Solución del examen de Investigación Operativa de Sistemas de junio de 2006

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

Download "Solución del examen de Investigación Operativa de Sistemas de junio de 2006"

Transcripción

1 Soluó del exame de Ivestgaó Oeratva de Sstemas de juo de 6 Problema : (3 utos) Tres uras, y otee 3, 4 y 5 bolas resetvamete, todas blaas exeto ua de las de ue es roja. E ada etaa, se extrae ua bola al azar de ada ura, se mezla be ara ue su orde sea aleatoro y se vuelve a trodur e, y resetvamete. alular: a) La robabldad de ue desués de tres etaas la bola roja esté e la ura (,5 utos). b) La rooró de temo ue la bola roja asa (a la larga) e ada ua de las uras (,5 utos). Soluó: Tedremos tres estados, S{,, } dode ada estado da ue la bola roja está e la ura, o, resetvamete. La matrz de trasó orresodete es: 7 / 9 Q / /5 / 9 / /5 / 9 / 3/5 El dagrama de trasó de estados (DTE) orresodete es el ue sgue: 7/9 / / /9 /9 /5 / /5 3/5 artado a): Segú las euaoes de hama-kolmogorov, os está dedo el elemeto (,3) de la matrz Q 3. Haedo los álulos obteemos: (3) 43, artado b): omo esta adea de Markov es fta y ergóda, odemos afrmar ue exste la dstrbuó estaoara. Debemos hallar dha dstrbuó estaoara, ya ue os drá ué

2 robabldad hay de eotrarse e ada estado (a la larga), y estas robabldades será la rooró de temo ue la bola roja asa e ada ura. Para alular la dstrbuó estaoara, lateamos el sguete sstema de euaoes: T Q + + El sstema uede resolverse, or ejemlo, fjado y ormalzado luego. La soluó fal del sstema es: Por osguete odemos afrmar ue, a la larga, la bola roja asa u 5% del temo e la ura, u 33,3% e la y u 4,6% e la (aroxmadamete). Problema : (3 utos) U ayutameto estuda el fuoameto de u ambulatoro. Para ello reogemos la formaó de ómo los usuaros hae uso de los dsttos esealstas ue hay e el sstema. El ambulatoro dsoe de ua sala de esera. Los aetes llega al ambulatoro o u temo etre llegadas ue se dstrbuye exoealmete, o meda de 6 mutos. Exste dos médos de famla ara ateder e rmer lugar a los aetes. El médo de famla atede al 6% de los aetes ue llega y el médo de famla al 4% restate. Sabemos ue ua vez ue el aete ha vstado: a. el médo de famla, tee ua robabldad de:., de r al odotólogo y desués a asa.,8 de r al otorro y desués.,6 al rujao y desués a asa.,4 al dermatólogo y desués a asa b. el médo de famla, tee ua robabldad de:. de r al dermátologo y desués vuelve a asa demás hemos sdo formados de ue todos los médos asste a los aetes o ua meda de 4 mutos. alule: a) El úmero medo de aetes ue esera e la ola del médo de famla ( uto). b) El temo medo ue asa u aete desde ue etra e el ambulatoro hasta ue va a asa ( utos).

3 Soluó: ada médo es el servdor de ua ola M/M/. Usaremos la sguete omelatura: Médo de famla Médo de famla Odotólogo D Otorro E rujao F Dermatólogo Los temos de servo so guales e todos los servdores, así ue tedremos {,,, D, E, F}, 5 letes/h Por otro lado, el flujo de aetes (letes) ue llega al sstema es de letes/h. Dho flujo se dvde e u 6% ue va a la ola y u 4% ue va a la ola. Por lo tato, γ 6 letes/h, γ 4 letes/h, {, D, E, F}, γ El sguete dagrama resume la stuaó: 6,,8 D,6,4 E F 4 { } 5,,.., F artado a): La euaó de eulbro del odo os de ue γ 6 letes/h. Por otro lado, 5 letes/h. Esto uere der ue,4. lado la fórmula ue aaree al fal del euado del exame obteemos: (,4) 4 L,66666,4 5

