ESTIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚTIPLES PUNTOS DE VENTA Y STOCKOUTS INFRECUENTES
|
|
- Alejandro Jiménez Maldonado
- hace 5 años
- Vistas:
Transcripción
1 ESIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚIPLES PUNOS DE VENA Y SOCKOUS INFRECUENES J.M. Eguzktza Azabalaga. Depatameto de Matemátca Aplcada. Uvesdad del País Vasco/Euskal Heko Ubetstatea. ABSRAC Hstocal sales ad demad ae ot equvalet whe efeed to peodcals, sce the fome ae lmted by the avalable stock. Whe the mea stockout s low ad thee s ot possblty of updatg data dug the sellg peod, demad s estmated by meas of a maxmum-lkelhood pocedue. he pape also epots aothe pactcal appoach wch cossts of estmatg the lack of ssues pe out-of-stock peod ad pe pot-of-sale. I ode to compae both methods, eal data o sales of a mothly peodcal fom Bzkaa ae used. he esults obtaed afte usg the appoxmate method do pactcally cocde wth those obtaed afte usg the maxmumlkelhood pocedue. Moeove, computatos wee much smple. RESUMEN E publcacoes peódcas el hstoal de vetas o equvale a la demada, al esta aquéllas lmtadas po el vetao dspoble. Cuado el vel pomedo de stockouts es bajo y o hay posbldad de actualzado los datos duate el peíodo de vetas, la demada es estmada medate u pocedmeto de máxma veosmltud. E este tabajo se popoe además oto método apoxmado, cosstete e efectua ua estmacó de los ejemplaes faltates paa cada peíodo fuea de stock y paa cada puto de veta. Co el f de compaa ambos métodos se utlza datos eales de vetas de ua publcacó mesual e la povca de Bzkaa. Se compueba que los esultados obtedos co el método apoxmado so páctcamete cocdetes co los obtedos po el método de máxma veosmltud equédose, s embago, u esfuezo de cómputo muchísmo meo.. INRODUCCIÓN El poblema pcpal que ha de efeta las dstbudoas de pesa es la optmzacó del epato de la tada de publcacoes peódcas e múltples putos de veta. Como las vetas está lmtadas po el vetao dspoble, el hstoal de vetas o equvale a la demada y, e cosecueca, paa estma ésta se pate de ua see de datos cesuados po el stock dspoble. La polítca que, e la mayoía de los casos, sgue las edtoas de pesa es fdelza al clete colocado e los putos de veta u úmeo de ejemplaes sufcete paa que el vel de sevco sea alto, po lo que el vel de peíodos fuea de stock, y po tato la tasa de datos cesuados, es elatvamete bajo meo del 30%). Se supoe que la demada es depedete del patcula peíodo de tempo, suposcó plausble paa muchas publcacoes cuyo pató de demada o se ve afectado po
2 estacoaldad, tedeca u otos factoes elacoados co el tempo. Se supoe además que los cletes llega aleatoamete duate el peíodo de veta, po lo que la demada sgue ua dstbucó de Posso, cuyo paámeto l tatamos de estma. Las dstbudoas de publcacoes peódcas se ve e la ecesdad de estma la demada paa muchos putos de veta y paa muchas publcacoes, teedo e cueta, además, que esa estmacó debe se hecha co elatva medatez cuado se tata de daos. Se platea, po tato, la ecesdad de dspoe de u método elatvamete secllo paa la estmacó de l que o exja gades equemetos computacoales. Co las suposcoes hechas se platea e pme luga u pocedmeto de máxma veosmltud MV), que es ua extesó del popuesto po Coad 976), peo co dsttos veles de stock paa cada peíodo, pues la dstbudoa se ve fozada a coloca e u msmo puto de veta dfeetes catdades de ejemplaes paa cada peíodo, ya que, po azoes descoocdas paa la dstbudoa, la edtoal sumsta paa cada úmeo catdades globales que vaía sesblemete. Como señala Lau y Lau 996), este pocedmeto es apopado cuado las obsevacoes del lado zquedo coocdo epeseta u sustacal pocetaje más del 60%) de la dstbucó de demada completa, lo que suele ocu, como se ha señalado más aba, e las dstbudoas de pesa. Como alteatva al método MV se peseta posteomete u método apoxmado MA) basado e la estmacó de la demada satsfecha espeada. Otos métodos de estmacó, como el plateado po Lau y Lau 996), o esulta aplcables e el caso pesete pues, ete otas cosas, exge que los putos de veta apote peódcamete datos de vetas duate el peíodo coespodete, algo páctcamete mposble, pues los quoscos de pesa so ajeos a la empesa dstbudoa. 