No independencia de los errores: autocorrelación. Fortino Vela Peón Universidad Autónoma Metropolitana

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

Download "No independencia de los errores: autocorrelación. Fortino Vela Peón Universidad Autónoma Metropolitana"

Transcripción

1 No idepedecia de lo errore: aocorrelació Forio Vela Peó Uiveridad Aóoma Meropoliaa Ocbre, 00 /08/0 México, D F

2 MRL y dode Xβ E( 0 E( ' Bajo heerocedaicidad e iee I ( βˆ (X' X X' Y (X' X X' ( Xβ β (X'X X' ( (3 Recerde aqí el dearrollo E (ˆ β β iegado /08/0

3 La variaza de b eimador Var βˆ E (X'X X' 'X(X' X bajo homo pero bajo heero E( ' I E( ' I Por lo ao, bajo heerocedaicidad e iee Var βˆ (X'X ( X' X (X' X dode e E( ' mariz de variaza-covariaza /08/0 3

4 /08/0 4 Tipo de Heerocedaicidad 3 a Aocorrelació

5 /08/ Aocorrelació y heerocedaicidad (modelo ARCH, GARCH,

6 Ercra AR ( de la variaza Para deermiar la ercra de la variaza de lo errore e lo modelo de erie de iempo qe ige proceo aoregreivo de primer orde e pede coiderar modelo de regreió lieal múliple: y Xβ dode iid N (0, Para ecorar a la mariz e debe reecribir al érmio de error del proceo AR( de la forma igiee: /08/0 6

7 Ercra de la variaza bajo proceo AR ( Para deermiar la ercra de la variaza de lo errore e lo modelo de erie de iempo qe ige proceo aoregreivo de primer orde e pede coiderar modelo de regreió lieal múliple: y Xβ dode iid N (0, Para ecorar a la mariz e debe reecribir al érmio de error del proceo AR( de la forma igiee: /08/0 7

8 /08/0 8 Sea 3 ( ( iyedo e ( 3 ( 3 3 Al hacerlo de forma repeida, ordeado e obiee (

9 /08/0 9 Ahora omado E( y Var( de ( e iee 0 0 ( ( E E (3 0 0 ( ( ( Var Var Var 0 (4 ( Var 0 ( E

10 /08/0 0 Fialmee, e calcla Cov (, (, (, ( E E Cov, ( Cov (5, ( Cov ( ( Var E E E geeral, la covariaza ere lo érmio de error qe ea eparado por perido ea dada por (6

11 /08/0 El coeficiee de correlació coicide co la covariaza iedo: 3 3 Cov, ( (7 De ea maera, e iee

12 /08/0 Como e pede obervar a parir de, dado qe e valor ere - y +, bajo el eqema AR( la variaza de coia iedo coae (homocedáica, o obae lo ea correlacioado U apeco crcial radica e qe i < el proceo AR( e dice er eacioario Si < e pede ver de (5 qe el valor de Cov(, - dimiye coforme e reroceda e el iempo ( 3 3

13 Medida correciva Si la aocorrelació de e impra e debe rabajar má e la epecificació del modelo Si la aocorrelació de e pra e debe raformar el modelo, pdiedo coiderar alga de la igiee poibilidade, egú ea el cao e edio: Emplear míimo cadrado geeralizado; Uilizar lo errore eádar robo Newey-We (olo para mera grade; o 3 Coervar a lo eimadore de MCO /08/0 3

14 Míimo cadrado geeralizado (MCG Se pare del modelo y Xβ dode iid N(0, Se pede coiderar do cao: i Cado e cooce ; y ii Si o e cooce /08/0 4

15 i coocida Dado qe la relació plaeada por el modelo e cmple para el periodo, ambié lo hará para el periodo -, razó por la qe e pede coiderar el modelo; y eo e y b ( b ( x x ( * * y b b x /08/0 5 * E ee proceo e pierde a obervació, debido a qe la primera obervació o iee aecedee Para eviar la perdida la primera obervació e emplea la raformació Prai-Wie y x

16 ii o coocida Maiee el pricipio de la primera diferecia geeralizada, eo e: y o bie y b ( b ( x x ( y b x /08/0 6 La experiecia ha morado qe ee procedimieo rela adecado cado: i i > 08 ; o ii DW e my bajo; o iii DW < R Ua caraceríica imporae e qe el modelo e diferecia o iee iercepo

17 Si por error e olvida eimar a la ecació i iercepo y e efecúa: y b b x el coeficiee aociado a b repreea a la edecia e el modelo Oberve qe i r= eoce la expreioe (4 y (5 relaiva a la variaza de bajo aocorrelació de eqema AR(, e velve ifiia, y la erie e dice o eacioaria Por fora, a erie o eacioaria e velve eacioaria cado e diferecia /08/0 7

18 Méodo aleraivo para eimar a Si o cmple co lo gerido aeriormee e pede coiderar la igiee poibilidade para eimarla: A parir de la relació de co DW, eo e, ˆ DW De modelo de regreió ere reidale, e decir; /08/0 8 ˆ ˆ Por algú proceo ieraivo; lo má coocido o el de Cochrae-Orc y Hildreh-L

19 Méodo ieraivo de Cochrae-Orc b b x Si el modelo ea dado por y e poe eqema AR( (aqe pede er de oro orde e iee el procedimieo igiee: a Se eima el modelo origial; /08/0 9 y b Se calcla el coeficiee de correlació ere y -, eo e, ; c Co ee valor de e corye el modelo raformado de primera diferecia geeralizada; d Se eima ahora el modelo raformado y evamee e procede como e (b; eel proceo ermia cado hay covergecia e el valor de eimado

20 Errore eadar coiee o de Newey-We Se raa de a geeralizació de lo errore eádar corregido, e decir, o errore eadar HAC (o CHA e epañol El procedimieo olo e valido e mera grade Corrige ao aocorrelació como heerocedaicidad de lo reidale ( a diferecia del méodo de Whie qe ólo corrije heerocedaicidad /08/0 0

21 Ejemplo: relació alario-prodcividad e lo Eado Uido (Gjarai y Porer, 00, p 48 Sea y= ídice de remeració real por hora; x=prodcció por hora e el ecor de egocio de lo EUA Lo ídice o 99=00 La mera va de 960 a 005 e forma aal El modelo ea dado por: y b b x /08/0

22 e c y x Y X /08/0

23 Modelo lieal regre y x Sorce SS df MS Nmber of ob = F(, 44 = 8304 Model Prob > F = Reidal R-qared = Adj R-qared = Toal Roo MSE = y Coef Sd Err P> [95% Cof Ierval] x _co ea dwao Drbi-Wao d-aiic(, 46 = /08/0 3

24 Modelo log- log ge ly= l(y ge lx= l(x regre ly lx Sorce SS df MS Nmber of ob = F(, 44 = Model Prob > F = Reidal R-qared = Adj R-qared = 0984 Toal Roo MSE = ly Coef Sd Err P> [95% Cof Ierval] lx _co ea dwao Drbi-Wao d-aiic(, 46 = /08/0 4

25 - - 0 Ideifició gráfica predic reidal, reid predic rad, rad woway (lie reid (lie rad, ylie( Reidal Sadardized reidal /08/0 5

26 Liado de reidale ge re=lreidal li reidal rad re predic rd, rde /08/0 6

27 /08/0 7

28 -04-0 Reidal Ideifició gráfica c reidal re, ylie(0 xlie( re /08/0 8

29 Preba racha li reidal if reidal>0 li reidal if reidal< reidal reidal N N (4( E( R N 46 NN(NN N Var ( R N ( N reidal>0 N =4 (por lo ao N = y N= 46 /08/0 9

30 Preba racha li reidal if reidal>0 li reidal if reidal< reidal reidal N N (4( E( R N 46 NN(NN N Var ( R N ( N reidal>0 N =4 (por lo ao N = y N= 46 /08/0 30

31 Preba Brech-Godfrey regre ly lx ea bgodfrey Brech-Godfrey LM e for aocorrelaio lag(p chi df Prob > chi H0: o erial correlaio /08/0 3

32 Méodo Cochrae-Orc prai y x, corc Cochrae-Orc AR( regreio -- ieraed eimae Sorce SS df MS Nmber of ob = F(, 43 = 9355 Model Prob > F = Reidal R-qared = Adj R-qared = 0840 Toal Roo MSE = y Coef Sd Err P> [95% Cof Ierval] x _co rho Drbi-Wao aiic (origial Drbi-Wao aiic (raformed 6390 /08/0 3

33 Errore eádar HAC Newey-We ewey y x, lag( Regreio wih Newey-We adard error Nmber of ob = 46 maximm lag: F(, 44 = Prob > F = Newey-We y Coef Sd Err P> [95% Cof Ierval] x _co /08/0 33

Estimacion puntual y por Intervalo

Estimacion puntual y por Intervalo Eimacio uual y or Iervalo El objeivo e efecuar ua geeraliació de lo reulado de la muera a la oblació. Iferir o adiviar el comoramieo de la oblació a arir del coocimieo de ua muera. E geeral o iereará coocer

Más detalles

UNIDAD 3 Transformadas de Laplace

UNIDAD 3 Transformadas de Laplace Traformada de aplace 3. Defiicioe a raformada de aplace de ua fució () f, repreeada co el ímbolo, e la operació maemáica defiida mediae la iguiee iegral impropia: { ()} lim b f e f () d b Por lo geeral,

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS ONTIFICIA UNIVERSIDAD CATÓLICA DE UERTO RICO DEARTAMENTO DE FÍSICAMATEMÁTICAS Nombre: Fecha: Sec. Eame Fial MAT. 98 Núm. I. Seleccioe la repuea correca: (3 puo cada uo) Cao: Sea Z {0 0 3 3 4 4 5 6 7 7

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

DISTRIBUCIÓN BIDIMENSIONAL

DISTRIBUCIÓN BIDIMENSIONAL DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO CRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació e la maemáica

Más detalles

Regresión Lineal Simple

Regresión Lineal Simple REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría

Más detalles

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIÓN DE LA PRODUCCIÓN Y LAS OPERACIONES

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

UNIDAD 4. INFERENCIA ESTADÍSTICA

UNIDAD 4. INFERENCIA ESTADÍSTICA UNIDAD 4. INFERENCIA ESTADÍSTICA. Eimació por Iervalo Se puede eablecer u iervalo de eimació para la media, i la muera e eleccioa de ua població ormal o i e grade 30, coiderado la diribució mueral de X.

Más detalles

SISTEMAS DE SEGUNDO ORDEN

SISTEMAS DE SEGUNDO ORDEN DEPARTAMENTO DE INGENIERÍA MECÁNICA FACULTAD DE CIENCAS EXACTAS Y TECNOLOGIA CÁTEDRA: SISTEMAS DE CONTROL (PLAN 004) DOCENTE: Prof. Ig. Mec. Marco A. Golao ANÁLISIS DE RESPUESTAS TRANSITORIAS SISTEMAS

Más detalles

Qué es la Cinética Química?

Qué es la Cinética Química? Tema 4. La velocidad de Cambio Químico I. Velocidad de reacció.. Ecuació de velocidad y orde de reacció. 3. álisis de los daos ciéicos: ecuacioes iegradas de ciéicas secillas. 4. Ciéicas complejas.. Velocidad

Más detalles

Patrones de datos y elección de técnica de pronóstico

Patrones de datos y elección de técnica de pronóstico Curso de Ecoomería de Series de Tiempo Faculad de Ecoomía Uiversidad Nacioal Auóoma de México Paroes de daos y elecció de écica de proósico * Maerial de apoyo para desarrollar el capíulo 3 de Hae, e. al.

Más detalles

LA TRANSFORMADA DE LAPLACE

LA TRANSFORMADA DE LAPLACE Circuio y Siema Diámico (3º IIND) Tema 2 A TRANSFORMADA DE APACE Curo 23/24 Tema 2: a Traformada de aplace 2. Iroducció: de dóde veimo y a dóde vamo 2.2 Defiició de la raformada de aplace 2.3 Traformada

Más detalles

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.

Más detalles

La Serie de Fourier Trigonométrica

La Serie de Fourier Trigonométrica La Serie de Fourier Trigoomérica Dr. Luis Javier Morales Medoza FIEC Uiversidad Veracruzaa Poza Rica Tuxpa Ídice 5.. Iroducció 5.. La serie rigoomérica de Fourier 5.3. Relació ere los coeiciees de Fourier

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

TEORÍA DEL CONTROL III

TEORÍA DEL CONTROL III Igeiería e Cotrol y Atomatizació Formas caóicas Trasformació de similitd TEORÍA DEL CONTROL III 5 de agosto de 5 Ator: M. e C. Rbé Velázqez Cevas Escela Sperior de Igeiería Mecáica y Eléctrica Formas caóicas

Más detalles

Análisis de Series de Tiempo

Análisis de Series de Tiempo Aálii de Serie de Tiempo Noe que dada la erucura de difereciar la fució de veroimiliud e mu complicado por ao difícil de opimizar. eo cao e aplica méodo umérico co eimadore iiciale dado e la eimació prelimiar.

Más detalles

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN FCULTS DE INGENIERÍ PÁGIN: 5-1 de 16 INTRODUCCIÓN El esudio de las aceleracioes e los mecaismos ariculados coplaares se puede abordar ya sea por méodos aalíicos o por méodos gráficos. Ese capíulo se deermiará

Más detalles

Métodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8

Métodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8 Méodos Numéricos - cap. 7. Ecuacioes Difereciales PVI /8 Ecuacioes Difereciales Ordiarias (EDO Ua Ecuació Diferecial es aquella ecuació que coiee difereciales o derivadas de ua o más fucioes. Ua Ecuació

Más detalles

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013 El Marge de Riesgo México Por: Pedro Aguilar B. paguilar@csf.gob.mx paguilar@ifiium.com.mx Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució

Más detalles

CAPITULO ANALISIS DE LOSAS PLANAS MEDIANTE ELEMENTOS FINITOS

CAPITULO ANALISIS DE LOSAS PLANAS MEDIANTE ELEMENTOS FINITOS CAPIULO AALII DE LOA PLAA EDIAE ELEEO FIIO CAPIULO : AÁLII DE LOA PLAA EDIAE ELEEO FIIO. AÁLII DE LOA POR LA EORÍA DE LA ELAICIDAD.. Irodcció La ecacioe difereciale qe e dealla correpode a la loa eláica

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013 Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e

Más detalles

Universidad Carlos III de Madrid

Universidad Carlos III de Madrid Uiversidad Carlos III de Madrid. El mudo físico: represeació co señales y sisemas Señales: Fucioes co las que represeamos variacioes de ua magiud física Volaje, iesidad, fuerza, emperaura, posició r ()

Más detalles

MODELOS DE REGIMENES CAMBIANTES ESTOCÁSTICOS Markov switching regimes

MODELOS DE REGIMENES CAMBIANTES ESTOCÁSTICOS Markov switching regimes MODELOS DE REGIMENES CAMBIANES ESOCÁSICOS Markov wiching regime Comporamieno dinámico de la variable dependen del eado de la economía Modelo AR y SAR: vario regímene en función del valor de una variable

Más detalles

REGULACIÓN AUTOMATICA (5)

REGULACIÓN AUTOMATICA (5) EGULACIÓN AUTOMATICA 5 Aálii e la repuea raioria y eacioaria Ecuela Poliécica Superior Profeor: Darío García oríguez ..- Obega la repuea ecaló uiario e u iema realimeao uiariamee, cuya fució e raferecia

Más detalles

4 MODELOS LINEALES Y NO LINEALES - REPRESENTACIÓN EN VARIABLES DE ESTADO

4 MODELOS LINEALES Y NO LINEALES - REPRESENTACIÓN EN VARIABLES DE ESTADO DINÁMIC Y CONTROL DE PROCESOS 4 MODELOS LINELES Y NO LINELES - REPRESENTCIÓN EN VRIBLES DE ESTDO Itrodcció Hemo mecioado qe lo modelo co lo qe amo a trabajar o del tipo de ecacioe matemática má epecíicamete

Más detalles

El siguiente tema sugerido para tratar en clases es el método de integración por partes veamos de donde surge y algunos ejemplos propuestos

El siguiente tema sugerido para tratar en clases es el método de integración por partes veamos de donde surge y algunos ejemplos propuestos Méodos y écicas de iegració El siguiee ema sugerido para raar e clases es el méodo de iegració por pares veamos de dode surge y alguos ejemplos propuesos ( º ) Méodo de Iegració por pares:. dv u. v u =

Más detalles

03) Rapidez de Cambio. 0301) Cambio

03) Rapidez de Cambio. 0301) Cambio Págia 1 03) Rapidez de Cambio 0301) Cambio Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Iroducció Uo de los aspecos más desacables de la auraleza es su carácer variable. La Tierra y odos

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

17.3 Intervalos de predicción para el promedio de m observaciones futuras

17.3 Intervalos de predicción para el promedio de m observaciones futuras 4 7.3 Itervalos de predicció para el promedio de m oservacioes futuras Para reducir la icerteza de las prediccioes o alcaza co aumetar idefiidamete el tamaño de la muestra e la que se asa el ajuste. Si

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

Más detalles

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i

Más detalles

ANÁLISIS DE FOURIER. m(el asterisco indica el conjugado complejo), se desea expandir una función arbitraria f (t) en una serie infinita de la forma

ANÁLISIS DE FOURIER. m(el asterisco indica el conjugado complejo), se desea expandir una función arbitraria f (t) en una serie infinita de la forma CAPÍULO RES ANÁLISIS DE FOURIER IEMPO CONINUO Iroducció La represeació de la señal de erada a u sisema (eediedo como sisema u cojuo de elemeos o bloques fucioales coecados para alcazar u objeivo deseado)

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

Tema 2: Sistemas. 2.1 Introducción

Tema 2: Sistemas. 2.1 Introducción Tema : Sisemas Tema : Sisemas. Iroducció U sisema respode co uas deermiadas señales a la acció de oras. x() sisema y ( ) = T x( ) Ejemplo Tiempo coiuo: sisema mecáico () dy b d y() T{ } { } d y() dy()

Más detalles

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier Series de Fourier. Traamieo Digial de Señal. Series de Fourier Series de Fourier. Preámbulo El aálisis de Fourier fue iroducido e 8 e la Théorie aalyiique de la chaleur para raar la solució de problemas

Más detalles

Álgebra De los Diagramas de Bloques y Comportamiento en el Dominio del tiempo

Álgebra De los Diagramas de Bloques y Comportamiento en el Dominio del tiempo Álgebra De lo Diagrama e Bloque y Comporamieo e el Domiio el iempo Coeio: Álgebra e lo iagrama e bloque, repuea raioria e iema LI e Primer, Seguo y ore uperior Parámero e Comporamieo e el omio el iempo

Más detalles

/ n 0 N / D(f) = {n N / n n 0 }

/ n 0 N / D(f) = {n N / n n 0 } Liceo Nº 10 016 SUCESIONES Primera defiició Ua sucesió de úmeros reales es ua fució cuyo domiio es el cojuto de los úmeros aturales (N) y cuyo recorrido está coteido e el cojuto de los úmeros reales (R).

Más detalles

CAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y

CAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y Capíulo 3 Marco eórico CAPÍTULO 3 MARCO TEÓRICO A lo largo de ese capíulo se explica los cocepos básicos que se debiero eer y cosiderar para la elaboració de la clasificació de maerias primas, los modelos

Más detalles

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

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

Más detalles

TODO ECONOMETRÍA. Autocorrelación

TODO ECONOMETRÍA. Autocorrelación TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera

Más detalles

Cinética Química. Objetivos. la velocidad de las reacciones químicas. los factores de los cuales depende la velocidad

Cinética Química. Objetivos. la velocidad de las reacciones químicas. los factores de los cuales depende la velocidad Ciéica Química Objeivos Esudiar la velocidad de las reaccioes químicas los facores de los cuales depede la velocidad los mecaismos a ravés de los cuales ocurre las reaccioes que se esudia plicacioes Síesis

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Capítulo III DITRIBUCIOE BIDIMEIOALE 3 Itroducció Etudiaremo do caracterítica de u mimo elemeto de la població (altura peo, do aigatura, logitud latitud) De forma geeral, i e etudia obre ua mima població

Más detalles

CAPÍTULO I CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA

CAPÍTULO I CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA APÍTULO UTOS EN EL DOMNO DE LA FEUENA.. SSTEMAS LNEALES NAANTES roducció U iema lieal ivariae e repreea uualmee mediae u bloque e el que e muera ao la exciació como la repuea Exciació x () Siema lieal

Más detalles

5.1. Tipos de convergencia

5.1. Tipos de convergencia Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia

Más detalles

MINITAB y MODELOS DE REGRESIÓN

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

Más detalles

SISTEMAS, MATRICES Y DETERMINANTES

SISTEMAS, MATRICES Y DETERMINANTES .- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a

Más detalles

ESTIMACION POR MÍNIMOS CUADRADOS Y MÁXIMA VEROSIMILITUD (MODELOS INTRÍNSECAMENTE NO LINEALIZANTES)

ESTIMACION POR MÍNIMOS CUADRADOS Y MÁXIMA VEROSIMILITUD (MODELOS INTRÍNSECAMENTE NO LINEALIZANTES) EIMACION POR MÍNIMO CUADRADO Y MÁXIMA VEROIMIIUD (MODEO INRÍNECAMENE NO INEAIZANE). INRODUCCIÓN. MINIMO CUADRADO. GAU NEWON. NEWON RAPHON 3. MÁXIMA VEROIMIIUD 3. NEWON RAPHON 3. MÉODO DE CORING 3.3 AGORIMO

Más detalles

CAPÍTULO 1 CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA.

CAPÍTULO 1 CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA. APÍTULO UTOS EN EL DOMNO DE LA FEUENA... SSTEMAS LNEALES NAANTES. roducció. U iema lieal ivariae e repreea uualmee mediae u bloque e el que e muera ao la exciació como la repuea Exciació x ( Siema lieal

Más detalles

PLANEACIÓN Y CONTROL DE LA PRODUCCIÓN

PLANEACIÓN Y CONTROL DE LA PRODUCCIÓN PLANEACIÓN Y CONTROL E LA PROUCCIÓN GRUPO: 0 M. I. Silvia Herádez García M. I. Susaa Casy Téllez Balleseros TEMARIO: I. Iroducció. II. Programació y corol de la producció. III. Balaceo de líea. IV. Sisemas

Más detalles

Planificación contra stock. Presentación. Introducción

Planificación contra stock. Presentación. Introducción Plaificació cora sock 09.0.07 Preseació Fabricar cora sock? No iee que ser cero el iveario? Se vio e el capíulo de iroducció. Plaificar cora sock Ciclo de pedido y fabricació idepediees. Demada aual coocida.

Más detalles

Fourier. Series de Fourier

Fourier. Series de Fourier Series de Fourier. Fucioes Periódicas oeido. Serie rigoomérica de Fourier 3. ompoee de direca, fudameal y armóicos 4. Orogoalidad de las fucioes seo y coseo 5. álculo de los coeficiees de la Serie de Fourier

Más detalles

RESOLUCIÓN DE CIRCUITOS APLICANDO TRANSFORMADA DE LAPLACE

RESOLUCIÓN DE CIRCUITOS APLICANDO TRANSFORMADA DE LAPLACE A.4. TEORÍA DE CIRCUITOS I CAPÍTUO RESOUCIÓN DE CIRCUITOS APICANDO TRANSFORMADA DE APACE Cáedra de Teoría de Circuio I Edició 03 RESOUCION DE CIRCUITOS APICANDO TRANSFORMADA DE APACE.. Iroducció El cálculo

Más detalles

Cómo medir la precisión de los pronósticos?

Cómo medir la precisión de los pronósticos? Cómo medir la precisió de los proósicos? Por Tomás Gálvez Maríez Presidee y Direcor de CELOGIS Educaio Parer de ENAE Busiess School A la fecha de la publicació de ese documeo used podrá ecorar, e la mayoría

Más detalles

Circuitos Eléctricos II Series de Fourier

Circuitos Eléctricos II Series de Fourier Circuios Elécricos II Series de Fourier Coeido. Fucioes Periódicas. Serie rigoomérica de Fourier 3. Compoee de direca, fudameal y armóicos 4. Orogoalidad de las fucioes seo y coseo 5. Cálculo de los coeficiees

Más detalles

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA ETADÍTICA (Q) 13 7. TET DE HIPÓTEI PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DECONOCIDA ea X1,..., X ua muetra aleatoria de ua població Normal co media = µ y variaza = σ, N(µ,σ ). upogamo ahora

Más detalles

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza Módulo de Etadítica Tema 7 : Etimació paramétrica e Itervalo de cofiaza Etimació U etimador e ua catidad umérica calculada obre ua muetra y que eperamo que ea ua buea aproximació de cierta catidad co el

Más detalles

4.- Aproximación Funcional e Interpolación

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

Más detalles

TEMA 2.1: MODELOS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA 2.1: MODELOS DE REGRESIÓN LINEAL MÚLTIPLE TEMA.1: MODELOS DE REGRESIÓN LINEAL MÚLTIPLE ESTUDIO DE LA RELACIÓN DE DEPENDENCIA ENTRE UNA VARIABLE (DEPENDIENTE, EXPLICADA O REGRESADA) Y UNA O MAS VARIABLES (EXPLICATIVAS, INDEPENDIENTES, COVARIABLES

Más detalles

EJERCICIOS DE MATRICES

EJERCICIOS DE MATRICES EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F

Más detalles

ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS

ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS Metodología de Ecueta I: 575-7803 Vol 6, úm, 00, 9- ETIMACIÓ DE LA VARIAZA POBLACIOAL E EL MUETREO E OCAIOE UCEIVA Amelia V. García Luego Eva M. Arté Rodríguez Imaculada Oña Caado Uiveridad de Almería

Más detalles

Figura 10. No se satisface el supuesto de linealidad.

Figura 10. No se satisface el supuesto de linealidad. Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO

SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO CAPÍTULO DOS SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO. Iroducció E ese capíulo se iroduce y discue varias propiedades básicas de los sisemas. Dos de ellas, la liealidad y la ivariabilidad e el iempo,

Más detalles

Medidas de Tendencia Central

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

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

Más detalles

Página 1 de 34. FILTROS ADAPTIVOS LMS RMS Filtro Kalman INTRODUCCION

Página 1 de 34. FILTROS ADAPTIVOS LMS RMS Filtro Kalman INTRODUCCION Págia de 34 Uiversidad Nacioal de Cordoba FILTROS ADAPTIVOS LMS RMS Filro Kalma INTRODUCCION El cocepo de filro adapaivo, sugiere el de u disposiivo que iea modelizar la relació ere señales e iempo real

Más detalles

A C T I N O M IC O S I S Ó r g a n o : M u c o s a b u c a l T é c n i ca : H / E M i c r o s c o p í a: L o s c o r t e s h i s t o l ó g i c oms u e

A C T I N O M IC O S I S Ó r g a n o : M u c o s a b u c a l T é c n i ca : H / E M i c r o s c o p í a: L o s c o r t e s h i s t o l ó g i c oms u e T R A B A J O P R Á C T I C O N º 4 I N F L A M A C I Ó N E S P E C Í F I C A. P A T O L O G Í A R E G I O N A L P r e -r e q u i s i t o s : H i s t o l o g ída e l t e j i d oc o n e c t i v o( c é l

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

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

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

Más detalles

6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES

6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES 6. Sucesioes y Series uméricas 6.. Sucesioes uméricas 6... DEFINICIONES Sucesioes de úmeros reales Se llama sucesió de úmeros reales a cualquier lista ordeada de úmeros reales: a, a 2, a 3,..., a,...,

Más detalles

ECUACIO ES DIFERE CIALES E EL CO TEXTO DEL MATLAB Carlos Enrique úñez Rincón 1

ECUACIO ES DIFERE CIALES E EL CO TEXTO DEL MATLAB Carlos Enrique úñez Rincón 1 ALEPH SUB CERO SERIE DE DIVULGACIÓ ℵ 0 008 II ℵ 0 ECUACIO ES DIFERE CIALES E EL CO TEXTO DEL MATLAB Carlos Erique úñez Ricó Los maemáicos, e lugar de simplemee uilizar u méodo que parece fucioar, quiere

Más detalles

TRANSFORMADA z Y DE FOURIER

TRANSFORMADA z Y DE FOURIER Uiversidad de Medoa Dr Ig Jesús Rubé Aor Mooya Aálisis de Señales OBJEIVOS: RANSFORMADA Y DE FOURIER - Expoer los cocepos de fucioes discreas e cuao a la visió del proceso de raamieo de señales que pare

Más detalles

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3 Pruebas de Acceso a Eseñazas Uiverarias Oiciales de Grado Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá coesar a ua de las dos opcioes propuesas A ób. Se podrá uilizar cualquier

Más detalles

Cálculo de incertidumbres y expresión de los resultados de las prácticas

Cálculo de incertidumbres y expresión de los resultados de las prácticas Cálculo de iceridumbre Cálculo de iceridumbre y expreió de lo reulado de la prácica Niú experimeo e el que e mide ua ciera maiud e aboluamee precio, e decir, el reulado de la medida o coicide exacamee

Más detalles

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS

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

Más detalles

Universidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones

Universidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones Uiversidad Tecológica Nacioal Faculad Regioal Rosario Cáedra de Ig. e las Reaccioes Trabajo pracico Nº 3: Flujo o ideal: isribució de iempos de residecia e u reacor flujo pisó AÑO 14 Ig. Roque Masciarelli

Más detalles

Estructura de la Materia Grupo 21, Semestre Prof. Isidoro García Cruz EJERCICIOS

Estructura de la Materia Grupo 21, Semestre Prof. Isidoro García Cruz EJERCICIOS tructura de la Materia Grupo, Seetre 03- Prof. Iidoro García Cruz RCICIOS. La luz aarilla que eite ua lápara de odio tiee ua logitud de oda de 59. Calcular la frecuecia de eta radiació. Repueta: Sabeo

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

Más detalles

e i y i y i y i 0 1 x 1i 2 x 2i k x ki

e i y i y i y i 0 1 x 1i 2 x 2i k x ki Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA 1.- INTRODUCCIÓN

TEMA 5: CAPITALIZACIÓN COMPUESTA 1.- INTRODUCCIÓN TEMA 5: CAPITALIZACIÓN COMPUESTA 1- INTRODUCCIÓN Llamamos capializació compuesa a la ley fiaciera segú la cual los iereses producidos por u capial e cada periodo se agrega al capial para calcular los iereses

Más detalles

TRABAJO DE GRUPO Series de potencias

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

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Vectores ortonormales

Vectores ortonormales Vectres rtrmales Defiició U cjt de ectres e espaci ectrial V se dice qe es cjt rtgal si cada par de ectres e el cjt es rtgal. Se dice qe el cjt es cjt rtrmal si es rtgal y cada ectr es itari Demestre qe

Más detalles

Álgebra I Práctica 2 - Números naturales e inducción

Álgebra I Práctica 2 - Números naturales e inducción FCEyN - UBA - Segudo Cuatrimestre 203 Álgebra I Práctica 2 - Números aturales e iducció. Reescribir cada ua de las siguietes sumas usado el símbolo de sumatoria (a) + 2 + 3 + 4 + + 00, (b) + 2 + 4 + 8

Más detalles

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ

Más detalles

EL MODELO DE MERCADO (MODELO DE ÍNDICE ÚNICO, O MODELO DE UN SOLO FACTOR).

EL MODELO DE MERCADO (MODELO DE ÍNDICE ÚNICO, O MODELO DE UN SOLO FACTOR). 1 EL MODELO DE MERCADO (MODELO DE ÍNDCE ÚNCO, O MODELO DE UN SOLO FACTOR). Disoemos de las tasas de redimieto de u cojuto de activos co riesgo (i = 1,,, ) y disoemos tambié de la tasa de redimieto de u

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

α β la cual puede presentar

α β la cual puede presentar 5.4 Covergecia de ua serie de Fourier 8 5.4 Covergecia de ua serie de Fourier Teorema de covergecia de las series de fourier Ua serie de Fourier es ua fució ( ) f x cotiua e [, ] α β la cual puede presetar

Más detalles

Técnicas de supresión de interferencias de banda angosta en sistemas multiusuario de banda ancha.

Técnicas de supresión de interferencias de banda angosta en sistemas multiusuario de banda ancha. Gustavo J. Gozález Uiversidad Nacioal del Sur Departameto de Igeiería Eléctrica y Computadoras Bahía Blaca Becario Agecia Nacioal de Promoció Cietífica y Tecológica (1 er año). Técicas de supresió de iterferecias

Más detalles

ANÁLISIS TEMPORAL DE SISTEMAS LINEALES Y AUTÓNOMOS.

ANÁLISIS TEMPORAL DE SISTEMAS LINEALES Y AUTÓNOMOS. UNIDAD Nº 3 ANÁLISIS TEMPORAL DE SISTEMAS LINEALES Y AUTÓNOMOS. 3.- Iroducció. Como se vio e los emas aeriores, el primer paso para aalizar u sisema de corol es obeer el modelo maemáico del mismo. Ua vez

Más detalles