CAPITULO II. Derivación e integración numérica

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

Download "CAPITULO II. Derivación e integración numérica"

Transcripción

1 Mecáca Computacoal II CAPITULO II Dervacó e tegracó umérca Uversdad Smó Bolívar

2 Capítulo II Dervacó e tegracó umérca Itroduccó Dervacó umérca Itegracó umérca Reerecas

3 Itroduccó E mucas ocasoes se dspoe de data umérca a la cual se le debe calcular la dervada localmete o realzar la tegracó e certo tervalo. Ello puede acerse de dversas maeras. Ua prmera vía es utlzar la apromacó de la data por ua ucó (polomos o cualquer otra base) y luego dervar esta ucó. Esta opcó coduce a bueos resultados, s la apromacó que se obtuvo es lo sucetemete suave.

4 Itroduccó No obstate, e aplcacoes práctcas este procedmeto puede ser muy egorroso y de poca utldad. Ua seguda opcó es la costruccó de ormulas especalmete adaptadas co estos es. A este tópco se dedca este capítulo.

5 Capítulo II 5 Dervacó e tegracó umérca Itroduccó Dervacó umérca Itegracó umérca Reerecas

6 6 Dad la mportaca que tee el desarrollo e sere de Taylor de ucoes, recordaremos el teorema de Taylor. Teorema de Taylor: Supogamos que œc [a,b], que () este e [a,b] y que œ [a,b]. Para toda œ[a,b] abrá u úmero ξ() etre y tal que Dervacó umérca R P dode!!!...! R k P k k k ξ Polomo de Taylor Resduo

7 Dervacó umérca 7 Las apromacoes umérca a las dervadas parte del uso de desarrollos e sere de Taylor. Escrbamos m m d ( ) m m m! d Esta epresó se escrbe como m m ( ) ( ) m ( ) t d d ( ) m! d! d m t c co c [t,t t]. El segudo térmo represeta el error cometdo para la apromacó co térmos.

8 Dervacó umérca 8 Supogamos que teemos ua secueca de datos ordeados de maera crecete e de maera que se epresa como (,y ), k. Supogamos, para smplcar, que los putos está espacados de maera uorme. La prmera dervada e los putos de data coocda se calcula, e prmer orde, a partr de d O d ( ) Luego, al despejar obteemos d d ( ) O

9 Dervacó umérca 9 S escrbmos esta ecuacó e térmos de los valores coocdos, co obteemos d d y O Esta epresó correspode a la órmula de la prmera dervada aca adelate, e prmer orde.

10 Dervacó umérca De maera smlar podemos calcular la dervada aca atrás d O d ( ) d d O Estas ecuacoes correspode a las pedetes de rectas que ue a los dsttos putos. y

11 Dervacó umérca Epresoes co mayor precsó puede ser costrudas. Por ejemplo s escrbmos uevamete los desarrollos teemos: d d O d! d ( ) d d O d! d ( ) Restado estas ecuacoes obteemos d O d ( )

12 Dervacó umérca Al despejar d d ( ) ( ) O Utlzado la otacó dcal ( ) d d O ( ) Esta ecuacó es de u orde mayor de precsó y se terpreta como se muestra e la gura y

13 Dervacó umérca La epresó ateror os permte allar la dervada e el puto a partr de los valores coocdos de e () e (-). Grácamete teemos - d d O ( ) Esta ecuacó permtrá etoces determar los valores de las dervadas e putos teros e orde.

14 Dervacó umérca E los bordes, s se quere coservar el msmo orde tedremos que acer los desarrollos como sgue. d d ( ) O! d! d ( ) d ( ) ( ) d ( ) O! d! d Multplcado la prmera ecuacó por y restado la seguda ( ) d ( ) ( ) O! d ( ) ( )

15 Dervacó umérca 5 Smplcado obteemos d d O E otacó dcal d d O ( ) Smlarmete, desarrollado aca atrás ( ) d d O ( )

16 Dervacó umérca 6 Combado desarrollos e sere de Taylor co más putos, órmulas de orde superor puede ser alladas. De maera smlar, órmulas para segudas dervadas puede ser costrudas d O d ( ) ( ) 5 d j j j j O d ( ) 5 ( ) d j j j j O d ( ) ( )

17 Dervacó umérca 7 d d d d Aplcacó. Se desea allar la epresó apromada de la prmera y segudas dervadas de la ucó tabulada sguete e los prmeros dos putos: a) Cálculo de la prmera dervada e el etremo zquerdo O( ) O( ) (.8) (.9) (.) O( ) () *.