2. ESIMACIÓN POR MÁXIMA VEROSIMILIUD Se defe: Etoces, D t Demada e el peíodo t S t Vetas e el peíodo t I t Stock dspoble paa el peíodo t S t md t,i t ) D t S t s S t < I t D t S t s S t I t Los datos de patda, coespodetes a peíodos, so: Vetas S S 2... S S + S +2 S Stock dspoble I I 2... I I + I +2 I Cuado S < I,2,...,) S es u vedadeo eflejo de la demada, peo cuado S I +,...,) S subestma la vedadea demada. Los datos o sgue ecesaamete u 2
3 ode coológco, lo que o mplca pédda de geealdad ya que se supoe que la demada es depedete del tempo. Cosdeado que la dstbucó teóca de demada es Posso de paámeto l, la fucó de veosmltud de la muesta seá es dec, S x e e L ) S! x I x! + log L ) log. S + cte. + log + x I x e x! Devado especto de l e gualado a ceo se obtee la ecuacó de estmacó: x x x e e x I x! x! S + x e x! + x I x e x I x )! S + x ) 0 + e x! x I S defmos A x e P ; ) 0; P A; ) A 0) x 0 x! podemos escb [] e la foma [] PI 2; ) 0 ; ) [2] S + + PI Paa obtee l debe se esuelta umécamete la ecuacó [2]. Como etoces po lo que y, po tato, PI 2; ) >, PI ; ) + PI 2; ) > PI ; ), S + ) < 0 3
4 S S < > E patcula, s, o sea s o hay datos cesuados, el estmado MV de l es S 0; ˆ S x Ejemplo : A pat de los datos de la tabla estma l. Vetas Stock dspoble Susttuyedo estos valoes e la ecuacó [2] se tee P; ) P9; ) P2; ) P0; ) Resolvedo la ecuacó ateo co Mathematca se obtee ˆ 8, MÉODO APROXIMADO DE ESIMACIÓN Como alteatva al método de máxma veosmltud se peseta u método apoxmado MA) de estmacó del paámeto l, basado e la estmacó de la demada satsfecha espeada. La dea cetal es smla a la que subyace e los métodos de Bell 98) y Wecke 978). Estos autoes popoe sedos pocedmetos e los que, a pat de la demada espeada codcoada po el hecho de que ésta es mayo o gual que el stock dspoble paa los peíodos co datos cesuados), se va actualzado los paámetos de la dstbucó de demada. La dfeeca co el método pesetado aquí es que éste sve paa estma el paámeto y e los mecoados más aba se debe cooce a po, pecsamete, el valo de ese paámeto. Sea N la vaable aleatoa que epeseta la demada satsfecha e u peíodo +,...,) e el que S I ; es dec, u peíodo e el que o se puede satsface la demada de alguos cletes po habese agotado el stock dspoble. La fucó de pobabldad de N seá PN k) PD I + k D I ) I + k e I + k I + k)! x e k e PI ; ) I + k)! x I x! ; 0,,... La demada satsfecha espeada seá 4
5 I + k EN [ ] ke PI ; ) I + k)! k 0 Hacedo I +ku, se tee EN [ ] u I ) e u PI ; ) u I u! u u e I e PI ; ) u I u )!! u I u [ PI 2; ) ] I [ PI ; ) ] PI ; ) [ PI ; ) + PI ; ) PI 2; ) ] I [ PI ; ) ] PI ; ) y como etoces [ PI ; ) PI 2; ) ] I [ PI ; ) PI ; ) ] I [ P I; ) P I ; ) ] I [ P I ; ) ] EN [ ] + PI ; ) I PI ; ) PI ; ) [3] Patedo de la expesó ateo el método apoxmado MA) pocede como sgue: S - Paso : Se calcula y e [3] se susttuye l po l. Se obtee así ua pmea apoxmacó de la demada satsfecha espeada, N, paa +,...,. - Paso 2: Se ecalcula las vetas paa los peíodos co stockout: S2 S + N, +,... S + S2 + - Paso 3: Se obtee 2. - Paso 4: Se epte la seguda pate del paso susttuyedo e la expesó [3] l po l 2. De este modo se obtee ua seguda apoxmacó de la demada satsfecha espeada, N 2, paa +,...,. - Paso 5: Se epte el paso 2: S3 S + N 2, +,... - Paso 6: Se obtee falmete ua estmacó apoxmada del paámeto l eptedo el paso 3: 3 S + + S 3 5
