CAPITULO I INTERPOLACION Y APROXIMACION

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

Download "CAPITULO I INTERPOLACION Y APROXIMACION"

Transcripción

1 Mecáca Computacoal II CAPITULO I INTERPOLACION Y APROXIMACION Armado Blaco A. Uversdad Smó Bolívar

2 Capítulo I Itroduccó Polomos de Newto de derecas dvddas Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos Métodos de mímos cuadrados (leal o leal) Reerecas

3 Itroduccó E geeral, el geero dee aalzar la ormacó para la toma de decsoes. Esta vee usualmete e orma gráca. Fuete: BP Statstcal Revew o World Eerg, Juo 9

4 Itroduccó.o taulada. Fuete: BP Statstcal Revew o World Eerg, Juo 9

5 Itroduccó Tala. Cosumo produccó promedo de petróleo de Veezuela (Mles de Barrles/Día) 5 Año Cosumo Produccó Producco de Petroleo de Veezuela 75 Producco de Petroleo de Veezuela 7 Produccó (Mles Barrles/Da) 9 8 Cosumo (Mles Barrles/Da) Año Año La ormacó puede ser represetada por eemplo grácamete oteer ormacó acerca de tedecas (etrapolacó).

6 Itroduccó 6 E alguas stuacoes puede ser ecesaro coocer los valores etre los putos de datos coocdos. E geeral, terpolar sgca estmar los valores de ua ucó o varale etre valores coocdos. Aterormete era comú hacerlo a partr de talas, para oteer los valores para argumetos o taulados. Esto ha práctcamete desaparecdo co la llegada de poderosos strumetos de cálculo. S emargo, el cocepto de terpolacó es aú mu mportate e el aálss de data proveete de epermetos e el desarrollo de esquemas umércos. Como eemplo, cosderemos la data sguete: Temperatura ( C) Presó (atm)

7 Itroduccó 7 La presó a otras temperaturas dsttas de las de la tala puede ser estmada por terpolacó. Por eemplo, s deseamos estmar la presó a la temperatura e putos o coocdos, lo podemos hacer a través de la rectas P (atm).5 P (atm) T ( C) T ( C) Alguas veces es posle hallar curvas meores que las rectas, como se muestra e la otra gráca (polomo de 5to grado).

8 Itroduccó 8 E otras stuacoes uestro terés es ecotrar ua ucó que aprome ua data dada, s ecesaramete pasar por los putos que la compoe. 5 P (atm) T ( C) Estudar los coceptos áscos de terpolacó apromacó de couto de datos es el oetvo de este capítulo.

9 Capítulo I 9 Itroduccó Polomos de Newto de derecas dvddas Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos Métodos de mímos cuadrados (leal o leal) Reerecas

10 Polomo terpolate de Newto Iterpolacó leal Supogamos que uestra data cosste e u par de putos (, ) (, ). La orma mas seclla de terpolacó cosste e costrur la recta que pasa por amos putos. Tedremos: ( )

11 Polomo terpolate de Newto Eemplo Supogamos que deseamos apromar lealmete la ucó e el tervalo [,8] oteer el valor de la apromacó e. Luego tedremos: ; 8; P P ( ).75 ( ) el polomo terpolate leal vedrá dado por: ( ) ( )

12 Polomo terpolate de Newto Luego, e el puto la apromacó leal os dará P ( ). 956 La dereca etre la apromacó oteda el valor de la ucó e vedrá dada por: ( ) P () ().% Supogamos que se desea meorar la apromacó. Ua meor alteratva podría ser emplear ua terpolacó cuadrátca tal como veremos a cotuacó.

13 Polomo terpolate de Newto Iterpolacó cuadrátca Supogamos que uestra data cosste e tres putos (, ), (, ) (, ). El polomo que pasa por esos tres putos es de orde (a meos que estos esté aleados) puede escrrse como: P ( ) ( )( )

14 Los coecetes, se otee de evaluar P () e,. Así teemos: De estas relacoes oteemos P P P Polomo terpolate de Newto

15 5 Mapulado llegamos a Polomo terpolate de Newto

16 6 Cotuado co Polomo terpolate de Newto

17 7 Sguedo co Polomo terpolate de Newto

18 8 Luego, los valores de los coecetes del polomo de orde so: Nótese que represeta la pedete de la recta que ue los putos. Luego, la curvatura vedrá determada por el térmo cuo coecete es. Polomo terpolate de Newto

19 Polomo terpolate de Newto 9 Eemplo Supogamos que deseamos apromar co ua paráola la ucó e el tervalo [,8]. Luego tedremos, por eemplo, que so coocdos los valores e,6 8: ; 8; 5; ( ) ( ) ( ) La apromacó cuadrátca vedrá represetada por: P ( ) ( )( )

20 Polomo terpolate de Newto Luego, los valores de los coecetes del polomo de orde so: La apromacó cuadrátca es: P ( ).9( )( 8)

21 Polomo terpolate de Newto P P La apromacó paraólca e arroa el valor ( ) ( ).9( )( 8) ( ) El error cometdo co esta apromacó es: ( ) P () ().5% es astate meor al otedo co la apromacó leal. Veamos esto grácamete e la láma sguete.