18 Dervacó umérca 8 b) Cálculo de las dervadas e el odo teror d d.9 O ( ) (.) (.9). O ( ).7976 d d.9 O ( ) (.9) (.8). O ( ) 8.8 d d (.) (.9) O O( ) *. A los es de eamar la eacttud de las apromacoes realzadas, la tabla sguete preseta los resultados obtedos así como la comparacó co la ucó que geeró la data.

19 Dervacó umérca 9 Eacta Adelate Error (%) () () () [O(D)] Eacta Atrás Error (%) () () () [O(D)] () () () [O(D)] Eacta Cetrada Error (%) () () () [O(D)] Haca adelate Orde Haca atrás Orde Haca adelate Orde Cetrada Orde

20 Dervacó umérca Es claro que los mejores resultados se obtee co las dervadas de orde superor, por lo que estas so utlzadas preeretemete. Aalcemos la lueca del espacameto e la eacttud del cálculo, etre los datos, cuado se cooce la ucó y se desea calcular la dervada. Por ejemplo, para la msma ucó, co artmétca de cuatro dígtos teemos () (-) () [O(D)] Error (%) Error empeza a crecer Error es mámo!

21 Dervacó umérca Dos coveetes se preseta. E prmer lugar el error para valores muy pequeños de D se ace muy grade. Esto es debdo a errores debdo a la catdad de cras empleadas para la represetacó de las catdades. S embargo, a partr de certo valor de D (alrededor de. e uestro ejemplo), el error comeza a crecer. Para eamar las razoes del crecmeto del error cosderemos la ormula de tres putos para derecas cetradas d d ( ) ( ) O( ) S escrbmos de maera eplícta el error de redodeo teemos d ( ) e( ) ( ) e( ) d [ ] O( )

22 Luego, el error total de la apromacó es: d d Dervacó umérca ( ) ( ) e( ) e( ) O( ) S supoemos el caso más desavorable y cosderamos que el error está acotado por algú úmero ε> teemos que d d ( ) ( ) ε O( ) Etoces, a medda que dsmuye D, el error de trucameto dsmuye pero el error de redodeo se cremeta. Por esta razó, usualmete, cuado se cooce la ucó y se calcula la dervada utlzado las ormulas ates descrtas, el valor de D debe escogerse de maera que o sea ta pequeño que el error de redodeo sea aprecable.

23 Fórmulas para putos espacados de maera o uorme puede ser deducdas y se ecuetra áclmete e la lteratura. Iclusve, e alguos casos, se costruye el polomo terpolate de Lagrage de segudo orde, que pasa por cojutos de tres putos rregularmete espacados y se derva el msmo obteédose Dervacó umérca

24 Dervacó umérca Co esta epresó es posble estmar la dervada e el teror del domo [ -, ]. No sempre es mas coveete utlzar epresoes co mayor catdad de putos debdo a la mposbldad de relejar de maera adecuada cambos abruptos (por ejemplo odas de coque) o las codcoes de borde (ecesdad de dscretzar la malla de maera muy a).