4 artado b): Nos está dedo el temo medo de esera e el sstema de olas, W. Para alularlo eestaremos el úmero medo de letes e el sstema L, ue a su vez eesta los úmeros medos de letes e ada odo L. E rmer lugar hallaremos las tasas de llegadas a ada odo y los arámetros medate las euaoes de eulbro: γ 6 letes/h,4 γ 4 letes/h,6666,, letes/h,8 D,8 4,8 letes/h D,3 E,6 D,88 letes/h E,9 F,4 D + 5,9 letes/h F,39466 Neestamos ua euaó ara hallar rádamete los L. Utlzado las euaoes ue aaree al fal del euado obteemos: L W W + L + + lamos la euaó ateror a ada odo de la : L, L, L,86956 L D,47588 L E,3763 L F,65983 otuaó alamos las euaoes de la de Jakso aberta: L L + L + L + L D + L E + L F,47745 letes L L,47745 W, h γ + γ Problema 3: ( utos) U versor debe dedr ómo dstrbur los 6 de los ue dsoe. Exste tres alteratvas o exluyetes: letras del Tesoro, boos del Tesoro y aoes. ada euro vertdo e letras rodue,3 de beefo eserado al año, e boos rodue,5 y e aoes,. Para evtar resgos exesvos, o desea vertr e aoes más del 4% de su dero. Por otro lado, refere ue la versó e letras sea mayor o gual ue el doble de la versó e boos. Determe ué atdad de dero debe dedar a ada to de versó ara ue el beefo eserado sea máxmo satsfaedo estas restroes (utle el método Smlex). Soluó: Podemos elegr las sguetes varables de desó: x Dero ue se vertrá e letras del Tesoro (e ) x Dero ue se vertrá e boos del Tesoro (e ) x 3 Dero ue se vertrá e aoes (e )

5 De esta maera el roblema ueda: Maxmzar,3x +,5x +,x 3 Sujeto a: x + x + x 3 6 x 3 4 x + x x, x, x 3 Podemos multlar la fuó objetvo or ara faltar los álulos. l asar a la forma estádar ueda: Maxmzar 3x + 5x + x 3 Sujeto a: x + x + x 3 + x 4 6 x 3 + x 5 4 x + x + x 6 x, x, x 3, x 4, x 5, x 6 Pasamos a alar el método del Smlex: 3 5 ase P P P P 3 P 4 P 5 P 6 P 4 6 P 5 4 P rtero de etrada: mí{ 3, 5, }, luego etra x 3. rtero de salda: mí{6/, 4/}4, luego sale x ase P P P P 3 P 4 P 5 P 6 P 4 36 P 3 4 P rtero de etrada: mí{ 3, 5} 5, luego etra x. rtero de salda: mí{36/, /}, luego sale x ase P P P P 3 P 4 P 5 P 6 P / / P 3 4 P 5 / / 4 / 5/

6 rtero de etrada: mí{ /} /, luego etra x. rtero de salda: mí{36 /3} 36 /3, luego sale x ase P P P P 3 P 4 P 5 P 6 P 3 4 /3 /3 /3 P 3 4 P 5 /3 /3 /3 37 /3 9/3 /3 l evaluar la odó de arada, observamos ue se umle. Por lo tato, la tabla ateror se orresode o ua soluó ótma del roblema. Dha soluó ótma es x (4,, 4,,, ) T. El valor ótmo de la fuó objetvo orgal del euado, F(x,x,x 3 ),3x +,5x +,x 3, será 37 euros, ya ue la fuó objetvo ue hemos usado e el método del smlex es la orgal multlada or. Problema 4: ( utos) Ua emresa metalúrga eesta rodur 5 Kg de u metal o al meos u 4% de herro, a artr de 9 metales araterzados or: Metal D E F G H I % Herro oste/kg 4, 4,3 5,8 6, 7,6 7,5 7,3 6,9 7,3 Exsteas (Kg) Platear u modelo de rogramaó leal ara dar a la emresa ómo mmzar los ostos de roduó de la mezla. Nota: No tete obteer la soluó, sólo debe dar el lateameto. Soluó: Llamaremos x a la atdad de metal medda e Kg ue usaremos e la mezla, dode {,,, D, E, F, G, H, I}. Debemos garatzar ue la atdad de mezla roduda es gual a 5 Kg: x + x + x + x D + x E + x F + x G + x H + x I 5 Por otro lado, omo se exge ue de esos 5 Kg de mezla, al meos el 4% sea herro, debemos garatzar ue haya al meos Kg de herro e la mezla:,8x +,6x +,x +,x D +,4x E +,3x F +,5x G +,x H +,5x I demás hay ue garatzar ue o os exedemos de las exsteas dsobles, o lo ual: x x x 4 x D 3 x E x F 9

7 x G 3 x H 7 x I 8. Las atdades utlzadas de ada metal o uede ser egatvas, así ue tedremos x {,,, D, E, F, G, H, I}. Por últmo, dado ue os de mmzar el oste de roduó, la fuó objetvo a mmzar será: 4,x + 4,3x + 5,8x + 6,x D + 7,6x E + 7,5x F + 7,3x G + 6,9x H + 7,3x I FÓRMULS DE TEORÍ DE OLS: M/M/: W t / W () t e M/M/: ( )!! ( ), s,,...,, e otro aso +!( ) W e t / W L ( ) ( )! L t +! ( ) M/M/ y M/M/: W W + L W L W M/M//k: ( ) k, s k + +, s ( ) W W + L efw L efw Redes de Jakso abertas: ef k ( k + ) k k + L k, s +, s K γ K L L W L V Redes de Jakso erradas: + Lj( m ) Wj( m) j j L j() L ( m) m j * jwj( m) K W( m) * Lj( m) j( m) W ( m ) j

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

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA PLNTMNTO PROLMS LN MTR N PROSOS SN RÓN QUÍM. teder ual es el objetvo que se persgue e el proeso, la fuó de ada equpo (por lo meos ualtatvamete) y vsualzar los feómeos y trasformaoes que ourre.. detfar

Más detalles

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2003.