22 Polomo terpolate de Newto.8.6 Datos Valor eacto Leal Paraolco Fuco Iterpolacó Nótese: (a) El paso de la apromacó paraólca por los tres putos () la cercaía etre la ucó apromada la apromacó paraólca

23 Polomo terpolate de Newto El detalle e las cercaías del puto se muestra a cotuacó. Iterpolacó.99 Datos Valor eacto Leal Paraolco Fuco

24 Forma geeral de los polomos de terpolacó Supogamos que uestra data cosste e u couto de putos (, ), etero e [,]. El polomo de grado que terpola la data es dado por: E el caso del polomo leal () teíamos que: P etoces: ; Polomo terpolate de Newto

25 5 Metras que para la apromacó cuadrátca () teíamos Deedo las derecas dvddas como: [ ], [ ] [ ] [ ] [ ] k k k,,,, Polomo terpolate de Newto

26 6 Luego, tedremos que: teemos que, hasta orde podemos escrr: [ ] [ ] [ ],,,, [ ] [ ], [ ] [ ] [ ],,, P Polomo terpolate de Newto

27 7 Luego, s demos podemos asumr que e geeral que el polomo terpolate de grado es dado por: [ ] [ ] [ ],,...,,,,...,,,,...,, [ ] [ ] [ ] [ ]...,,...,,...,,, P [ ] [ ]...,...,, k k k k P E otacó compacta podemos escrr: Polomo terpolate de Newto

28 Polomo terpolate de Newto 8 Nótese que: (a) No es ecesaro que los datos esté uormemete espacados, ordeados, para hallar los coecetes del polomo () Las relacoes que permte calcular las derecas dvddas so recursvas, e cosecueca, la derecas dvddas de orde superor se otee a partr de las de meor orde. Etoces, oteedo las derecas dvddas de maera cosecutva oteemos los coecetes del polomo terpolate de Newto.

29 9 Además, para calcular las derecas dvddas podemos teer e cueta que : [ ] [ ],, [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] k k k k k k k k k,,,,,,,,,,,, Polomo terpolate de Newto

30 Polomo terpolate de Newto Eemplo: Cosderemos el sguete couto de datos: Hallemos el polomo terpolate de Newto que terpola estos datos

31 Polomo terpolate de Newto Las prmeras derecas dvddas se costrue como se muestra e la sguete tala: DD [, ] [ ] [ ]

32 Polomo terpolate de Newto Las segudas derecas dvddas se costrue smlarmete como se muestra e la sguete tala: DD DD [,, ] [, ] [, ]

33 Polomo terpolate de Newto De la msma maera, las terceras cuartas derecas dvddas se costrue como se muestra e la sguete tala: DD DD DD DD [,..., k k [,,..., k ] k ] [,..., ]

34 Polomo terpolate de Newto P E cosecueca, los coecetes del polomo terpolate de ewto [ ] [,..., ]( )( ) ( )... k so dados por: k, k [ ] [, ] [,, ] DD DD DD DD.6 [.6,,, ] [,,,, ]

35 Polomo terpolate de Newto 5 Luego, P [ ] [,..., ]( )( ) ( )... k k, k [ ] [, ]( ) [,, ]( ) [,,, ]( )( )( ) [,,,, ]( )( )( )( ) P P.6.6( ).7( )(.5).6 ( )(.5)( ).7857 ( )(.5)( )(.5)

36 Polomo terpolate de Newto 6 El polomo de terpolate luce como se muestra e la gura a cotuacó..8 Datos Polomo terpolate Iterpolacó

37 Polomo terpolate de Newto 7 Las vetaas de la utlzacó del polomo terpolate de Newto ahora es ova. S se añade u uevo dato a los aterores, el polomo se modcará de maera que.6.6( ).7( )(.5).6( )(.5)( ) ( )(.5)( )(.5) [,,,,, ]( )(.5)( )(.5)( ) P 5 Supogamos que el uevo puto de data es (;.). Las derecas dvddas se calcula como ates

38 Polomo terpolate de Newto 8 DD DD DD DD DD el uevo polomo es dado por.6.6( ).7( )(.5).6( )(.5)( ) ( )(.5)( )(.5) -.6( )(.5)( )(.5)(.) P

39 Polomo terpolate de Newto 9 Grácamete teemos que el uevo polomo pasa por todos los putos de datos dados..5 Datos Polomo terpolate Iterpolacó Nótese que e alguos putos del tervalo los valores otedos está aleados de lo esperado. Esta tedeca es maor e la medda que el grado del polomo terpolate es maor.

40 Polomo Iterpolate de Newto Volvamos a las derecas dvddas. Ates calculamos los coecetes del polomo terpolate a partr de las talas: [] [,] [,,] [,,,] [,,,,] [] [,] [,,] [,,,] [,,,,]

41 Polomo Iterpolate de Newto Los polomos terpolates segú cada tala so: P P.6.6( ).7( )(.5).6 ( )(.5)( ).79 ( )(.5)( )(.5)..58( ).5( )(.5) ( )(.5)( ) ( )(.5)( )( 6) Cuál de los polomos terpolates es el correcto?