25 Capítulo II 5 Dervacó e tegracó umérca Itroduccó Dervacó umérca Itegracó umérca Reerecas

26 Itegracó umérca 6 Al gual que para el cálculo de dervadas, deretes métodos está dspobles. E partcular, s se puede trazar u polomo terpolate, o sples, las tegrales puede ser calculadas. Nuevamete este procedmeto puede resultar muy egorroso por lo que es ecesaro desarrollar otros métodos. El método mas burdo se obtee a partr de la decó de tegracó deda. Cosdere ua secueca de datos equespacados (por smplcdad)

27 Itegracó umérca 7 y S utlzamos la decó de tegracó () INTEGRACION NUMERICA 6 8 INTEGRACION NUMERICA b a lm d () 6 6 8

28 Itegracó umérca 8 Se obtee ua prmera órmula para tegracó (regla del rectágulo) b a d lm d ( ) S los putos está espacados de maera uorme b a Salvo por la acumulacó de los errores de redodeo, metras más putos se escoja, más precso será el cálculo de la tegral. d ( ) [ ]...

29 9 Aplcacó: tegre, e el tervalo [,6] la ucó Itegracó umérca Cosdere deretes valores de. S acemos tedremos 8 [ ] d e a a d e d b a b a a b

30 Itegracó umérca S escogemos tedremos Luego, b a () d ( ) 8 [ ] 7 Para estmar el error, comparemos co la solucó aalítca d 8 C

31 Itegracó umérca Etoces, 6 8d 8 C y el error relatvo es: E *.% Para dsmur el error, escojamos valores de mas pequeño. La tabla sguete preseta alguos resultados. Itegral Error

32 Aplcacó: tegre, e el tervalo [,6] la ucó Itegracó umérca Cosdere deretes valores de. S acemos tedremos e [ ] a b a b a e e e e e e d e e d e d 6... a b

33 Itegracó umérca La tabla sguete preseta los valores obtedos para dsttos. Itegral Error Nótese que a dereca del ejemplo ateror, la dsmucó del error al dsmur el paso es mas leta e este caso. E algortmos que requera ececa, podría requerrse valores de muy pequeños, lo que demadaría tempos de cálculo muy grade. Esto lleva a la búsqueda de métodos mas ecetes.

34 Itegracó umérca El sguete programa ue utlzado para obteer los resultados aterores % programa tegra clear all clc % Itegracó de () etre a y b para % dsttos valores de dscretzacó % Decó de la ucó le('^-*8'); % le('ep()'); % Itegral teórca _tle('^/-^8*'); % _tle('ep()'); % Lmtes de la tegracó a; b6; % Graca de la ucó ezplot(,[a,b]) % Número de tervalos cal 6; % Número de dscretzacoes a probar um_dsc 5; or k:um_dsc (b-a)/; sum; or j: j-; sumsum(a*); ed t*sum; t_teo_t(b)-_t(a); error(t-t_teo)/t_teo*; prt('%8d %.5 %8.5 %8.5\',,, t, error) *; ed

35 Itegracó umérca 5 Ua ueva órmula para tegracó es obteda a partr de la regla del trapeco e la cual, rectas so trazadas etre los dsttos putos que costtuye la data. INTEGRACION NUMERICA 8 () E este caso, la órmula para tegracó es b d... a ( )

36 6 Aplcacó: tegre, e el tervalo [,6] la ucó Itegracó umérca Utlzado la regla del trapeco. Cosdere deretes valores de. S acemos tedremos e a b b a b a e e e e e d e d......

37 Itegracó umérca 7 La tabla sguete preseta los resultados obtedos para dsttos valores de. Itegral Error Aora, os damos cueta de que, e este caso, el error cometdo, comparado co los resultados obtedos al utlzar la regla del rectágulo, para el msmo paso, es muco meor. Por qué ocurre esto?