6 Ejemplo 2: Se aplca a cotuacó el método apoxmado MA) a los datos del ejemplo. - Paso : 34/56,8; P3;6,8) N6 6,8 3 0,794; aálogamete, N7 0,995. P2;6,8) - Paso 2: S ,794 3,794; S72 + 0,995, Paso 3: ,794 +,995) / 7 8,54. P3;8,54) - Paso 4: N62 8,54 3,58; N72, 478. P2;8,54) - Paso 5: S63 3+,58 4,58; S73 +, 478 2, Paso 6: ,58+ 2, 478) / 7 8, 662, valo que se apoxma bastate al obtedo po el método de máxma veosmltud: 8, COMPARACIÓN ENRE LOS MÉODOS MV Y MA Co objeto de compaa los métodos MV y MA se ha utlzado datos de vetas de ua evsta mesual dedcada al mudo del ce paa la que las vetas puede cosdease estacoaas. Se dspoe de datos eales de uos 700 putos de veta de la povca de Bzkaa, de los que se ha tomado al aza ua muesta de tamaño 37. Después de elma 37 putos e los que o había datos sufcetes quoscos que cea e veao, otos que deja de vede la publcacó, etc.) se obtee los esultados de la tabla. Las vaables mv y ma so las estmacoes de l popocoadas po el método de máxma veosmltud y po el método apoxmado, espectvamete. La vaable df es ma mv)/ mv e tato po ceto, y stockout es la popocó de datos cesuados o tasa de peíodos fuea de stock). Como se ve e la tabla 2, e el 90% de los casos la tasa de stockouts es meo del 30% stockouts fecuetes). Co objeto de aalza la flueca del úmeo de datos dspobles sobe las estmacoes, e uos putos se ha usado datos de 2 peíodos y e otos de 24. E todos los casos se ha costatado el ajuste del lado zquedo de la dstbucó empíca a ua dstbucó teóca de Posso. 6
7 puto mv ma df pe stockout puto mv ma df pe stockout,054,048-0,6% 2 25,00% 5 2,470 2,469-0,04% 24 2,50% 2 0,265 0,265 0,00% 2 8,33% 52 3,493 3,489-0,% 24 20,83% 3 3,90 3,895-0,5% 2 25,00% 53 3,92 3,90-0,05% 24 6,67% 4 8,968,82-0,08% 2 25,00% 54 9,757 9,757 0,00% 24 8,33% 5 0,828 0,827-0,8% 2 6,67% 55 0,5200,56-0,04% 24 2,50% 6 9,089 9,087-0,02% 2 6,67% 56,229,228-0,0% 24 8,33% 7 29,5229,57-0,0% 2 6,67% 57 2,953 2,95-0,07% 24 6,67% 8 2,420 2,48-0,08% 2 25,00% 58 25,725,7 0,00% 24 4,7% 9 8,538,50-0,02% 2 6,67% 59 3,944 3,930-0,35% 24 29,7% 0 8,688,65-0,02% 2 6,67% 60 2,233 2,232-0,04% 24 2,50% 3,89 3,889-0,05% 2 6,67% 6 3,767 3,767 0,00% 24 2,50% 2 6,382 6,382 0,00% 2 8,33% 62 9,284 9,283-0,0% 24 2,50% 3 3,66 3,642-0,52% 2 33,33% 63 0,750,75 0,00% 24 8,33% 4 4,80 4,794-0,5% 2 25,00% 64 3,327 3,327 0,00% 24 4,7% 5 2,667 2,667 0,00% 2 0,00% 65 2,390 2,390 0,00% 24 2,50% 6,78,779-0,% 2 6,67% 66,67,66-0,06% 24 2,50% 7,083,083 0,00% 2 0,00% 67 8,320 8,39-0,0% 24 2,50% 8 7,26 7,243-0,25% 2 33,33% 68 2,354 2,35-0,3% 24 20,83% 9 22,022,07-0,0% 2 6,67% 69,472,470-0,4% 24 6,67% 20,952,939-0,67% 2 25,00% 70 7,38 7,38 0,00% 24 8,33% 2,294,292-0,02% 2 6,67% 7,898,879 -,00% 24 33,33% 22 4,283 4,267-0,37% 2 33,33% 72 0,62 0,6-0,6% 24 2,50% 23 7,685 7,685 0,00% 2 8,33% 73,05,00-0,45% 24 25,00% 24 2,2 2,20-0,05% 2 6,67% 74 6,7826,777-0,03% 24 20,83% 25,437,433-0,03% 2 6,67% 75,77,6 -,37% 24 33,33% 26 8,7958,793-0,0% 2 6,67% 76 0,59 0,590-0,22% 24 6,67% 27 2,374 2,356-0,76% 2 33,33% 77 7,937 7,937 0,00% 24 4,7% 28 8,60 8,608-0,02% 2 6,67% 78 0,42 0,40-0,40% 24 6,67% 29,07,069-0,9% 2 6,67% 79 3,447 3,447 0,00% 24 4,7% 30 8,0298,025-0,02% 2 6,67% 80,,05-0,54% 24 25,00% 3,665,659-0,36% 2 25,00% 8 20,92220,99-0,0% 24 6,67% 32,540,540 0,00% 2 8,33% 82 3,00 3,00 0,00% 24 2,50% 33 5,723 5,723 0,00% 2 8,33% 83 9,22 9,6-0,07% 24 20,83% 34 7,443 7,440-0,04% 2 6,67% 84 0,737 0,737-0,02% 24 8,33% 35 2,583 2,583 0,00% 2 0,00% 85 7,980 7,980 0,00% 24 8,33% 36 0,703 0,688-2,3% 2 33,33% 86,6,4-0,7% 24 6,67% 37 3,9063,904-0,0% 2 6,67% 87 2,533 2,53-0,08% 24 6,67% 38 2,625 2,625 0,00% 2 8,33% 88 4,768 4,760-0,7% 24 25,00% 39 2,990 2,94-2,54% 2 50,00% 89,06,005 -,08% 24 29,7% 40 6,050 6,04-0,5% 2 25,00% 90 0,0890,089 0,00% 24 8,33% 4 4,97 4,97 0,00% 2 0,00% 9 2,6942,693-0,0% 24 2,50% 42 4,64 4,64 0,00% 2 8,33% 92 9,588 9,588 0,00% 24 4,7% 43 0,666 0,660-0,90% 2 25,00% 93 4,93 4,909-0,08% 24 20,83% 44 2,95 2,58 -,69% 2 4,67% 94,635,634-0,06% 24 8,33% 45,942,940-0,0% 2 6,67% 95 2,670 2,666-0,5% 24 20,83% 46 3,250 3,250 0,00% 2 0,00% 96 2,23 2,209-0,8% 24 20,83% 47,857,823 -,83% 2 4,67% 97,40,397-0,29% 24 20,83% 48 2,25 2,245-0,27% 2 25,00% 98 3,52 3,50-0,06% 24 6,67% 49 0,998 0,996-0,20% 2 6,67% 99 3,000 2,998-0,07% 24 2,50% 50 2,905 2,905 0,00% 2 8,33% 00,646,635-0,67% 24 29,7% abla 7