42 Polomo Iterpolate de Newto Amos lo so. Utlzado Mathematca para epadr amos polomos oteemos: La dereca de los coecetes etre amos polomos vee dada por errores de trucameto redodeo e el cálculo de las derecas dvddas.

43 Polomo terpolate de Newto E el caso e el que los está uormemete espacados, podemos escrr h sh las derecas e la ormula de las derecas dvddas terpolates se epresa como ( s )h para oteer al susttur e P,,,... [ ] [ ] [ ] ( )( )...( ) [,,..., ]...

44 la epresó Polomo terpolate de Newto P [ ] [, ] [,, ] sh sh s h.. sh ( s ) h... ( s ) h [,,..., ]... smplcado [ ] [ ] P, [,, ] sh s s h.. s s... s h [,,..., ] P o... k s s... s k h [ ],,..., k k

45 Polomo terpolate de Newto Utlzado la otacó del coecete polomal podemos escrr!... k k s s s k s Alteratvamete las derecas dvddas puede escrrse, utlzado la otacó de Atke para las derecas dvddas [ ] k k k h k k s P,...,,! h h! ], [

46 Polomo terpolate de Newto Iteratvamete llegamos a ], [ ], [ ],, [ h h h ],, [ h h! ],, [ k k k h k! ],...,, [

47 Polomo terpolate de Newto Las derecas progresvas se calcula como: ( ) ( ) E geeral, tedremos k k k k

48 Podemos smplcar aú mas P () para escrr P k ( ) k s k que se cooce como la órmula de las derecas progresvas de Newto o órmula haca delate de Newto-Gregor. S reescrmos el polomo terpolate como P a a ( ) a ( )( )... ( )( ) ( )... a... utlzamos las msmas suposcoes aterores h sh Polomo terpolate de Newto s h

49 Polomos terpolate de Newto Podemos escrr o al der la dereca regresva ( sus potecas) p p p [ ] [ ]..., sh P P [ ]...,...,,... [ ] [ ] [ ]...,,, h s s sh P [ ],...,, h s s s, k p p k k p p p p p p

50 Polomos terpolate de Newto podemos escrr Utlzado estos resultados la decó de la da dereca dvdda teemos h h ] [ ] [ ], [ ], [ ], [ ],, [ / / ],, [ h h h h ],, [ h (89)

51 Polomos terpolate de Newto, e geeral E cosecueca teemos k k k h k! ],...,, [ [ ] s s s s s s P! Al eteder la decó del coecete omal a todos los úmeros reales!...!... k k s s s k k s s s k s k

52 P teemos E orma compacta k s k P k k Polomos terpolate de Newto [ ]... ( ) s ( ) s que se cooce como la órmula de las derecas regresvas de Newto o órmula haca atrás de Newto-Gregor. Nótese que la varale está mplícta e la ueva varale s. s

53 Polomos terpolate de Newto Aplcacó: Cosdere la apromacó de la sguete data utlzado las órmulas de derecas progresvas de Newto evalúelo e. P X Y La epresó de la ormula de derecas progresvas de Newto es: k ( ) k s k

54 P Polomos terpolate de Newto Puesto que teemos 5 putos de data, el polomo uscado deería ser de to grado. Etoces, la órmula de derecas progresvas os llevaría a: s k k k s s s s s S le asgamos al er puto de data el ídce teemos s s s s s P

55 Polomos terpolate de Newto Los valores de los coecetes polomales a emplear so: s s s... s k k k! s s ( s )( s )( s ) s s ( s )( s ) ; ;!! s s ( s ) s s s ; ;!!

56 Polomos terpolate de Newto Las derecas progresvas so dadas por k k k k X Y D D D D Luego, el polomo uscado es: s s s P s s.67.58

57 Polomos terpolate de Newto Susttuedo las epresoes de los coecetes polomales llegamos a: s( s) P s ! s s s s s s s.67.58!! Luego, e. tedremos que s es dado por:... sh s E cosecueca, h (. ) (.57 ) (-. )(.957 ) ( )(.67 ) (-.56 )(.58 ) P

58 Polomos terpolate de Newto Para comproar uestros resultados, hacemos uso de Ecel, gracamos uestra data trazamos como líea de tedeca u polomo de grado Polomo Iterpolate de Cuarto Grado R.6.5. Y Polómca (Y)

59 P Polomos terpolate de Newto Evaluado el polomo otedo llegamos a: P ( ) P Luego, (.) La dereca etre amas apromacoes es sgcate %

60 Capítulo I 6 Itroduccó Polomos de Newto de derecas dvddas Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos Métodos de mímos cuadrados (leal o leal) Reerecas

61 6 Otro método que permte escrr el polomo terpolate de u couto de datos lo costtue los polomos de Lagrage., los cuales se puede oteer como ua reormulacó del polomo de Newto para evtar el cálculo de las derecas dvddas. Por eemplo, e el caso de dos putos teemos que Polomos de Lagrage [ ] [ ], P S escrmos la dereca dvdda como [ ], teemos P

