idica

Más detalles

Tema 4. Estimación de parámetros

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

Más detalles

DEF Llamaremos número exacto a la cifra que representa el valor íntegro o completo de la cantidad.

DEF Llamaremos número exacto a la cifra que representa el valor íntegro o completo de la cantidad. . Itroducció. 2. Error Absoluto. 3. Cifras Exactas. 4. Error Relativo. 5. Problema directo e iverso. 5.. Problema directo. 5.2. Problema iverso. 6. Operacioes co úmeros aproximados. 6.. Suma de úmeros

Más detalles

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

Más detalles

Apellidos y Nombre: Aproximación lineal. dy f x dx

Apellidos y Nombre: Aproximación lineal. dy f x dx INGENIERÍA DE TELECOMUNICACIÓN HOJA 0 Aproximació lieal Defiició (Diferecial).- Sea y = f ( x) ua fució derivable e u itervalo abierto que cotiee al úmero x, - La diferecial de x es igual al icremeto de

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 2. Medidas descriptivas de los datos Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

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

Más detalles

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E

Más detalles

INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA. GUIA Nº 3: Sucesiones, Límite de Sucesiones y Límite de Funciones en R

INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA. GUIA Nº 3: Sucesiones, Límite de Sucesiones y Límite de Funciones en R P á g i a INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA GUIA Nº 3: Sucesioes, Límite de Sucesioes y Límite de Fucioes e R GRADO: º AREA: MATEMÁTICAS PROFESORA: Ebli Martíez M. ESTUDIANTE: PERIODO: III

Más detalles

Factorizar es escribir o representar una expresión algebraica como producto de sus factores: Factor común:

Factorizar es escribir o representar una expresión algebraica como producto de sus factores: Factor común: PERIODO I FACTORIZACIÓN Factorizar es escribir o represetar ua expresió algebraica como producto de sus factores: Ejemplo: x 4 = (x + ) (x ) = (x + ) (x + ) (x ) Ua expresió queda completamete factorizada

Más detalles

Trabajo Especial Estadística

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

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica? COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa

Más detalles

Ejercicios resueltos de Muestreo

Ejercicios resueltos de Muestreo Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander Rudimetos 5: Teorema del Biomio Profesor Ricardo Satader Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes

Más detalles

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

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

Más detalles

SUCESIONES DE NÚMEROS REALES. PROGRESIONES

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

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL INISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIENTAL POLITÉCNICA DE LA FUERZA ARADA NACIONAL UNEFA NUCLEO ERIDA APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 8 CONSERVACIÓN

Más detalles

Cálculo de ceros de funciones

Cálculo de ceros de funciones Cálculo de ceros de fucioes El objetivo de la presete secció es el de resolver la ecuació f(x) = 0, siedo f ua fució cotiua, co ua precisió prefijada. Geeralmete esta precisió se medirá por medio del error

Más detalles

SUCESIONES. Si dividimos cada dos términos consecutivos de la sucesión de Fibonacci, obtenemos:

SUCESIONES. Si dividimos cada dos términos consecutivos de la sucesión de Fibonacci, obtenemos: SUCESIONES Págia REFLEXIONA Y RESUELVE Cuátas parejas de coejos? Cuátas parejas de coejos se producirá e u año, comezado co ua pareja úica, si cada mes cualquier pareja egedra otra pareja, que se reproduce

Más detalles

4 El Perceptrón Simple

4 El Perceptrón Simple El Perceptró Simple. Itroducció Ua de las características más sigificativas de las redes euroales es su capacidad para apreder a partir de algua fuete de iformació iteractuado co su etoro. E 958 el psicólogo

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES Humao es errar; pero sólo los ecios persevera e el error. Ciceró. ACADEMIA DE MATEMÁTICAS Uidad II: Datos Bivariados Apredizajes.

Más detalles