8 stockout e %fecuecafecueca acumulada [0,5] ,30] ,45] ,60] 00 60,75] ,00] abla 2 E la tabla 3 y e la fgua se obseva la dstbucó de la vaable df. Como se puede advet, e más del 90% de los casos el valo absoluto de esta vaable es meo del 0,8%. df e % fecuecafecueca acumulada [-3,-] 7 7 -,-0.8] 8-0.8,-0.6] 3-0.6,-0.4] ,-0.2] ,0] abla 3 Hstogam of df Desty df Fgua Co objeto de cotasta s exste dfeecas sgfcatvas ete los valoes de la vaable df paa 2 y 24 peíodos, se ha efectuado u test de Wlcoxo, cuyo esultado o pemte coclu la exsteca de tales dfeecas, algo que queda també patete e los dagamas box-plot co muescas de la fgua 2. 8
9 dfeeca e % peíodos Fgua 2 E la fgua 3 se epeseta el dagama de dspesó ete las vaables df y stockout. El gáfco sugee ua ceta coelacó ete ambas vaables, de modo que cuato mayo es el vel de stockout mayo es la dscepaca ete el método apoxmado y la estmacó MV, s be tal dscepaca es feo al % cas e la páctca totaldad de los casos e los que el vel de cesua es meo del 30%. df stockout Fgua 3 9
10 5. CONCLUSIONES Como se deduce de la pueba pesetada e el apatado ateo, ambos métodos, MV y MA, poduce esultados páctcamete détcos. La dfeeca máxma ete ambos o excede e gú caso el 2,54% e valo absoluto, y e el 90% de los casos es meo del 0,8%. Además, paece o tee flueca sgfcatva e esa dfeeca la catdad de datos empleada e la estmacó, tampoco el vel de stockout, sempe que éste sea elatvamete bajo meos del 30%). E cuato a su puesta e páctca, ambos métodos dfee otablemete. E el método MV se ecesta esolve umécamete ua ecuacó paa cada uo de los putos, lo cual puede sgfca u alto equemeto de softwae y de tempo de cómputo. El método MA, po el cotao, es mucho más secllo de mplemeta, pues basta ua smple hoja de cálculo. Este pocedmeto, o ua vaate suya, seía todavía más vetajoso e el caso de publcacoes daas, po la medatez exgda e la estmacó de la demada. BIBLIOGRAFÍA BELL P. 98): Adaptatve sales foecastg wth may stockouts. Joual of the Opeatoal Reseach Socety 32, CONRAD S.A. 976): Sales data ad the estmato of demad. Opeatoal Reseach Quately 27, LAU H.-S y LAU A.H.-L. 996): Estmatg the demad dstbutos of sglepeod tems havg fequet stockouts. Euopea Joual of Opeatoal Reseach, 92, WECKER W. 978): Pedctg demad fom sales data the pesece of stockouts. Maagemet Scece 24,
Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II
Uvesdad Técca Fedeco Sata Maía Uvesdad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-80 Capítulo Aálss de datos (Bvaados( Bvaados) Estadístca Computacoal I Semeste 006 Pate II Poesoes: Calos Valle (cvalle@.utsm.cl)
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejeccos de Selectvdad sobe Ifeeca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Facsco Roldá López de Heo * Covocatoa de 007 Las sguetes págas cotee las solucoes de los
Más detallesSe entiende por sistema de fuerzas a un conjunto de fuerzas como se indica
CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes
Más detalles8- Estimación puntual
Pate stmacó putual Pof. Maía B. Ptaell 8- stmacó putual 8. Itoduccó Supogamos la sguete stuacó: e ua fábca se poduce atículos el teés está e la poduccó de u día específcamete de todos los atículos poducdos
Más detallesEn cualquier punto donde coloquemos nuestra segunda carga, su posición podrá darse con un vector de posición que cumple:
CAMPO LCTRICO Cosdeemos e pcpo ua stuacó deal: l Uveso está vacío y o exste ada supogamos ue e el ceto de ese Uveso colocamos ua caga putual podemos pegutaos: Sufe algú cambo el Uveso? S o exste ota caga
Más detallesEvento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro).
I. INTRODUION. oceptos báscos xpemeto: Ua stuacó que da luga a u esultado detfcable. muchos estudos cetífcos os efetamos co expemetos que so epettvos po atualeza o que puede se cocebdos como epettvos.
Más detallesMEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS
Julo Olva Coteo Estadístca TEMA 6 MEDIDA DE FORMA: AIMETRÍA Y CURTOI. MOMETO. Moetos de ua dstbucó Los oetos de ua dstbucó so eddas obtedas a pat de todos sus datos y de sus fecuecas absolutas. Estas eddas
Más detallesMANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente
ANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA 35 ANEXO A5 PROPAGACIÓN DE ERRORES Ramo abello Péez Escuela de Geocecas y edo Ambete 36 ANEXO 5 A5 PROPAGACIÓN DE ERRORES Tomado de la Ref. [0] Las magtudes
Más detallesESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA
ESTUDIO CIS º 3020 CIUDADAÍA ISSP FICA TÉCICA Ámbto: acoal cludas las Cudades Autóomas de Ceuta y Mellla. Uveso: Poblacó esdete de ambos sexos de 8 años y más. Maco: Padó Mucpal de abtates a de eeo de
Más detallesDivisión de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca paa Améca Lata y el Cabe (CEPAL Dvsó de Estadístcas y Poyeccoes Ecoómcas (DEPE Ceto de Poyeccoes Ecoómcas (CPE Modelo Clásco de Regesó Alguos Temas Complemetaos Chsta A. utado Navao Mayo,
Más detalles3.5 Factores y Coeficientes de Forma
Autoes: Patco Covalá Vea Jame eáez Palma 3.5 Factoes y Coecetes e Foma A es el slo XIX, Towa esaolla la ea e los actoes e oma como ua espuesta a las cultaes suas el uso e los sólos e evolucó. La ea e Towa
Más detallesTEMA 6 VALORACIÓN FINANCIERA DE RENTAS (III)
Facultad de.ee. Dpto. de Ecooía Facea I Dapostva Mateátca Facea TEMA 6 VALORAIÓN FINANIERA DE RENTAS III. Faccoaeto atétco y faceo de ua eta 2. Retas faccoadas 3. Retas cotuas Facultad de.ee. Dpto. de
Más detallesMatemáticas Aplicadas CC. SS. I -- I. E. S. Sabinar
Matemátcas Aplcadas. SS. I -- I. E. S. Saba MATEMÁTIAS INANIERAS EN 1º BTO.. SS. 1. PORENTAJES 1.1 Aumetos y dsmucoes pocetuales. Ídce de vaacó 1.2 Aumetos y dsmucoes pocetuales ecadeados. Ídce de vaacó
Más detalles5. Estimación puntual. Curso Estadística
5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de
Más detalles5. Estimación puntual. Curso Estadística
5. stmacó utual Cuso 0-0 stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes
Más detallesy. Diferenciando la primera condición en (1) con respecto a x, la segunda respecto a y y sumando obtenemos
Sceta et Techca Año XIII, No 34, Mayo de 7 Uvesdad Tecológca de Peea ISSN -7 55 EL ESTUDIO DE ALGUNAS PROPIEDADES DE LAS FUNCIONES ARMÓNICAS PARA EL PROBLEMA DE DIRICHLET DE LA ECUACIÓN DE LAPLACE RESUMEN
Más detallesEstadística Tema 9. Modelos de distribuciones. Pág. 1
Estadístca Tema 9. Modelos de dstbucoes. Pág. 9 Modelos de dstbucoes. 9. Modelos dscetos de vaables aleatoas. 9.. Epemetos y dstbucó de Beoull. 9.. Dstbucó bomal. 9.. Dstbucó ufome dsceta. 9.. Dstbucó
Más detallesSOLUCIÓN: cara. sale. Sea X i = cruz. sale. 1 p = ; con ello 2
Hojas de oblemas Estadístca VI. Calcula el úmeo de veces que se debe laa ua moeda de maea que se tega ua pobabldad supeo a 9 de que el cocete ete el úmeo de caas y el de laametos esté compeddo ete y 6.
Más detallesVariables aleatorias
Vaables aleatoas M. e A. Vícto D. Plla Moá Facultad de Igeeía, UNAM Resume El cocepto de vaable aleatoa como abstaccó de u eveto aleatoo y su defcó. vaable aleatoa dsceta: fucó de pobabldad, sus popedades
Más detallesESTUDIO CIS Nº Encuesta a población inmigrante (Immigrant Citizens Survey 1 )
ESTUDIO CIS Nº 293 Ecuesta a poblacó mgate (Immgat Ctzes Suvey ) FICHA TÉCNICA Ámbto: Mucpos de Baceloa y Madd. Uveso: Poblacó de 5 años y más, acda e países extaeos dsttos a los estados membos de la UE-
Más detallesTEMA: ANALISIS DE VELOCIDADES.
álss de velocdades. TEM: NISIS DE EOCIDDES. - INTRODUCCION. - NISIS GRFICO DE EOCIDDES..- olígoo de velocdades: método de las velocdades elatvas...- plcacó a ógaos deslzates...- Otos casos..- Método de
Más detallesOPTICA REFLEXIÓN Y REFRACCIÓN
OPTICA REFLEXIÓN Y REFRACCIÓN IES La Magdalea. Avlés. Astuas La eflexó se poduce cuado ua oda ecueta ua supefce cota la cual ebota. E la eflexó el ayo cdete y el eflejado se popaga e el msmo medo. La velocdad
Más detallesREVISTA INVESTIGACIÓN OPERACIONAL Vol. 27, No. 2, , 2006
REVISTA INVESTIGACIÓN OPERACIONAL Vol. 7, No., 7-83, 006 ESTUDIO DE LAS APROXIACIONES A LOS PROEDIOS ÓVILES Y LAS VOLATILIDADES EXPONENCIALES * Eduado Pza Volo y Jave Tejos, CIPA, Uvesdad de Costa Rca
Más detallesSantiago de la Fuente Fernández. Regresión Lineal Múltiple
atago de la Fuete Feádez egesó Leal Múltple atago de la Fuete Feádez egesó Leal Múltple EGEIÓN LINEAL MÚLTIPLE egesó Leal Múltple Las téccas de egesó leal múltple pate de (k+) vaables cuattatvas, sedo
Más detallesCapítulo 2: ANÁLISIS ESTADÍSTICO
Capítulo : ANÁLISIS ESTADÍSTICO El aálss estadístco es todo el poceso de ogazacó, pocesameto, educcó e tepetacó de datos paa ealza eecas. Recodemos que los datos se tasomaá e omacó útl paa la toma de decsoes,
Más detallesTEMA 2 MEDIDAS DE CENTRALIZACIÓN
D37 ESTADÍSTICA. Tema TEMA MEDIDAS DE CETRALIZACIÓ. Caacteístcas de las meddas de poscó cetal.. Meddas de cetalzacó: meda atmétca, medaa y moda. Popedades. Relacó ete meda, medaa y moda..3 Cuatles: cuatles,
Más detallesLa 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 detallesPROBLEMAS DE ÓPTICA. FÍSICA 2 BACHILLERATO. Profesor: Félix Muñoz Jiménez
PROBEMS DE ÓPTIC. FÍSIC BCHIERTO. Pofeo: Félx Muñoz Jméez Poblema º Calcula el ídce de efaccó elatvo del vdo al acete. Halla la velocdad de popagacó y la logtud de oda, e el acete y e el vdo de u ayo de
Más detallesEspacio Euclídeo real n-dimensional TEOREMA DE WEIERSTRASS
Espaco Euclídeo eal -desoal TEOREMA DE WEERSTRASS Se geealza peaete a R el pcpo de ecaje de ato e R que es el stueto paa deosta el teoea del puto de acuulacó o de Bolzao- Weestass del que se deduce el
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía
ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.
Más detallesIntensificación 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 detallesEL TEOREMA EGREGIUM. Introducción
CARLOS S CHIEA EL TEOREMA EGREGIUM DE GAUSS Itoduccó Joha Ca Fedch Gauss (30 de ab de 777 3 de febeo de 855) e sus Dsqustoes eeaes cca supefces cuvas de 88 expoe e teoea coocdo coo eeo Eeu que ha tedo
Más detallesMEJORAMIENTO DE ÍNDICES DE CONFIABILIDAD MEDIANTE LA OPTIMIZACIÓN DE RECURSOS EN REDES DE DISTRIBUCIÓN
XIX Joadas e Igeeía Eléctca y Electóca MEJORAMIENTO DE ÍNDIES DE ONFIABILIDAD MEDIANTE LA OPTIMIZAIÓN DE REURSOS EN REDES DE DISTRIBUIÓN Olalla Meo Wom, Ig. Oeuela Lua Vícto, Ig. Escuela Poltécca Nacoal
Más detallesx 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 detallesCurso 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 detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesTEMA 5 SISTEMAS DE N GRADOS DE LIBERTAD. Sistemas de N Grados de Libertad
Sstemas de N Gados de Lbetad ELEMENTOS DE MÁQUINAS Y VIBRACIONES - 5. - ELEMENTOS DE MÁQUINAS Y VIBRACIONES - 5. - 5. Plateameto matcal Se va a extede los esultados de gdl al caso geeal de N gdl. El estudo
Más detallesDivisión 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 detallesInforme Técnico / Technical Report
DEPRTMENTO DE SISTEMS INFORMÁTICOS Y COMPUTCIÓN UNIVERSIDD POITÉCNIC DE VENCI PO Box: E-467 Valeca (SPIN) Ifome Técco / Techcal Repot Ref No: DSIC-II/5/6 Pages: 4 Ttle: Fucoes de Matces utho (s): Vcete
Más detallesCAPÍTULO 6 TEOREMAS ENERGÉTICOS
CPÍTULO 6 TEORES ENERGÉTICOS L ENERGÍ ELÁSTIC EXPRESD EN UNCIÓN DE LS CRGS PLICDS Hasta ahoa, habíamos utlao la sguete epesó e la esa e eegía elástca: ( σ ε σ ε σ ε τ γ τ γ τ γ ) ω Que, tegaa a lo lago
Más detallesDISEÑO DE SISTEMAS BONUS-MALUS EN EL CASO TRANSITORIO
DISEÑO DE SISTAS BONUS-MALUS EN EL CASO TRANSITORIO Atoo Heas Matíez, José A. Gl Faa y José L. Vla Zaó Resume.- A la hoa de dseña u sstema bous-malus o paece adecuado cosdea sólo sus caacteístcas ua vez
Más detallesRespuesta. 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 detallesConsideremos una lista p (l), p (2), p (3),... de proposiciones con índices en P. Todas las proposiciones p(n) son verdaderas a condición de que:
INTRODUCCION S estamos ete matemátcos, la palaba duccó os sugee el Pcpo de Iduccó Matemátca: S ua popedad vale paa 0 y s sempe que la popedad vale paa u úmeo (atual) vale paa su suceso, etoces la popedad
Más detallesCÁLCULO 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 detallesInterpolación polinómica.
5 Iterpolacó polómca Itroduccó E muchas ocasoes e dferetes ramas de la geería, a la hora de resolver u problema, los datos de que se dspoe se ecuetra e tablas, como por ejemplo tablas estadístcas E la
Más detallesFundamentos de Estadística:
Fudametos de Estadístca: Resúmees. A. Roeto Espeo Mohedao. Atuo Gallego egado. TEMA : Itoduccó a la Estadístca. La Estadístca las estadístcas. Defcó de Estadístca: o Estadístca Descptva. o Estadístca Matemátca
Más detallesel blog de mate de aida MATEMÁTICAS I. Números complejos. Pág. 1 Diofanto, un adelantado a su época.
el blog de mate de aida MATEMÁTICAS I. Númeos complejos. Pág. 1 AMPLIACIÓN DEL CAMPO NUMÉRICO Diofato, u adelatado a su época. Este tiágulo está costuido co ua cueda e la que se ha ealizado doce udos a
Más detalles2. 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 detallesMétodo Matemático para las Series Uniformes o Anualidades
Mg Mao Aoo Plaza Vdaue Méodo Maemáo paa las Sees Ufomes o Aualdades E el pesee doumeo ulzaemos es méodos paa halla las fómulas que se ulza paa efeua álulos faeos e las aualdades vedas Pmeo se hallaá la
Más detallesFUNDAMENTOS FÍSICOS Y TECNOLÓGICOS DE LA INFORMÁTICA
FUNDAMENTOS FÍSIOS Y TENOLÓGIOS DE LA INFORMÁTIA TEMA I.- ELETROSTÁTIA FUNDAMENTOS FÍSIOS Y TENOLÓGIO DE LA INFORMÁTIA Tema.ELETROSTÁTIA- Tecología de omputadoes-datsi-fi-upm-madd - M. A. Pascual Iglesas
Más detallesAYUDAS GRAFICAS CARTA DE SMITH Y APLICACIONES
7 CAPITULO 4 AYUDAS GRAFICAS CARTA DE SMITH Y APLICACIONES Existe vaios métodos de ayudas gáficas paa el diseño, acople y solució de poblemas e líeas de tasmisió, que ha ido evolucioado co el tiempo. Keell
Más detallesPRÁCTICA 2. LEY DE LA REFRACCIÓN. Medida del índice de refracción de una lámina de vidrio
Coodnacón EVAU. Páctcas cuso 2017-18 P2 Objetvo: Detemna el índce de efaccón de un vdo. Fundamento: PRÁCTICA 2. LEY DE LA REFRACCIÓN. Medda del índce de efaccón de una lámna de vdo La ley de la efaccón,
Más detallesFacultad de Ingeniería
Facultad de Igeería Escuela de Igeería Idustral y Estadístca Curso: Sstemas de Almaceameto e Ivetaros INTODUCCIÓN AL CONTOL DE INVENTAIOS DE ÍTEMS EN FOMA CONJUNTA Profesor: Julo César Lodoño O Cotrol
Más detallesQué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN
Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas
Más detallesRELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el
Más detallesCapitulo III. III 1. Análisis cinemático de mecanismos. Métodos gráficos. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica
Uvesdad de Caaba epaameo de Ig. Esucual ecáca Capulo III III 1. álss cemáco de mecasmos. éodos gáfcos. Cemáca ámca de áquas. III.1 álss cemáco de mecasmos. éodos gáfcos. Uvesdad de Caaba epaameo de Ig.
Más detallesFUNDAMENTOS DE LA TEORÍA DE LA
Pepaado po Iee Paticia Valdez y lfao eptiembe 2006 Coceptos pevios FCULTD DE INGENIERÍ U N M PROBBILIDD Y ETDÍTIC Iee Paticia Valdez y lfao ieev@sevido.uam.mx FUNDMENTO DE L TEORÍ DE L PROBBILIDD CONCEPTO
Más detallesMUESTREO 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 detallesTema 5 Modos de convergencias de sucesiones de variables aleatorias
Tema 5 Modos de covegecias de sucesioes de vaiables aleatoias Itoducció Cuado se cosidea sucesioes y seies de vaiables aleatoias, es deci, sucesioes y seies de fucioes medibles, su covegecia puede se cosideada
Más detallesn 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 detallesEstimación de observaciones faltantes mediante la media aritmética y su efecto en el análisis de componentes principales
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULAD DE CIENCIAS MAEMÁICAS EAP DE ESADÍSICA Estmacó de obseacoes faltates medate la meda atmétca y su efecto e el aálss de compoetes pcpales ESIS Paa opta el
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesTema 7. Regresión Lineal
Análss de Datos I Esquema del Tema 7 Tema 7. Regesón Lneal 1. INTRODUCCIÓN. IDENTIFICACIÓN DEL MODELO 3. VALORACIÓN DEL MODELO Coefcente de detemnacón Descomposcón de la vaanza del cteo. APLICACIÓN DEL
Más detallesUNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1
ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua
Más detallesNombre del estudiante:
UNIVERSIDAD DE OSTA RIA ESUELA DE IENIAS DE LA OPUTAIÓN E INFORÁTIA I-0 ESTRUTURAS DISRETAS PROF. KRYSIA DAVIANA RAÍREZ BENAVIDES II Semeste 06 Fecha: /09/06 SOLUIÓN EXAEN PARIAL I Nombe del estudiate:
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detalles1.1 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 detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detalles1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.
Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:
Más detallesESTIMACION DEL HIDROGRAMA UNITARIO. ESTUDIO COMPARATIVO DE CUATRO METODOS LINEALES
ESTIMACION DEL HIDROGRAMA NITARIO ESTDIO COMARATIVO DE CATRO METODOS LINEALES José Lus Ayuso, Adolfo eña y M a la Motesos Aea de oyectos de Igeeía ETS Igeeos Agóoos y de Motes vesdad de Códoba RESMEN:
Más detallesREGRESIÓN 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(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 detallesCAPITULO 9 Diseño de Reactores no Isotérmicos
Dseño de Reactoes o Isotémcos PIULO 9 Dseño de Reactoes o Isotémcos 9.. IRODUIÓ Hasta ahoa hemos vsto los balaces de masa, elacoes estequométcas y velocdad de eaccó, elemetos que os ha pemtdo el dseño
Más detallesUNIDAD 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 detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesFEM-OF: EDP Elíptica de 2 Orden
9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk
Más detalles±. C inicial = C inicial. Índice de variación
Aitmética mecatil: coteidos 2.1 Aumetos y dismiucioes pocetuales 2.2 Iteeses bacaios 2.3 Tasa aual equivalete ( T.A.E.) 2.4 Amotizació de péstamos 2.5 Pogesioes geométicas 2.6 Aualidades Pocetajes: C fial
Más detallesMEDIDAS 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 detallesPyE_ EF1_TIPO2_
SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos
Más detalles1. ESPACIOS VECTORIALES
Espacios Vectoiales Heamietas ifomáticas paa el igeieo e el estudio del algeba lieal. ESPACIOS VECTORIALES.. ESTRUCTURA DE ESPACIO VECTORIAL... Defiició..2. Ejemplos de espacios vectoiales..3. Popiedades
Más detallesReflexión y Refracción
eflexón y efaccón Unvesdad de Pueto co ecnto Unvestao de Mayagüez Depatamento de Físca Actvdad de Laboatoo 8 La Ley de eflexón y La Ley de Snell Objetvos: 1. Detemna, paa una supefce eflectoa, la elacón
Más detallesOndas y Rotaciones. Dinámica de las Rotaciones III
Hoja de Tabajo Odas y Rotacoes Dáca de las Rotacoes Jae Felcao Heádez Uesdad Autóoa Metopoltaa - ztapalapa Méxco, D. F. 5 de agosto de 0 NTRODUCCÓN. Cosdeeos ua patícula de asa y cuya poscó (especto a
Más detallesLa Metodología de la Verosimilitud Empírica
La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la
Más detallesUnidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:
Udad 6 Aualdades atcpadas Objetvos Al falzar la udad, el alumo: Calculará el moto producdo por ua aualdad atcpada. Calculará el valor presete de ua aualdad atcpada. Calculará el valor de la reta de ua
Más detallesLas anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:
Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada
Más detallesV 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 detallesERRORES 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 detallesElectrostática: Definición.
lectomagetsmo Cuso /3 lectostátca efcó Los coductoes e electostátca. Campo de ua caga putual. Aplcacoes de la Ley de Gauss Itegales de supeposcó paa el campo eléctco. Potecal electostátco. efcó e Itepetacó.
Más detallesESTUDIO DE LA CONSISTENCIA
6. ESTUDIO DE LA COSISTECIA 76 Caítulo 6 ESTUDIO DE LA COSISTECIA 6.. DESARROLLOS DE TAYLOR. Este caítulo tee coo obeto eseta u ocedeto de aálss geéco aa el estudo de la cossteca. Este ocedeto os ayudaá
Más detallesAlgunas series e integrales con funciones trigonométricas
Revst Tecocetífc URU Uvesdd Rfel Udet Fcultd de Igeeí Nº Julo - Dcembe ISSN: 44-775X / Depósto legl pp ZU86 Algus sees e tegles co fucoes tgoométcs Alfedo Vlllobos y Gley Gcí Uvesdd del Zul. Fcultd de
Más detallesPARÁMETROS 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 detalles1.2. Medidas de Concentración
.. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó
Más detallesAplicación 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 detallesIMPOSICIÓN Y EQUIVALENCIA RICARDIANA EN UNA ECONOMÍA DE DOS PERIODOS
IMPOSICIÓN Y EQUIVALENCIA RICARDIANA EN UNA ECONOMÍA DE DOS PERIODOS Sea el siguiente poblema de un hoga epesentativo en una economía de dos peiodos, en la que los hogaes son gavados con impuestos de suma
Más detalles3 = =. 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 detallesElectrostática: Definición.
lectcdad y Magetsmo / lectostátca efcó Los coductoes e electostátca. Campo de ua caga putual. Aplcacoes de la Ley de Gauss Itegales de supeposcó. Potecal electostátco. efcó e Itepetacó. cuacoes de Posso
Más detalles6. CAPM: Capital Asset Pricing Model IN56A
6. CA: Captal Asset cng odel IN56A Otoño 009 Gonzalo atuana F. Recuedo cap. anteo Fontea de Invesón (Ecente) 5% 4% ed pestado Retono Espeado 3% % % 0% 9% esta 8% 7% 6% 0% 5% 0% 5% 0% 5% 30% 35% 40% 45%
Más detalles