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2003. POSILE SOLUIÓN DEL EXMEN DE INVESTIGIÓN OPERTIV DE SISTEMS DE JUNIO DE. Problema (,5 utos): E ua ivestigaió o ratoes, se usa u laberito o uatro eldas,, y D, segú se muestra e la figura. E ada miuto, u

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

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

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

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

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

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

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Posible solución del examen de Investigación Operativa de Sistemas de junio de 2007

Posible solución del examen de Investigación Operativa de Sistemas de junio de 2007 Posible soluió del exame de Ivestigaió Operativa de Sistemas de juio de 7 Problema : (3 putos) E u laboratorio se aaliza las probabilidades de que u átomo radioativo se ovierta e u átomo de otro tipo,

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas ertdumbre e las medoes dretas e dretas Reordado Para la seleó de u strumeto de medó os basamos e la Regla de Oro de la Metrología Luego, 0. T T La toleraa orregda por la ertdumbre del strumeto queda defda

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

Teoría de Colas. Quién es el último? 1 ROGLE jpgarcia@omp.upv.es

Teoría de Colas. Quién es el último? 1 ROGLE jpgarcia@omp.upv.es Teoría de Colas. Qué es el últmo? jpgara@omp.upv.es 04/05/20 Teoría de Colas Itroduó Desrpó de u problema de olas Caraterístas Notaó Medbles Resultados Geerales Cómo se obtee datos para u sstema de olas

Más detalles

Soluciones de Ley de las presiones parciales de Dalton

Soluciones de Ley de las presiones parciales de Dalton Solucoes de Ley de las resoes arcales de Dalto La resó arcal de u gas () e ua mezcla, es la resó que ejercería este gas s ocuase todo el volume que ocua la mezcla. També se uede calcular como: 1. Ua mezcla

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

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

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

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

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

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

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

Más detalles

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

10 MUESTREO. n 1 9/ / σ σ 1

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

Más detalles

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO CAITULO I EQUILIBRIO AOR -LIQUIDO ara evaluar el fuoameto de u sstema de separaó e etapas, es eesaro efetuar álulos de equlbro vapor-líqudo de balae de matera e ada etapa de separaó, utlado para ello ua

Más detalles

Aplicando Teorı a de Colas en Direccio n de Operaciones

Aplicando Teorı a de Colas en Direccio n de Operaciones Aplado Teorı a de Colas e Dreo de Operaoes José edro Garía Sabater Grupo ROGLE Departameto de Orgazaó de Empresas Uversdad oltéa de Valea. Curso 25 / 26 arte de estos aputes está basados e la fudametal

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

Administración de Empresas. 9 Las decisiones de inversión: Conceptos básicos 9.1

Administración de Empresas. 9 Las decisiones de inversión: Conceptos básicos 9.1 Admstraó de Empresas. 9 Las desoes de versó: Coeptos básos 9. TEMA 9: LAS DECISIONES DE INVERSIÓN: CONCEPTOS BÁSICOS ESQUEMA DEL TEMA: 9.. Coepto de versó y tpos. 9.. Valor del dero e el tempo. 9.3. Tpo

Más detalles

Teoría e Ingeniería de Teletráfico

Teoría e Ingeniería de Teletráfico Dr. Ig. José Joskowcz, 2017 Teoría e Igeería de Teletráfco Dr. Ig. José Joskowcz josej@fg.edu.uy Dr. Ig. José Joskowcz, 2017 Itroduccó Teoría e Igeería de Teletráfco Qué es la Teoría de Teletráfco? Es

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

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

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

Aplicación de Boostrapping en Regresión I

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

Más detalles

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

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

TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7

TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7 TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7 Valuaió de u boo e ua feha etre uoes E lo que hemos isto hasta aquí sobre la determiaió del reio de u boo o uó hemos osiderado eriodos omletos, es deir, el úmero

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 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

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

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

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

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

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

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

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

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

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

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE SEPTIEMBRE DE 2003.