38 Itegracó umérca Para respoder a esta preguta, otemos que s utlzamos como apromacó para la ucó () el polomo de Taylor etre los putos y obteemos O () Luego, al tegrar etre esos putos, obteemos 8 d d O( ( )) ( )( ) O ( ) que correspode a la regla del rectágulo mas u error de orde d

39 9 Por otra parte, s se utlza ua apromacó del polomo de Taylor u orde superor Itegracó umérca O d O d d d O al ser tegrada etre y os lleva a

40 Itegracó umérca S apromamos aca adelate la prmera dervada de () e teemos d O ( )( ) [ ( ) ( )]( ) O ) ( ) ) que correspode a la regla del trapeco mas u error de orde. Se etede etoces, que al ser error de orde superor, la regla del trapeco es más precsa que la del rectágulo. ( )

41 Itegracó umérca Ua órmula aú mas precsa, deomada Regla de Smpso se obtee al cosderar la tegracó e cada subtervalo a partr del desarrollo e sere de Taylor de (). O( )!! Luego, ua apromacó a la tegral de () e el tervalo [, ] vee dada por ( )

42 Itegracó umérca Itegrado d O d d d d d!! 5 6 O d

43 Itegracó umérca Luego, tedremos [ ] [ ] [ ] [ ] [ ] [ ] Cada tegral se evalúa para dar:

44 Itegracó umérca 5 d O Utlzado la epresó cetrada para la seguda dervada obteemos (cudado co el orde del error!) d ( ) ( ) ( ) ( ) ( ) O Smplcado, obteemos la Regla de Smpso d [ ( ) ( ) ( )] precsa e orde 5.

45 Itegracó umérca 5 S se desea realzar la tegracó e u tervalo [a,b], se subdvde el tervalo de tegracó e u uméro par de subtervalos y se aplca la regla de Smpso e cada par cosecutvo de subtervalos j j j d d j ( )d d j

46 Itegracó umérca 6 Luego, la tegral vedrá dada por b / / a j j j [ ] j d d j j j j j j d d j ( )d d j

47 7 Itegracó umérca Desarrollado teemos [ ] j j j j j j j j j b a d ] j j j j b a d / / Reagrupado llegamos a:

48 Itegracó umérca Aplcacó: tegre, e el tervalo [,6] la ucó e Utlzado la regla de Smpso. Cosdere deretes valores de. La tabla sguete preseta los resultados obtedos: 8 Itegral Error E E E E- Nótese que el tamaño del error, para el msmo úmero de subtervalos es bastate meor al obtedo co las reglas del rectágulo y del trapeco para el msmo ejemplo.

49 Itegracó umérca Las ormulas dervadas para las reglas del trapeco y de Smpso correspode a ua clase de métodos deomados ormulas de Newto-Cotes. Dos tpos de ormulas de Newto-Cotes este: abertas y cerradas. Las ormulas cerradas de () putos de Newto- Cotes utlza e cada subtervalo () putos, detcados como 9 k k k co,,...,

50 Itegracó umérca Esta órmulas se deoma cerrada ya que los etremos del subtervalo cerrado [, ] se cluye como odos. La órmula es dada por: 5 d a ( ) k k k dode, s L k () represeta los polomos de Lagrage que terpola los () putos de data tedremos a k L k d j ( ) d j j k k j

51 5 Itegracó umérca Por ejemplo, para teemos y j j j j j j j j k j j j k j k d d a d d a d a k k k a a a d

52 Luego, d que correspode a la órmula del trapeco. Itegracó umérca ( ) [ ( ) ( )] [ ( ) ( )] Las dsttas órmulas juto co la epresó del error se preseta a cotuacó. : Regla del trapeco d [ ( ) ( )] < ξ < ξ 5

53 5 Itegracó umérca : Regla de Smpso : Regla de Smpso /8 [ ] 5 9 < < d ξ ξ [ ] < < d ξ ξ [ ] < < d ξ ξ

54 Itegracó umérca Aplcacó: Itegre utlzado las órmulas cerradas de Newto-Cotes para,, y la ucó e ( cos ) 5 e el tervalo [-,5] co /. La tabla de valores de () y su gráca so: () cos()( ) ep(-) - 5

55 Para, teemos: Itegracó umérca 55 d [ ( ) ( )] ( ξ) < ξ < () Regla del trapeco Trapeco I_trapeco

56 , teemos: Itegracó umérca [ ] ( d ) ( ξ) < ξ < () Regla de Smpso () I_Smpso

57 , Regla de Smpso /8 Itegracó umérca [ ] ( d ) ( ξ) < ξ < () Regla de Smpso / () I_Smpso /