62 6 Reagrupado Polomos de Lagrage Smplcado oteemos E el caso del polomo terpolate de orde tedremos P P [ ] [ ] [ ],,, P

63 6 Reescredo la seguda dereca dvdda oteemos Polomos de Lagrage Susttuedo oteemos Epadedo la epresó reagrupado llegamos a P [ ] [ ] [ ],,,,

64 6 Polomos de Lagrage P P

65 65 Polomos de Lagrage P Reagrupado Smplquemos cada térmo. Etoces

66 66 Polomos de Lagrage Luego Smplcado Factorzado

67 67 Polomos de Lagrage De maera smlar se puede mostrar que e cosecueca teemos que P () se escre como: P

68 68 Polomos de Lagrage S comparamos los polomos de Lagrage de ro do grado podemos epresar e orma geeral el polomo de grado como P P L P L

69 69 Polomos de Lagrage dode P represeta el producto de los dsttos térmos: Así, para tedremos L L L L P L L L L

70 7 Polomos de Lagrage quedado: P

71 Polomos de Lagrage 7 Aplcacó: Cosderemos el sguete couto de datos Se desea hallar el valor terpolado e el puto. utlzado el polomo de Lagrage que terpola todos los datos. Puesto que teemos cco pares de datos, el polomo de Lagrage uscado es de orde (5-).

72 7 Podemos escrr drectamete los dsttos térmos del polomo Polomos de Lagrage L P

73 Susttuedo por los datos coocdos teemos: Polomos de Lagrage 7 P (.5) ( ) (.5) ( 6) (.5) ( ) (.5) ( 6) ( ) (.5) ( 6) (.5 ) (.5 ) (.5.5) (.5 6) (.5) (.5) ( 6) ( ) ( ) (.5) (.5) ( 6) (.5) ( ) ( 6) (.5 ) (.5.5) (.5 ) (.5 6) (.5) ( ) (.5) ( 6) ( 6) ( 6.5) ( 6) ( 6.5) (.5) (.5)

74 Realzado las operacoes P (.5)( )(.5)( 6) ( )(.5)( 6) 5.5 (.5)(.5)( 6) (.5)( )( 6).75 (.5)( )(.5) Polomos de Lagrage

75 P Falmete, el polomo terpolate es: P Luego, Polomos de Lagrage.6(.5)( )(.5)( 6) ( )( )(.5)( 6) ( )(.5)(.5)( 6) ( )(.5)( )( 6) ( )(.5)( )(.5) (.).6(..5)(. )(..5)(. 6) (. )(. )(..5)(. 6) (. )(..5)(..5)(. 6) (. )(..5)(. )(. 6) (. )(..5)(. )(..5)

76 76 Ua propedad mportate de los polomos de Lagrage es: Polomos de Lagrage Veamos por eemplo para. Teemos, L L

77 77 Luego, el polomo L que acompaña cada valor de ( ) represeta el peso relatvo de este e la apromacó. Cuado, etoces todos los L ( ) so ulos eceptuado a L () que acompaña co L ( ). Por eemplo, para P ( ) teemos: Polomos de Lagrage P P

78 Capítulo I 78 Itroduccó Polomos de Newto de derecas dvddas. Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos. Métodos de mímos cuadrados (leal o leal) Reerecas

79 Iterpolacó Polomal 79 E el caso e el cual se desea epresar el polomo de terpolacó e la orma... P c c c c guo de los dos métodos esozados aterormete permte ua ácl detcacó de los coecetes. E geeral tedremos que podemos escrr [ ] c c. P..... c

80 Iterpolacó Polomal 8 Como el polomo permte la terpolacó de la data dada etoces... c... c c E orma matrcal utlzado la decó de la matrz de Vadermode Vc E cosecueca c V

81 Iterpolacó Polomal 8 MATLAB permte oteer áclmete los coecetes del polomo. El comado polt devuelve los coecetes e orde descedete. Por eemplo, utlcemos la data del eemplo ateror >> [.5.5 6]; >> [ ]; >> cpolt(,,legth()-) c La secueca e MATLAB está e el recuadro

82 Iterpolacó Polomal 8 Luego el polomo uscado es P Veamos P () grácamete Al utlzar polomos de alto orde, las osclacoes de los msmos puede llevar a terpolacoes co u alto error. Esto coduce a la ecesdad de hallar otros métodos de terpolacó.

83 Capítulo I 8 Itroduccó Polomos de Newto de derecas dvddas Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos Métodos de mímos cuadrados (leal o leal) Reerecas

84 Sples 8 Las osclacoes e los polomos de alto grado puede coducr a errores mportates e la terpolacó de datos. Ua alteratva es la cosderacó de polomos de orde ao para terpolar sucoutos de los datos. La opcó de meor orde posle a ser cosderada es la terpolacó de orde o terpolacó leal etre putos adacetes. Cosderemos la msma data del eemplo ateror.