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE SEPTIEMBRE DE 2003. POSIBE SOUCIÓN DE EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE SEPTIEMBRE DE 3. Problema (35 uos): Se usa ua máuia ara roduir herramieas de reió. Si la máuia esá hoy e bueas odiioes eoes esará bie

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

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

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

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

Parte II. TEORÍA DE LA ELECCIÓN INDIVIDUAL

Parte II. TEORÍA DE LA ELECCIÓN INDIVIDUAL INTODUCCIÓN A LA ECONOMÍA FINANCIEA Parte I. INTODUCCIÓN Tema. Fudametos de Ecoomía Facera Parte II. TEOÍA DE LA ELECCIÓN INDIVIDUAL Tema. Cosumo, versó y mercados de catales Parte III. TEOÍA DE LOS MECADOS

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

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

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

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

TEMA 5. MODELADO GEOMÉTRICO Y CINEMÁTICO DEL ROBOT ROBÓTICA

TEMA 5. MODELADO GEOMÉTRICO Y CINEMÁTICO DEL ROBOT ROBÓTICA EM 5. MODELDO GEOMÉRIO Y INEMÁIO DEL ROBO ROBÓI ÍNDIE INRODUIÓN INEMÁI DE POIION INEMÁI DIRE. MODELO GEOMÉRIO MRIE DE RNFORMIÓN HOMOGÉNE (MH - LGORIMO DE D-H INEMÁI INVER. MODELO GEOMÉRIO MRIE DE RNFORMIÓN

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

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

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

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

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

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

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

Análisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5

Análisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5 Aálss de Datos e Psología I. Pregutas de eame. Temas y p 7 9 0. 0. 0. 0. 9-0. Tabla. Dstrbuó, e proporoes, de las putuaoes de u grupo de 0 sujetos e ua prueba de eaje de formas. 7 9 Tabla. Dstrbuó de freueas

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

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

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

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

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

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

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

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

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

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

Más detalles

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

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

-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

VALUACIÓN DE BONOS. 2. Valuación de bonos con cupón de intereses

VALUACIÓN DE BONOS. 2. Valuación de bonos con cupón de intereses 1 VALUACIÓN DE BONOS 2. Valuació de boos co cuó de itereses El tíico boo del cual os ocuamos ahora osee las siguietes características básicas: 1. Tiee u valor omial o facial que es la suma que el emisor

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

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

Sistemas de colas: clase 1. Amedeo R. Odoni 10 de octubre de 2001

Sistemas de colas: clase 1. Amedeo R. Odoni 10 de octubre de 2001 Sistemas de colas: clase Amedeo R. Odoi de octubre de 2 Temas de teoría de colas 9. Itroducció a las colas: ley de Little; M/M/. olas de acimieto y muerte de Markov. ola M/G/ y extesioes 2. olas de prioridad:

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

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

Semiconductores ( ) Masa Efectiva. Masa Efectiva. Masa Efectiva. Hueco. Masa Efectiva. v g dk h dk. m * Cualquier electrón está sujeto a fuerzas

Semiconductores ( ) Masa Efectiva. Masa Efectiva. Masa Efectiva. Hueco. Masa Efectiva. v g dk h dk. m * Cualquier electrón está sujeto a fuerzas Semdutres Masa Efeta Cualquer eletró está sujet a fuerzas ttal ext + t ma S resams la euaó sól e fuó de las fuerzas exteras ext m a El eletró se mrta m s su masa ambara. Esta es la masa efeta. Masa Efeta

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

9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras.

9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras. Hoja de Problemas º Algebra II 9. Hallar u úmero de cuatro cifras que sea igual al cubo de la suma de las cifras. Solució: Sea el úmero buscado co a que si o, o seria de cuatro cifras. Teemos que ( ) como

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

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

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

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

Tema 7 Flujo de bienes y rentas en una economía abierta

Tema 7 Flujo de bienes y rentas en una economía abierta Ejeriios resueltos de Itroduió a la Teoría Eoóia Care Dolores Álvarez Albelo Miuel Beerra Doíuez Rosa María Cáeres Alvarado María del ilar Osoro del Rosal Ola María Rodríuez Rodríuez Tea 7 Flujo de biees

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

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE Eva Mª del Pozo García Mª Jesús Segova Vargas Zuleyka Díaz Martíez Departameto de Ecoomía Facera y Cotabldad I Uversdad Complutese

Más detalles

a) Aumento de la temperatura K c b) Adición de I 2 O 5 (s) Cantidad de I 2 c) Aumento de la presión Cantidad de CO

a) Aumento de la temperatura K c b) Adición de I 2 O 5 (s) Cantidad de I 2 c) Aumento de la presión Cantidad de CO 1.- Cosidere el siguiete sistema geeral e equilibrio: a A(g) + b B(g) C(g) + d D(g) H < a) Idique razoadamete e qué aso so iguales los valores de las ostates y. b) Justifique ómo afetará al sistema la

Más detalles