58 , Itegracó umérca [ ] ( 6 d 7 7 ) < ξ < ξ () ewto-cotes cerrada ()

59 Itegracó umérca MATLAB calcula áclmete la tegral umérca de la ucó, etre a y b utlzado las sguetes struccoes: 59 le ('.*cos ()(.^).*ep (-)'); a-; b5; t_teoquad(,a,b) t_teo.665 També, la tegral puede ser obteda aalítcamete: syms Iteg; Iteg t(.*cos ()(.^).*ep (-)); pretty(iteg)

60 Itegracó umérca La tabla sguete preseta la comparacó de los resultados obtedos para dsttos valores de (escogdos de maera que el úmero de subtervalos permtera usar todas las órmulas) Trapeco Smpso Smpso Error (%) Error (%) Error (%) Error (%) Nótese que el error para.5 es comparable etre las órmulas del trapeco y la de Smpso /8. Esto es debdo la orma partcular de la ucó tegrada. La láma sguete preseta las grácas de cada apromacó para.5 6

61 Itegracó umérca 6.5 Regla del trapeco.5 Regla de Smpso.5.5 () Regla de Smpso /8.5 ewto-cotes cerrada

62 Itegracó umérca E coclusó, aora usted dspoe de u cojuto de relacoes que le permte calcular tegrales umércamete. Así msmo, todos los paquetes comercalmete dspobles posee comados o rutas adaptadas a ecesdades especcas como ucoes que varía muy rápdo e alguas regoes y muy letamete e otras, lo que puede acer poco ecetes los métodos estudados e este capítulo. 6

63 Capítulo II 6 Dervacó e tegracó umérca Itroduccó Dervacó umérca Itegracó umérca Reerecas

64 Reerecas 6. Aálss Numérco, Burde R., Fares J. D., 6 ta Edcó, Iteratoal Tomso Edtores, 998. Métodos Numércos para Igeeros, Capra S., Caale R., ta Edcó, McGrawHll,. Aálss Numérco co Aplcacoes, Gerald C., Weatley P.,6 ta Edcó, Pearso Educacó, 999

65 Mecáca Computacoal II 65 Capítulo II Dervacó e tegracó umérca Uversdad Smó Bolívar

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas Derecaco e Iterpolaco /8 Derecaco e Iterpolaco merca. Derecas tas Dadas las abscsas X ormemete espacadas X X h, a las qe correspode alores de co (): (X) se dee las prmeras derecas tas ( Haca delate ) como:

Más detalles

CAPITULO I INTERPOLACION Y APROXIMACION

CAPITULO I INTERPOLACION Y APROXIMACION Mecáca Computacoal II CAPITULO I INTERPOLACION Y APROXIMACION Armado Blaco A. Uversdad Smó Bolívar Capítulo I Itroduccó Polomos de Newto de derecas dvddas Polomos de Lagrage Iterpolacó polomal Trazadores

Más detalles

Métodos Numéricos TEMA 8: DERIVACION E INTEGRACION Numérica

Métodos Numéricos TEMA 8: DERIVACION E INTEGRACION Numérica Métodos Numércos TEMA 8: DERIVACION E INTEGRACION Numérca DIFERENCIACIÓN NUMÉRICA Polomo de terpolacó es aplcable para la resolucó de problemas de derecacó, e geeral y el cálculo de dervadas, e partcular.

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

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

Intensificación en Estadística

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

Más detalles

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

Métodos Numéricos para Ingenieros Químicos

Métodos Numéricos para Ingenieros Químicos CONTENIDO Métodos Numércos para Ieeros Químcos Itroduccó Formas de resolucó de ecuacoes trascedetes Método ráco Tema Ecuacoes Trascedetes () Métodos cerrados Bseccó Iterpolacó Secate Clase 3 - Láma Ecuacoes

Más detalles

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

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

Más detalles

G - Métodos de Interpolación

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

Más detalles

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

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

PARÁMETROS ESTADÍSTICOS ... N

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

Más detalles

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

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

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

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

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

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

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

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

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

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

Más detalles

2.5. Área de una superficie.

