1.1 INTRODUCCION & NOTACION

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "1.1 INTRODUCCION & NOTACION"

Transcripción

1 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba 1.1 INRODUCCION & NOACION Clete Servdor (es) Cola Flujo Poblacó 1.2 SISEMAS DE COLA SIMPLE Poblacó aleatoredad Fgura 2.11: Sstemas de Cola Smples 1

2 1.3 DISCIPLINA DE SERVICIO 1. Las llegadas y las saldas so de aturaleza estocástcas. 2. Exste ua polítca de atecó (proceso). FIFO (Frst Frst Out): El prmero que llega es el prmero que sale. LIFO (Last Frst Out): El últmo que llega es el prmero que sale. RANDOM: La atecó es aleatora, es decr, o exste relacó drecta etre el tempo de llegada y la atecó prestada. PRIORIDAD: Se le proporcoa determados prvlegos a certos tpos de cletes. Por ejemplo, las flas preferecales a los ttulares de las cuetas e los bacos. 1.4 NOACIÓN DE KENDALL Para u sstema de colas, se defe: a : Estructura probablístca del proceso de llegada. b : Estructura probablístca del proceso de salda. c : Número de servdores e paralelo. d : Dscpla de atecó. e : Capacdad del sstema. f amaño de la poblacó. La otacó es ( a / b / c) :( d / e / f ) De esta maera, la estructura probablístca del proceso de llegada se refere al comportameto como se da las llegadas al sstema, por ejemplo Posso; la estructura probablístca del proceso de salda se refere al comportameto como se da las saldas del sstema, por ejemplo Expoecal; el úmero de servdores e paralelo se refere a cuatos servdores puede ateder al msmo tempo y o depede de los demás, por ejemplo la 2

3 catdad de cajeros e u baco; la dscpla de atecó, a como se atede los cletes, es decr, los prmeros e llegar so los prmeros e salr (FIFO, por las sglas e gles Frst I, Frst Out) o los prmeros e llegar so los últmos e salr (FILO, Frts I, Last Out); la capacdad del sstema es la catdad de cletes que puede soportar el sstema, por ejemplo la catdad de cletes que puede ateder u restaurate; y el tamaño de la poblacó es la catdad de cletes potecales que tee el sstema. 1 / 1,5 / 2 : / / 5 U ejemplo de esta otacó es: G p u FIFO ; y quere decr que el proceso de llegadas es geométrco; el proceso de salda es uforme, hay dos servdores e paralelo; se maeja ua dscpla de atecó prmeros e llegar, prmeros e salr; la capacdad del sstema es fto al gual que la poblacó. Cuado la estructura probablístca es Posso (Expoecal) la otacó para los comportametos se escrbe M, e hoor a Marcov y por ser el comportameto más estudado y más utlzado. De esa maera, a cotuacó se preseta este modelo. 1.5 MEDIDAS DE DESEMPEÑO a. empo promedo e fla b. empo promedo e atecó c. empo promedo e sstema. d. Número promedo de cletes e fla e. Número promedo de cletes e el sstema. f. La utlzacó (porcetaje de tempo que el servdor esta ocupado). 1.6 RESULADOS EÓRICOS PARA EL MODELO M / M /1. Se cooce como sstema de acmeto y muerte (puros) y se asume que la parte faltate de la otacó es FIFO / /. S se defe como la utlzacó del sstema. De esa 3

4 maera, p p0 y co ua seclla deduccó matemátca p (1 ). ambé, el úmero promedo de cletes e el sstema (e estado estacoaro) es 2 1 La varaza del úmero de cletes e el sstema es 2 1 E( ). 1. Por últmo, se aplca la Ley de Lttle, que expresa que el úmero de cletes promedo e el sstema es gual al tempo promedo de permaeca e el msmo multplcado por la tasa de llegadas. Se defe como, dode es el tempo promedo de permaeca e el sstema. 1.7 RESULADOS POR SIMULACIÓN M / M / Formas de aálss del sstema 1. E u período específco de tempo. 2. Hasta que se ateda u úmero específco de cletes. E lo que sgue, se supoe el segudo efoque, es decr, hasta haber ateddo cletes Modelo matemátco para smulacó. Sea: t : empo de llegada del -ésmo clete. El sstema comeza co t 0 = 0. A 1 A 2 t 0 t 1 t 2 t 3 empo Fgura 2.12: Notacó 4

5 A : t 1 t El tempo etre llegadas del -ésmo y el (-1)-ésmo cletes. S : empo que el servdor gasta e ateder el -ésmo clete. D : empo que gasta el clete hacedo fla. C : Istate e el que el clete sale del sstema C t D S E geeral: A 1 D 2 t 0 t 1 t 2 c 1 t 3 t 4 c 2 empo S 1 Fgura 2.13: Notacó Geeral Cálculo de meddas de desempeño Las meddas que se empleará se calcula teedo observado el sstema hasta teer que se ha ateddo cletes empo promedo e fla. d 1 D Número promedo de cletes e fla. q p 0 5

6 p : Probabldad de que el sstema tega cletes. E la práctca se puede aproxmar p co los datos de llegada y salda de los cletes. Para estmar p se defe: q ˆ p 0 : empo otal durate el aálss del sstema e el que hay cletes. : empo otal de aálss del sstema hasta que se ha ateddo cletes. pˆ. Reemplazado el valor de pˆ e la ecuacó ateror teemos que: q Utlzacó ut 1 0 S el servdor está ocupado et S el servdor estálbreet Por lo tato, u t t0 u t dt 6

7 1.7.4 Algortmos para los evetos de llegadas y saldas Algortmos para los evetos de llegadas FUNCIÓN EVENO _ llegadas Argumetos CalcularSgueteLlegada ; SI EstaElServdorLbre D 0; ActualzarEstadstcas ; NumCletesAteddos NumCletesAteddos 1; EstadoServdor Ocupado; Pr ogramarevetodesaldanuevocleteateddo ; SINO ActualzarAreaBajoLaCurvaCletesEFla ; CletesEFla CletesEFla 1; Guardar _ t ; _ FUNCIÓN _ EVENO _ Saldas 7

8 Algortmos para los evetos de Saldas FUNCIÓN EVENO _ Saldas Argumetos SI ColaVaca EstadoServdor Ocupado; emposalda ; SINO ActualzarAreaBajoLaCurvaCletesEFla ; CletesEFla CletesEFla 1; Calcular _ D ; ActualzarEstadstcas ; NumCletesAteddos NumCletesAteddos 1; Pr ogramarevetodesaldanuevocleteateddo ; SI ColaNoVaca ENONCES MoverLosCletesEFlaULugarAdelate ; _ FUNCIÓN _ EVENO _ Saldas 8

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

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

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

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

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

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

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

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

Más detalles

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

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

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

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

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

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

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

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

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

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

Más detalles

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

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

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

Más detalles

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

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

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

Más detalles

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

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

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

Más detalles

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

Análisis estadístico de datos muestrales

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

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

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

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

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

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

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

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

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

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

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

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

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

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

A2.1 SUMA PRESENTE A SUMA FUTURA

A2.1 SUMA PRESENTE A SUMA FUTURA A2. APÉNDICE MATEMÁTICAS FINANCIERAS E este apédce se preseta las fórmulas tradcoales para hallar las sumas equvaletes e el tempo y ua coleccó de fórmulas para equvaleca de tasas omales y efectvas. Para

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

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

Credit scoring models: what, how, when and for what purposes

Credit scoring models: what, how, when and for what purposes MPRA Much Persoal RePEc Archve Credt scorg models: what, how, whe ad for what purposes Guterrez Grault, Matas Alfredo Baco Cetral de la Repúblca Argeta October 007 Ole at http://mpra.ub.u-mueche.de/6377/

Más detalles

3 Regresión lineal múltiple: estimación y propiedades

3 Regresión lineal múltiple: estimación y propiedades 3 Regresó leal múltple: estmacó y propedades Ezequel Urel Uversdad de Valeca Versó 09-013 3.1 El modelo de regresó leal múltple 1 3.1.1 Modelo de regresó poblacoal y fucó de regresó poblacoal 3.1. Fucó

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

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

6.2.- Funciones cóncavas y convexas

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

Más detalles

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

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

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

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

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

División de Evaluación Social de Inversiones

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

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

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

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007 OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP 2004 2007 APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

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

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

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

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

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

Más detalles

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

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

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

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

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

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

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

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

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

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

Capitalización, actualización y equivalencia financiera en capitalización compuesta

Capitalización, actualización y equivalencia financiera en capitalización compuesta Captalzacó, actualzacó y equvaleca facera e captalzacó compueta 5 E eta Udad aprederá a: 2 3 4 5 Decrbr lo efecto eecale de la captalzacó compueta. Reolver problema facero e captalzacó compueta. Dferecar

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

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

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

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

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

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

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

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

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

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

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

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