85 Sples 85 La terpolacó leal etre putos adacetes os lleva a la sguete represetacó. a a a a Las ecuacoes que correspode a esta terpolacó vee dadas por: a P Para putos de datos la determacó de las costates a se realza utlzado las codcoes: P ( ) ( ) P

86 Sples 86 Luego, tedremos que P ( ) a ecuacoes ( ) a P ecuacoes Así, las ecuacoes ecesaras para hallar los coecetes de los polomos so costrudas. Nótese que ua ecuacó alteratva pudo haerse costrudo al garatzar la cotudad de las rectas e los putos de data: ( ) P ( ) P

87 Sples 87 La terpolacó leal preseta el coveete de mostrar saltos e la pedete e cada puto de data. Ua alteratva la costtue el uso de ua terpolacó cuadrátca. E ese caso, los polomos terpolates será de la orma a c P a c Ahora es ecesaro oteer las ecuacoes que permte oteer las costates descoocdas. ( ) P a c a a c c

88 Podemos utlzar las sguetes ecuacoes: Sples a) Los valores de los polomos e los odos adacetes dee ser guales ((-)- ecuacoes) P P ) La prmera la últma ucó dee pasar por los putos etremos ( ecuacoes) P P c) Las prmeras dervadas e los odos terores dee ser guales (- ecuacoes) P P Luego teemos u total de (-)(-)- ecuacoes. Falta ua ecuacó. de dode la oteemos? 88

89 Sples Podemos escoger que e el prmer puto la seguda dervada sea ula. Esto mplca que P Esta ecuacó permte completar el couto de ecuacoes requerdo para hallar las costates (a, c ). Escredo cada couto de ecuacoes e térmo de las costates a determar teemos: P a c,..., P a c,..., a c P a c P P ( ) P ( ) a a,..., P ( ) a 89

90 Sples Aplcacó: Auste segmetaras cuadrátcas a los valores de la tala Dado que teemos 5 putos de datos teemos polomos de segudo grado que calcular, e cosecueca, cógtas. Escramos el couto de ecuacoes.

91 Sples 9 Ecuacoes : P a c,..., P P P.5 a.5 (.5) a ( ).5 a.5 (.5) c. c c..855 Ecuacoes : P a c ;,..., P P P.5 a.5 (.5). a ( ) a.5 (.5) c. c c

92 Ecuacó : a c P Sples 9 P. a c. 6 a Ecuacó : P Ecuacoes 5: P P.5 P.5 P c. a 6. ( 6.) c P P ( ) a a ;,.., a (.5) a (.5) ( ) P ( ) a ( ) a ( ) P Ecuacó 6: (.5) P.5 a.5 a.5 P ( ) a P. a

93 Luego, el couto de ecuacoes a resolver es: 6.5a.5 c.855 5a 5a 6a c. 8a 8a.5a.5 c. 9a 9a 6.5a 6a.5a.5 c.5 a c 6a 6 c c.855. c a Sples 9 Este couto de ecuacoes co cógtas puede ser resuelto aalítca o umércamete.

94 c a c a c a c a E orma matrcal tedremos Sples

95 Resolvedo co MATLAB teemos: Sples ; A(:,:); A(,)6.5; A(,).5; A(,); A(,)6; A(,5); A(,6); A(,7).5; A(,8).5; A(,9); A(,)6.5; A(,5).5; A(,6); A(5,7)6; A(5,8); A(5,9); A(6,).5; A(6,).5; A(6,); A(7,); A(7,); A(7,); A(8,)6; A(8,)6; A(8,); A(9,)5; A(9,); A(9,)-5;A(9,5)-; A(,)8; A(,5); A(,7)-8;A(,8)-; A(,7)9; A(,8); A(,)-9;A(,)-; A(,); (:); ().855; ().;().; ().855; (5).;(6).; (7).6; (8).56; A\'

96 Falmete los polomos cuadrátcos uscados so: P.6.695; P P P Sples Segmetara Cuadrátca.8.6. Y X

97 Sples Al aalzar la codcó artcal sore la seguda dervada vemos que ella mplca que el prmer polomo es de la orma P c, e cosecueca correspode a ua apromacó leal. Además se produce aú se produce camos ruscos e la curvatura. Por estas lmtacoes, se emplea preeretemete terpolates segmetaras cúcas. 97

98 Sples 98 Ua apromacó cotua dervale dos veces puede ser desarrollada. Esta es coocda como sples cucos. El polomo de terpolacó es ua ucó a trozos : S S. S S. S S S S S S

99 Los sples cúcos se epresa como: S a c d Para satsacer los requstos de cotudad de la ucó terpolate sus dervadas tedremos S S S S S S,,...,-,,...,-,,...,- Impoedo estas codcoes teemos a c d d a c c 6a Sples 99

100 Para smplcar las operacoes supogamos que los odos está gualmete espacados. Etoces h Luego el sstema de ecuacoes se reduce a Sples a h h c h d d a h h c c 6a h Recordemos que los d so coocdos (S ( )d ). Etoces podemos escrr a ( ) h

101 Al susttur a - e el sstema oteemos ( ) h h c c h ( ) h h c c h c c Resolvedo para c - oteemos d d c ( ) h h a h h c h d d, al cremetar e a teemos d d c ( ) h h ( ) h Sples h h c h d d h c h d d

102 Al susttur c - c e ( ) h c c Sples oteemos d d d d h h h h h ( ) ( ) ( ) Reagrupado térmos ( d d d ),,..., h

103 S se epresa la ecuacó ateror para varos teemos que costtue u sstema de - ecuacoes co - cógtas (los ) Sples... h d d d h d d d h d d d h d d d

104 Sples Para cerrar el sstema, se ecesta dos ecuacoes mas. Estas se otee de las codcoes de orde. U tpo de sples usado comúmete se deoma sple atural se dee a partr de: S ( ) S ( ) Luego, puesto que S 6a oteemos S 6a 6 ( ) a ( ) S a

105 Pero como a ( ) h Sples S supoemos que este otro polomo S () que parte del puto (, ) podríamos escrr, para a ( ) h, e cosecueca ( ) ( ) ( ) a h de dode oteemos h 5

106 6 Sples Luego, el sstema a resolver para hallar los es:.. h d d d h d d d h d d d h d d d h d d d Co este sstema leal, trdagoal, de ecuacoes cógtas los puede ser otedos al escrr: B t dode B represeta la matrz de coecetes, las cógtas t el térmo depedete dados por

107 7 Sples h d d d h d d d h d d d

108 Sples Ua vez determados los, los - coecetes a se determa a partr de 8 a c d ( ) h d h ; ( ) h;,...,,..., Falmete, cada polomo S () se escrrá como: S a c d

109 Sples Aplcacó. Iterpole usado sples cúcos aturales la data sguete: Deemos calcular los 6 polomos S () que terpola cada segmeto de datos, cuos coecetes so dedos como: S a c d

110 Sples E prmer lugar se determa los coecetes d hacedo d,..., Luego, se resuelve el sstema t B B h d d d h d d d h d d d h d d d h d d d t [ ]' d

111 Sples Co los, se determa los a c utlzado:,..., ;,..., ; h h d d c h a

112 Sples a a a a a a Falmete, los polomos uscados so: c c c c c c S S S S S S

113 Sples Grácamete teemos: 5 Sples cucos.5.5 S()

114 clear all (); ().7; (); ().8; ()5; ().6; ()7; ().5; (5)9; (5).; (6); (6).; (7); (7).; h()-(); d; legth(); A(:,:); A(,); t(); or :- A(,); A(,-); A(,); t()*(d(-)-*d()d())/(h^); ed A(,); t(); A\t' Sples: eemplo cálculo e MATLAB % calculo de los coecetes a' c' or :- a()(()-())/(*h); ed or :- c()(d()-d())/h-(()*())*h/; ed lspace((),()); lspace((),()); lspace((),()); lspace((),(5)); 5lspace((5),(6)); 6lspace((6),(7)); a()*(-()).^ ()*(-()).^c()*(-())d(); a()*(-()).^ ()*(-()).^c()*(-())d(); a()*(-()).^ ()*(-()).^c()*(-())d(); a()*(-()).^ ()*(-()).^c()*(-())d(); 5a(5)*(5-(5)).^ (5)*(5-(5)).^c(5)*(5-(5))d(5); 6a(6)*(6-(6)).^ (6)*(6-(6)).^c(6)*(6-(6))d(6); plot(,,'o',,,,,,,,,5,5,6,6) ttle('sples cucos') lael(''); lael('s()');

115 Sples Otra opcó deomada sple cúco co tesó correspode a dar los valores de las dervadas segudas e los etremos. S ( ) M S ( ) M Otros tpos de sples cúcos puede ser otedos varado las codcoes e los etremos. 5

116 Sples 6 Aplcacó co MATLAB Cosderemos la sguete data:

117 Sples 7 Para calcular co sples cúcos co u polomo de grado 6 utlzado MATLAB hacemos >> [ ]'; >> [ ]'; >> :.:6.7; >> ssple(,,); >> c6polt(,,6); >> polval(c6,); >> plot(,,'ko',,,'k.',,s,'k'),ttle('s() P6()') Los resultados se muestra e la láma sguete. Nótese los camos e los etremos.

118 Sples 8

119 Capítulo I 9 Itroduccó Polomos de Newto de derecas dvddas. Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos. Métodos de mímos cuadrados (leal o leal) Reerecas

120 Apromacó por mímos cuadrados Cosderemos u crtero dstto para austar ua ucó a ua secueca de datos. E lugar de uscar ua ucó que pase por cada uo de los putos de la secueca, uscaremos ua ucó que los aprome. Por eemplo, la secueca podría requerr u polomo de grado, el cual podría osclar astate.

121 Apromacó por mímos cuadrados Supogamos que deseamos trazar ua ucó que aprome la data dada, s terpolar la msma. Podríamos comezar costruedo ua ucó F() F c g c g c g... Dado que o olgamos a F() a terpolar la data, e geeral podemos teer que F( ) La cercaía relatva etre los valores que proporcoa F la data la oteemos de d F( )

122 Apromacó por mímos cuadrados E cosecueca, el prolema de determar F podría reducrse a determar el mímo de algú crtero como mí ( ma ( d )) mí ma mí ma d d Luego, dedas las ucoes g (), podría estmarse los valores adecuados de las costates.

123 Apromacó por mímos cuadrados Gauss propuso que los parámetros a sea determados mmzado d Luego, podemos costrur la ecuacó E ( c ), c,..., c F k Etoces, podemos mmzar E. Cosderemos el caso k. Teemos ( ) E c, c F c g c g

124 Apromacó por mímos cuadrados Los valores de c que mmza E so otedos hacedo E ( c ), c E c, c c c E cosecueca, c c E c, c c g c g g E c, c c g c g g

125 Luego, Apromacó por mímos cuadrados 5 c g g c g g g c g g c g g g La solucó de este sstema leal permtrá hallar los valores de c c que mmza E para u couto de ucoes g() dadas. Estas ecuacoes se deoma ecuacoes ormales.

126 E el caso k otedremos Apromacó por mímos cuadrados c g g c g g c g g g c g g c g g c g g g c g g c g g c g g g La solucó de este sstema leal permtrá hallar c, c c que mmza E para u couto de ucoes g() dadas. 6

127 Apromacó por mímos cuadrados Supogamos que queremos hallar la meor recta que pasa por ua secueca dada. E ese caso tedremos que F c g c g c c g g Luego, las ecuacoes ormales so: c c c c 7

128 Despeado oteemos c Apromacó por mímos cuadrados 8 c

129 Apromacó por mímos cuadrados Aplcacó. Calcule la meor recta que aproma la data sguete: Para evaluar los coecetes c c ecestamos 9,,, E Ecel oteemos

130 Apromacó por mímos cuadrados ^ * Co estas suma calculamos los coecetes

131 Susttuedo oteemos c c *57. 8*55.58 ( *85 55 ) 85*8 55*57..6 ( *85 55 ) Apromacó por mímos cuadrados Luego, la recta que meor aproma la data dada es: F.58.6 Grácamete teemos

132 Apromacó por mímos cuadrados Mímos cuadrados Leal () 6 8

133 Apromacó por mímos cuadrados Aplcacó. Calcule la meor recta que aproma la data sguete, utlzado MATLAB Utlzado el comado polt es mu ácl calcular los coecetes. La secueca de comados se preseta a cotuacó. >> dlspace(,,); >> d[ ]; >> mccoepolt(d,d,) mccoe

134 Apromacó por mímos cuadrados Aplcacó. Calcule la meor paráola que aproma la data sguete E este caso deeríamos utlzar las ecuacoes ormales otedas para k. Esto os llevará a u sstema de ecuacoes co tres cógtas. U pequeño programa e MATLAB permtrá calcular los coecetes de la apromacó de do orde.

135 Apromacó por mímos cuadrados 5 (:); ().; ().5; ().; ()5; (5)7; (6)8.8; (7).;(8).5;(9);()5.6; legth(); g(:).^; g(:); g(:); A(:,:); (:); or : A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); A(,)A(,)g()*g(); ()()()*g(); ()()()*g(); ()()()*g(); ed ca\' Al eecutar el programa oteemos: c el polomo uscado es etoces: F

136 Apromacó por mímos cuadrados Podemos oteer estos resultados utlzado las rutas teras de MATLAB. S camamos el últmo parámetro e polt oteemos: Luego, el polomo uscado es F Grácamete teemos >> dlspace(,,); >> d[ ]; >> mccoepolt(d,d,) mccoe

137 Apromacó por mímos cuadrados 7

138 Apromacó por mímos cuadrados A los es de comparar amas apromacoes calculemos E ( c ), c,..., c F k 8 Luego, oteemos E c, c F. E c, c, c F.7 E cosecueca la apromacó de segudo orde es u poco más precsa que la de prmer orde.

139 Apromacó por mímos cuadrados 9 Eteder los métodos estudados hasta ahora al caso de data que sgue u comportameto descrto por ucoes o leales es posle e muchos casos. Por eemplo, s se sospecha que la data puede ser represetada por curvas del tpo a ae Se puede proceder co el método de mímos cuadrados leal epresado la data para calcular los coecetes de las apromacoes l l a l l l a Y A BX Y A luego de hallar A B, determar a. BX

140 Apromacó por mímos cuadrados Aplcacó: Para el couto de datos mostrado (que se ecuetra e el archvo pruea.ls) determe la apromacó epoecal.}

141 Grácamete la data luce como: Apromacó por mímos cuadrados La dstrucó de los datos sugere el uso de ua ucó epoecal para su represetacó

142 Utlzado MATLAB teemos: clear all Apromacó por mímos cuadrados % lectura de datos um lsread('pruea.ls'); um(:,); um(:,); % apromacó leal mmos cuadrados mpolt(,,) m():(ma()-m())/:ma(); m()*m(); % apromacó leal mmos cuadrados co ucó epoecal _loglog(); mpolt(,_log,); aep(m()); m(); a*ep(*); % Gracacó de la data las ucoes plot(,,'o',,,,) ttle('apromacó co M. Cuad. ucoes o leales') lael(''), lael('')

143 Apromacó por mímos cuadrados Oteemos para la apromacó leal a para la apromacó epoecal l l a Y A BX A A l a a e.7 ae.7e.69 La láma sguete preseta estas ucoes e orma gráca.

144 Grácamete teemos: Apromacó por mímos cuadrados 5 Apromacó co M. Cuad. ucoes o leales data leal epoecal Nótese como la curva correspodete a la ucó epoecal (roa) aproma meor la data que la recta (verde).

145 Apromacó por mímos cuadrados Para cormar esto, s se calcula para amas ucoes las derecas E ( c, c) ( F( ) ) oteemos E E ( a, ) ( a ) leal 8.96 ( a, ae ) 97. epoecal lo que corma uestra aprecacó gráca ateror. La ecesdad de ormalzar los crteros de auste lleva a la decó de coecetes que permte valorar la cercaía etre la ucó propuesta los datos a apromar. 5

146 Apromacó por mímos cuadrados 6 Ua de estas meddas es el coecete de determacó R o el de correlacó R, los cuales se ecuetra etre (o ha auste) (auste perecto) es calculado automátcamete e muchos paquetes. Por eemplo, utlzado Ecel e uestro eemplo ateror os lleva a: R.898.7e.69 R Sere Leal (Sere) Epoecal (Sere) E eecto, es posle comproar que la curva epoecal (R.98) represeta meor la data que la regresó leal (R.898). -5

147 Apromacó por mímos cuadrados 7 E geeral, otras ucoes, o polomales, puede ser utlzadas. El procedmeto es áscamete el msmo, troducedo las uevas ucoes evaluádolas e las ecuacoes ormales. Ecel posee ua dversdad mportate de posldades para el trazado de las curvas de terpolacó apromacó de datos.

148 Capítulo I 8 Itroduccó Polomos de Newto de derecas dvddas. Polomos de Lagrage Iterpolacó polomal Trazadores rectlíeos, paraólcos cúcos. Métodos de mímos cuadrados (leal o leal) Reerecas

149 Reerecas 9. Aálss Numérco, Burde R., Fares J. D., 6 ta Edcó, Iteratoal Thomso Edtores, 998. Métodos Numércos para Igeeros, Chapra S., Caale R., ta Edcó, McGrawHll,. Aálss Numérco co Aplcacoes, Gerald C., Wheatle P.,6 ta Edcó, Pearso Educacó, 999. Itroductor Numercal Methods Icorporatg MATLAB, Hah J., Bradle Uverst, ts.html

150 Mecáca Computacoal II 5 CAPITULO I INTERPOLACION Y APROXIMACION Armado Blaco A. Uversdad Smó Bolívar

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

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

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

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

Más detalles

TEMA 6. ECUACIONES DIFERENCIALES ORDINARIAS E INTEGRACIÓN NUMÉRICA

TEMA 6. ECUACIONES DIFERENCIALES ORDINARIAS E INTEGRACIÓN NUMÉRICA Tema 6: Ecuacoes derecales ordaras e tegracó TEMA 6. ECUACIONES DIFERENCIALES ORDINARIAS E INTEGRACIÓN NUMÉRICA. Itroduccó. Nomeclatura. Ecuacoes derecales ordaras 4. Métodos eplíctos de resolucó de ecuacoes

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

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

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

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

Más detalles

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

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

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

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

Más detalles

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

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

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

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

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

Más detalles

UNIVERSIDAD DE BUENOS AIRES

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

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

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

Más detalles

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

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

3 AJUSTE DE FUNCIONES

3 AJUSTE DE FUNCIONES AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los

Más detalles

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1 Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

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

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

Más detalles

(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

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

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

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

Más detalles

V Muestreo Estratificado

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

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

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

Más detalles

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

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

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

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

Más detalles

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

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

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

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

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

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

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

Más detalles

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN

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

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

UNEFA C.I.N.U. Matemáticas

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Guía ejercicios resueltos Sumatoria y Binomio de Newton

Guía ejercicios resueltos Sumatoria y Binomio de Newton Aulr: Igco Domgo Trujllo Slv Uversdd de Chle Guí ejerccos resueltos Sumtor y Bomo de Newto Solucó: ) Como o depede de j, es costte l sumtor. b) c) d) Aulr: Igco Domgo Trujllo Slv Uversdd de Chle e) f)

Más detalles

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

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

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

Análisis de un circuito RC con resistencia no lineal

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

Análisis de correlación y regresión

Análisis de correlación y regresión Capítulo Aálss de correlacó regresó 3 Seccoes Itroduccó 3. Correlacó leal. 3. Regresó leal. 3.3 Regresó o leal fucoes trísecamete leales. 3.4 Regresó multleal. Atecedetes Itervalos de cofaza Prueas de

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

TEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES.

TEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES. Tema 6 Derivada de ua ució e u puto Fució derivada Derivadas sucesivas Aplicacioes TEMA 6 DERIVADA DE UNA FUNCIÓN EN UN PUNTO FUNCIÓN DERIVADA DERIVADAS SUCESIVAS APLICACIONES ÍNDICE INTRODUCCIÓN DERIVADA

Más detalles

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

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

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

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

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

Más detalles

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

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

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

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

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

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles