Posible solución del examen de Investigación Operativa de Sistemas de septiembre de 2011
|
|
|
- Carmen Santos Cuenca
- hace 5 años
- Vistas:
Transcripción
1 Posble solucó del exame de Ivestgacó Oeratva de Sstemas de setembre de 2 Problema : ( utos Dos bolas blacas está colocadas e ua mesa al lado de ua bolsa que cotee ua bola blaca y dos egras. Reteradamete se extrae ua bola de la bolsa que se coloca a derecha de las dos aterores y desués se devuelve a la bolsa la bola de la zquerda. Determar: a El dagrama de trascó de estados y la matrz de trascó de ua cadea de Markov que modele esta stuacó. b El úmero medo de bolas blacas que hay a la larga fuera de la bolsa. Solucó: Aartado a: Sabedo de qué color so las bolas que está fuera de la bolsa, odemos deducr las que hay detro. Por lo tato, los estados será de la forma ID, dode I es el color de la bola que está fuera y a la zquerda, y D es el color de la bola que está fuera y a la derecha. El couto de estados será: S{BB, BN, NB, NN}. a matrz de trascó corresodete es: / Q 2/ 2/ / 2/ / El dagrama de trascó de estados (DTE corresodete es el que sgue: / BB 2/ 2/ / BN 2/ / NN NB Aartado b: Como esta cadea de Markov es fta y ergódca, odemos afrmar que exste la dstrbucó estacoara. Debemos hallar dcha dstrbucó estacoara, ya que os drá qué robabldad hay de ecotrarse e cada estado (a la larga, y estas robabldades será
2 ecesaras ara hallar el úmero medo de bolas blacas fuera de la bolsa. Para calcular la dstrbucó estacoara, lateamos el sguete sstema de ecuacoes: BB BB BN T BN Q NB NB NN NN + + BB + BN NB NN El sstema uede resolverse, or eemlo, fado BB y ormalzado luego. a solucó fal del sstema es: BB ; ; ; BN NB NN o que os de es la eseraza de la varable aleatora cuyo valor es el úmero de bolas blacas fuera de la bolsa. Dcha eseraza será: Problema 2: ( utos [ Número de bolas blacas] E BB BN NB NN bolas 5 Ua emresa automovlístca debe establecer ua cadea de motae. a dsoscó de las máquas es como muestra la sguete fgura:,5,2 4 6, 2,8 5 El fabrcate os roorcoa el temo de esera (e mutos de cada sstema que forma la : W,5454 W 2 W 2,8574 W 4, W 5,78788 W 6,8882
3 a S cada muto que se esera e la (W le cuesta a la emresa euros, Cuál es la érdda total or cada vehículo que se mota e la exuesta? b S comramos ua máqua que susttuye la máqua que os cuesta 25 euros co 2. Obtedremos u mayor beefco e la emresa? Solucó: Aartado a: Segú el dagrama tedremos las sguetes etradas a la : γ,5 cletes/m, γ 2, cletes/m, {, 4, 5, 6}, γ Para hallar W ecestamos coocer, y a su vez ara ello ecestamos calcular los úmeros medos de trabaos ara cada odo. E rmer lugar hallaremos las tasas de llegadas a cada odo medate las ecuacoes de equlbro: γ,5 cletes/m 2 γ 2, cletes/m + 2,45 cletes/m 4,2,9 cletes/m 5,8,6 cletes/m ,45 cletes/m Alcamos el teorema de ttle a cada odo, W,88 cletes 2 2 W 2, cletes W,28574 cletes 4 4 W 4,28 cletes 5 5 W 5,664 cletes 6 6 W 6,8882 cletes W : Alcamos la ecuacó ara y osterormete la de W, e este últmo caso sabedo que γ + γ 2,45 cletes/m: Aartado b: 6 2,64459 cletes ; W 5,8765 m. a érdda or cada vehículo será de ( W 5876,5 Debemos recalcular W, teedo e cueta que el odo ha cambado su servdor. Utlzado las ecuacoes que aarece al fal del eucado obteemos el uevo valor del úmero medo de trabaos e el odo :
4 W q +,225 2 ( W q + +,292 trabaos Como hcmos e el aartado a, alcamos la ecuacó ara y osterormete la de W : 6, cletes; W,6647m. Nótese que los fluos etre odos o varía (las ecuacoes de equlbro o ha cambado. El coste total ahora será 25 + ( W 664,7. Así ues, la alteratva orgal (la del aartado a es la más beefcosa. Problema : (4 utos E u almacé de frutas hay 8 klogramos de araas, 8 klogramos de mazaas y 5 klogramos de uvas. Estas frutas se coverte e zumo de dos tos (A y B. Cada ltro de zumo to A se fabrca a artr de klogramo de araas, 2 klogramos de mazaas y klogramo de uvas y cada ltro de zumo to B se fabrca a artr de 2 klogramos de araas, klogramo de mazaas y klogramo de uvas. El beefco que se obtee co cada ltro de zumo to A es de,2 y co cada ltro de zumo to B de,4. Determar medate el método gráfco : a a catdad (e ltros de cada to de zumo que se debe fabrcar ara cosegur uos beefcos máxmos. b El valor de dchos beefcos máxmos. Solucó: Varables de decsó: x ltros de zumo to A que se fabrcará x 2 ltros de zumo to B que se fabrcará Restrccoes: x + 2 x x + x 2 8 x + x 2 5 x, x 2 Fucó obetvo que maxmzar: f(x, x 2,2 x +,4 x 2 El gráfco corresodete será:
5 Aartado a: os utos extremos más teresates so A(4,, B(,2 y C(2,. Se latea la duda de s será B la solucó ótma o be lo será C. Para saberlo hallamos los valores de la fucó obetvo e ambos utos: f(b,2 +, euros f(c,2 2 +,4 66 euros Se observa que el uto C es la solucó ótma úca de este roblema (x 2, x 2. Aartado b: El valor ótmo ya se calculó e el aartado ateror y es de 66 euros. FÓRMUAS DE TEORÍA DE COAS M/M/ ; ( ; q 2 e t / W t / W ; W ( t e q ( W t M/M/c ; c c c c +!( c c ( c! c c c! ( c!, s,,..., c ;, e otro caso q c c+ c c! ( 2
6 M/M/ y M/M/c W W q + ; q Wq ; W M/M//k ( ( k k +, s k + k + ;, s k k +, s 2 W W q + ; q efwq ; efw ; ef ( k Redes de Jackso abertas K K γ ; ; W ; V Redes de Jackso cerradas + ( m W( m ; c ( m m W ( m ; W( m * K * +, s ( m ( m ; ( W ( m
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
Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos)
Posble soluó del eame de Ivestgaó Operatva de Sstemas de septembre de 6 Problema : ( putos) U profesor rebe ua práta ada mañaa y la poe e ua pla. Por las tardes, o probabldad / orrge todas las prátas de
Solución del examen de Investigación Operativa de Sistemas de junio de 2006
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
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
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
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
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
Problemas de Polímeros. Química Física III
Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9
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,
Sistemas de Ecuaciones No Lineales
Matemátca Sueror alcada Sstemas de Ecuacoes No Leales Profesor: Dr. Alejadro S. M. Sata Cruz JTP: Dr. Jua Igaco Maassald Au. da: Sr. Alejadro Jesús Ladreyt Au. da: Sra. Amala Rueda Itroduccó Volvemos u
Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería en Informática
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería e Iformátca Mg. Ig. Susaa Valesberg Profesor Ttular MODELOS DE VARIABLE ALEATORIA DISCRETA SITUACIONES A RESOLVER I- El
POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2004.
POSBLE SOLUCÓN DEL EXAMEN DE NVESTGACÓN OPERATVA DE SSTEMAS DE JUNO DE 4. Problema (,5 utos): Ua máuia es iseccioada cada semaa ara comrobar si fucioa correctamete. El resultado de la isecció uede ser
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,
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
Posible solución del examen de Investigación Operativa de Sistemas de junio de 2005
Poble soluió del exame de Ivestigaió Oerativa de Sistemas de juio de Problema ( utos): Dos bolas blaas está oloadas e ua mesa al lado de ua bolsa ue otiee ua bola blaa y dos egras. Reiteradamete se extrae
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
6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.
Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral
Universidad de Antioquia. Departamento de Ingeniería Industrial. Procesos Estocásticos
Uversdad de Atoqua Deartameto de Igeería Idustral Procesos Estocástcos Berardo A. Calderó C. edellí, abrl de 4 Berardo A. Calderó C. Cadeas de arkov.. Defcó. Procesos Estocástcos U roceso estocástco {
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
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)
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
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
Soluciones de Ley de los volúmenes parciales de Amagat
Solucoes de ey de los olúmees parcales de Amagat El olume parcal () de u gas e ua mezcla, es el olume que ocuparía s se ecotrase solo a la msma temperatura y presó que la mezcla. També se puede calcular
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)
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.
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
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
Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos
Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores
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
Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011
Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos
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
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
G - Métodos de Interpolación
ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó
( ) ( ) ( )( ) ( )( ) ( )
Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos
NOMBRE Apellido Paterno Apellido Materno Nombre(s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE
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
Programación lineal flexible con restricciones difusas
REVISTA INGENIERÍA E INVESTIGACIÓN VOL. 28 No., ABRIL DE 28 (62-68) Programacó leal flexble co restrccoes dfusas Flexble lear programmg wth fuzzy costrats Héctor Adrés López Ospa y Maurco Restrepo López
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
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;
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.
SISTEMAS DE ECUACIONES NO LINEALES
SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u
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
1. 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:
Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.
Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),
7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
(Véase el Ejercicio 13 Beneficio de los bancos )
étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó
Los Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
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
DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN
.4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los
GENERALIDADES SOBRE MÓDULOS
GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo
No debe entregar los enunciados
Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)
ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO
2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto
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
Tema 6: Introducción al muestreo. Estimadores
Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)
UNIDAD 4 Modelos Probabilísticos Variable Discreta TEORÍA. Mg.Ing. Susana Vanlesberg Profesor Titular
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeerías: Recursos Hídrcos-Ambetal-Agrmesura TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD 4 Modelos Probablístcos Varable
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
Orden 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
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
NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
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
mecánica estadística Estadísticas Cuánticas Capítulo 5
mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó
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,
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
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
AGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
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
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
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
Facultad de Ciencias del Mar. Curso 2008/09 25/06/09
Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer
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,
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
al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
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
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
ANTES DE COMENZAR RECUERDA
ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,
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
10 Un trabajador cobra por horas según el siguiente baremo:
Udad REPASO DE ESTADÍSTICA! 0 U trabajador cobra or horas segú el sguete baremo: Hora ormal (lues a veres):.000 tas. Hora etra (lues a veres): e.000 tas. Hora etra de semaa:.00 tas. Sabedo que etre semaa
4. ALGORITMO DE RESOLUCIÓN.
4. ALGORITMO DE RESOLUCIÓN. Este capítulo trata acerca de la solucó propuesta para la resolucó del problema de la asgacó de aulas co especal atecó e el algortmo de fluo co costo mímo. A cotuacó se descrbe
Problema 1: (3,25 puntos)
Ivestigaió Oerativa de Sistemas I.T. Iformátia de Sistemas 8 Juio de Problema : (3, utos Cosidérese el siguiete modelo: MX S.. x, x x x x x x x Resolver el roblema emleado el método Simlex idiado los valores
5- VARIABLES ALEATORIAS BIDIMENSIONALES
Parte Varables aleatoras bdmesoales Prof aría B Ptarell 5- VARIABLS ALATORIAS BIDISIOALS 5 Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales sto es el resultado del eermeto
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
UNIDAD 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
GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL
GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo
ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015
Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur
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
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
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,
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
CAPITULO 3. Reglas de Integración Numérica [76.] [77.] [78.] [79.] [80.] Métodos basados en funciones de interpolación
![CAPITULO 3. Reglas de Integración Numérica [76.] [77.] [78.] [79.] [80.] Métodos basados en funciones de interpolación](/thumbs/69/60996251.jpg "CAPITULO 3. Reglas de Integración Numérica [76.] [77.] [78.] [79.] [80.] Métodos basados en funciones de interpolación")
CAPTULO Reglas de tegracó Numérca Tecologías ara el cálculo umérco La troduccó de herrametas formátcas ha deslazado actualmete el cetro de atecó uesto e el cálculo de áreas, a artr de éstas el cálculo
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
LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
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
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
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
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
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b