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

Más detalles

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

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

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

Métodos Numéricos. Luis Carlos Torres Soler

Métodos Numéricos. Luis Carlos Torres Soler Métodos Numércos Lus Carlos Torres Soler Departameto de Igeería de Sstemas e Idustral Facultad de Igeería Uversdad Nacoal de Colomba Métodos Numércos Lus Carlos Torres Soler Matemátco Maestría Igeería

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

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

TEORIA DE ERRORES. Fuentes De error. Error Final

TEORIA DE ERRORES. Fuentes De error. Error Final TEORIA DE ERRORES Fuetes De error Errores heretes: (EI) So los errores que afecta a los datos del prolema umérco puede teer dsttos orígees. Por ejemplo puede ser el resultado de la certdumre e cualquer

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

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

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

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

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

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias:

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias: PARÁMETROS ESTADÍSTICOS Puesto que las represetacoes grácas o sempre cosgue orecer ua ormacó completa de ua sere de datos, es ecesaro aalzar procedmetos umércos que permta resumr toda la ormacó del eómeo

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

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

La inferencia estadística es primordialmente de naturaleza

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

Más detalles

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

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

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

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

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

TAMIZADO

TAMIZADO http://louyaus.blogspot.com/ E-mal: wllamsscm@hotmal.com louyaus@yahoo.es TAMIZAO TAMIZAO U tamz cosste e ua malla o superce perorada, cuyos orcos tee u tamaño uorme. Mezcla de soldos Mezcla de soldos

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

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Minimizar el error de interpolación considerando las raíces del polinomio de Chebyshev

Minimizar el error de interpolación considerando las raíces del polinomio de Chebyshev Mmzar el error de terpolacó cosderado las raíces del polomo de Chebyshev Stefao Nas Dept. of Statstcs ad Operatos Research Uverstat Poltécca de Cataluya U polomo de terpolacó es u polomo que pasa eactamete

Más detalles

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

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

Más detalles

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

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

Más detalles

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

Incertidumbre de las medidas.

Incertidumbre de las medidas. Icertdumbre de las meddas. Al realzar el proceso de medcó, el valor obtedo y asgado a la medda dferrá probablemete del valor verdadero debdo a causas dversas, algua de las cuales ombraremos más adelate.

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

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

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

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

Más detalles

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

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

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

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

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

FEM-OF: EDP Elíptica de 2 Orden

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

Más detalles

Objetivos. El alumno será capaz de programar algoritmos que incluyan el manejo de arreglos utilizando funciones.

Objetivos. El alumno será capaz de programar algoritmos que incluyan el manejo de arreglos utilizando funciones. Objetvos El alumo será capaz de programar algortmos que cluya el maejo de arreglos utlzado fucoes. Al fal de esta práctca el alumo podrá:. Realzar etosamete programas que haga uso de arreglos como parámetros

Más detalles

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

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

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

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

Más detalles

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

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

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

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

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

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

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

Aplicaciones de Balances de Energía en Reactores Batch

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

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

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

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

2. Censura y truncamiento

2. Censura y truncamiento 2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete

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

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

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

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

Más detalles

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

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

Más detalles

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno: Udad 6 Aualdades atcpadas Objetvos Al falzar la udad, el alumo: Calculará el moto producdo por ua aualdad atcpada. Calculará el valor presete de ua aualdad atcpada. Calculará el valor de la reta de ua

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

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

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

1 Estadística. Profesora María Durbán

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

Más detalles

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

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

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

Estimación de Incertidumbres y presentación de resultados

Estimación de Incertidumbres y presentación de resultados Coceptos prevos Estmacó de Icertdumbres y presetacó de resultados Práctcas de Físca I y Físca II Departameto de Físca Aplcada I Escuela Poltécca Superor Matud: Propedad de u feómeo, cuerpo o sustaca que

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

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles