Universidad Técnica Federico Santa María

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

Download "Universidad Técnica Federico Santa María"

Transcripción

1 Unversdd Técnc Federco Snt Mrí Vrles Aletors Cpítulo 5: Vrles Aletors Dstrucones stdístc Computconl II Semestre Profesor : Héctor Allende Págn : e-ml : Funcón que sgn cd punto del espco muestrl un número rel jemplo N : : Ω R Ω {fll, no fll} ({ no fll }) ({ fll }) Vrles Aletors Vrles Aletors Ω spco Muestrl no fll fll A cd w Ω le corresponde ectmente un vlor ( IR Ω A w k w (w) (w ) ; w Ω ({no fll}) : Ω ({fll}) R IR IR + Conjunto Números Reles R l espco R es el conjunto de TODOS los posle vlores de (w). n certo sentdo podemos consderr R como otro espco muestrl. l espco muestrl orgnl Ω nduce un espco muestrl R socdo l Vrle Aletor. - (]-, ]) I Fml de eventos elementles 3 Luego un evento A en S nduce un evento en el espco muestrl R. 4 Vrles Aletors Funcón de Proldd w k A Nótese que pr cd pr de números reles y esten los sguentes conjuntos w - - (w) (w) ; s Ω ( < < ) ( < ] [ < ) [ ] < ) ] ( > ( R l concepto de Proldd de ocurrenc de eventos en el espco muestrl Ω se puede plcr eventos en R. s Ω f() : Ω R f : R [, ] ( ) f( ) I ( f ( ) R 6 Profesor: Héctor Allende Olvres

2 Unversdd Técnc Federco Snt Mrí Vrle Aletor Vrle Aletor Dscret : Ω R f:c R (], ]) I Vrle Aletor Dscret Se C I (con C Ω) Soporte contle ) f ( c ) ) I f ( c ) Usndo l trnsformcon C { c : I N} 7 Se un vrle letor S el número de vlores de (esto es su Recorrdo). s fnto (contle) o. s contlemente nfnto (denumerle). ntonces llmmos un vrle letor dscret. sto es, los vlores de (w) pueden ser enumerdos.,, 3,, n, n el cso contle l lst es fnt. n el cso denumerle l lst es nfnt contle 8 Funcón de Proldd v. dscret A cd resultdo posle se soc un número f ( ) ( w) llmdo l proldd de Los f( ) deen stsfcer: f ( ) f ( ) l conjunto de pres (, f( )) se le denomn Funcón de Proldd o Cuntí. ) f( ) n P (5) f(5) Funcón de Proldd de ms Funcón de Frecuenc 9 Funcón de Cuntí de un v.. dscret ( c ) A) j { : c C A} f ( c Propeddes funcón de cuntí: ) Funcón de Dstrucón ) j ) F ( ) ) f ( ) ) spernz y Vrnz de un v.. dscret spernz de un v..d. [ ] ) Vrnz de un v..d [ ] ( [ ] V ) ) f() Consderemos un solo epermento ε p,7 Dstrucón Bernoull se A un evento socdo con tl epermento. supongmos que A) p; luego A c ) - p Se l v.. (A ) (A c ) ) p ) p ntonces su funcón de cuntí es f() ) p ( p) -, < p < Profesor: Héctor Allende Olvres

3 Unversdd Técnc Federco Snt Mrí Dstrucón Bernoull Vrle letor dscret Bernoull: donde se tenen sólo eventos posles: spernz: Vrnz: : Ω R ( w) ) p ( w) ) p [] ( - p ) + * p p V [] ( - p ) ( - p ) + ( - p ) p p ( - p ) Dstrucón Bnoml Supongmos que de un líne de produccón se etren n pezs con reemplzo, ls cules pueden ser defectuoss o no con un proldd p. : N de pezs defectuoss en ls n etrccones ntonces n k nk k) p ( p) k,,..., n k 3 4 Dstrucón Bnoml Dstrucón Bnoml Sen n repetcones ndependentes del epermento. Ω consste de todos los posles secuencs {,, 3,.., n }, donde cd puede ser un evento A o un evento A c. sten n de tles secuencs. f(),3,,, n 6 p, Se l vrle letor : número de veces que ocurre el evento A sus posles vlores son:,,, 3,..., n f() ) n,,,...,n < p < p ( p) n- 5 spernz: Vrnz : Notcón: [] np V [] np (-p) ~ B( n, p) Crcterístcs: Se utlz en el muestreo de un polcón fnt con reemplzo. Tmén cundo l polcón es muy grnde, con o sn reemplzo, y que p se hce reltvmente constnte. 6 Dstrucón Bnoml Dstrucón de Posson Supongmos que tenemos un muestr de tmño grnde, pr lo cul l proldd de encontrr un rtículo defectuoso es pequeño p, y por lo tnto np el número totl de rtículos defectuosos en l muestr. Se λ np. ntonces k λ λ e k) k,,,... k! 7 8 Profesor: Héctor Allende Olvres 3

4 Unversdd Técnc Federco Snt Mrí Dstrucón de Posson Dstrucón de Posson spernz: Vrnz: [] λ V [] λ Cso límte: B( n, p ) con k n λ λ k) k n n n y p P nk k λ ( k) e λ I N ( k ) k! I ( k ) {,,,..., n} 9 Construccón de un Modelo Prolístco Crendo un modelo prolístco jemplo: Ls pezs l sld de un líne de produccón se clsfcn en defectuoss (D) o no defectuoss (N). Se tom tres pezs letormente y se clsfcn de cuerdo este esquem. l Ω pr este epermento es: Ω {NNN, NND, NDN, DNN, NDD, DND, DDN, DDD} L proldd que un pez se defectuos es p y no cm. so mplc que s l polcón es fnt, ls oservcones se hcen con reemplzo Interes el número de pezs D y no el orden en que slen. Se defne un v.. gul l número de pezs defectuoss; luego, {,,, 3). ncontrr (, f( )),5,4,3,, f() (-p) 3 3(-p) p Ω {NNN, NND, NDN, DNN, NDD, DND, DDN, DDD} (NND) (NDN) (DNN) 3(-p) p 3 N) N) D) p 3 3 F() Funcón de dstrucón v.. dscret n 5) f( 5) Funcón de Proldd de ms Funcón de Frecuenc F() < Σ f( ) < Σ f( ) < 3 3 Σ f( ) 3 < 4 4 Σ f( ) 4 < 5 Vrles Aletors Contnus Cundo el epermento ε se relz sore un espco muestrl Ω que está relcondo con escls ntevlres. tles como medcones de dstncs, volúmenes, pesos, tempos, velocdd, voltjes, ntensdd, cudl, tempertur, etc. Y que los posles vlores de en un ntervlo, < <, son nfntos - no enumerles - no podemos hlr del -ésmo vlor de ; n tles csos se hl de Vrles Aletors Contnus, donde R es un ntervlo o un conjunto de ntervlos; entonces este un funcón contnu especl: f : R R < < + h) f ( ) lm > h h 3 4 Profesor: Héctor Allende Olvres 4

5 Unversdd Técnc Federco Snt Mrí Vrles Aletors Contnus Dstrucones de Proldd Contnus Se un vrle letor contnu. L funcón densdd de proldd (pdf) es un funcón que stsfce: f() > ; R f() d R, + f() A: un evento A: { < ) A) < < ) f( ) d 5 stán defnds por un densdd de v.. f : R R se dce densdd de proldd Propeddes: f() - f()d 6.. F ( ) ) f ( t) dt 3. F (- ) ; F ( ) 4. F es no decrecente 5. Propeddes y Defncones P ( ) f ( ) d [ ] R 6. V ( ) f ( ) d f ( ) d [ ] [ ] R f() A f ( ) d 7 Funcón de dstrucón cumuld S es un vrle letor, l Funcón de Dstrucón Acumuld mde l proldd de un suceso en un ntervlo de vlores: F( ) ) S es un v.. Dscret F ( ) f ( ) Donde l sum es tomd sore todos los índces que stsfcen S es un v.. Contnu F ( ) f ( t) dt Donde l sumtor es reemplzd por un ntegrcón pr todos los vlores de t 8 Construccón de Modelos de Proldd Vrles Aletors Contnus Se F : R R es un funcón de dstrucón, entonces: F es no decrecente F es contnu por l derech lm f ( ) y lm f ( ) Luego ] -, ]) F() defne un Proldd Además: ],] ) F() - F() [,] ) F() - F(-) ],[ ) F(-) - F() [,[ ) F(-) - F(-) 9 f(),, Se un vrle letor contnu que puede tomr culquer vlor entre ; cuy pdf es:, mn má f ( ) Se 3; A: el evento { 4 < < 7 } ntonces: A) 4 < < 7) A) d 3 Profesor: Héctor Allende Olvres 5

6 Unversdd Técnc Federco Snt Mrí Dstrucón Unforme Dstrucón Unforme Funcón de densdd f ( ) < < Funcón de Dstrucón es F ( ) < < + ( ) spernz [ ] Vrnz V [ ] Notcón: ~ U (, ) 3 3 Dstrucón Norml o Gussn Dstrucón Norml Funcón de densdd f ( ) µ σ πσ e, R L funcón de Dstrucón no tene epresón nlítc. (Usr tls o clculdor spernz Vrnz Notcón: [ ] µ [ ] σ V ~ N( µ, σ ) Dstrucón Norml o Gussn Dstrucón ponencl stndrzcón Hcendo µ Z N(, ) σ se tene que: z f z( z) e π y F Z (z) se otene de tls!, z R Funcón de densdd Funcón de Dstrucón es spernz Vrnz Notcón: λ f ( ) e s, λ > λ V [ ] λ ~ ep( λ) λ F ( ) e [ ] λ Profesor: Héctor Allende Olvres 6

7 Unversdd Técnc Federco Snt Mrí Dstrucón ponencl Dstrucón de Rylegh Funcón de densdd Funcón de Dstrucón es spernz Vrnz Notcón: f ( ) e α α s F ( ) e α π [ ] π V [ ] ( ) α ~ R( α) α Dstrucón de Rylegh Dstrucón de Weull Funcón de densdd f ( ) e s, >, > Funcón de Dstrucón es F ( ) e spernz Vrnz Notcón: [ ] / Γ + / Γ + Γ V + ~ Weull(, ) [ ] 39 4 Dstrucón de Weull Dstrucón t-student Funcón de densdd ν + Γ f ( ) ν + ν νπ Γ + ν spernz Vrnz Notcón: V [ ] ν > ν [ ] ν > ν ~ t ν 4 4 Profesor: Héctor Allende Olvres 7

8 Unversdd Técnc Federco Snt Mrí Dstrucón t-student Dstrucón Gmm Funcón de densdd α β e f (, β ) I α R α) β + ( ) Funcón de Dstrucón es spernz Vrnz Notcón: f F ( ) ) ( t, β ) dt [ ] αβ V [ ] αβ ~ Gmm( β ) β ) n) y n e y dy n > Dstrucón Gmm Dstrucón Ch-CudrdoCudrdo ~ β ) Funcón de densdd Funcón de Dstrucón es spernz Vrnz Notcón: f F ( ) ) ( t, n) dt [ ] n V [ ] n ~ χ ( n) n /,) f n e n Γ (,n) I () n R Dstrucón Ch-CudrdoCudrdo Dstrucón Bet Funcón de densdd r + r f (, r, s ( ) I[ ]( ), r) Funcón de Dstrucón es spernz Vrnz Notcón: f F ( ) ) ( u, r, du V [ ] [ ] β( r, µ [ ] r r + s rs ( r + ( r + s + ) ~ Bet( r, β ( r, r s ( ) d r + r + u) r) r + s + u) Profesor: Héctor Allende Olvres 8

9 Unversdd Técnc Federco Snt Mrí Dstrucón Bet 49 Profesor: Héctor Allende Olvres 9

Universidad Técnica Federico Santa María

Universidad Técnica Federico Santa María Unversdd Técnc Federco Snt Mrí Unversdd Técnc Federco Snt Mrí Deprtmento de Informátc ILI-8 Cpítulo 5: Vrles Aletors Dstrucones Estdístc Computconl I Semestre 6 Profesor : Héctor Allende Profesor : Crlos

Más detalles

Tema 10: Variables aleatorias

Tema 10: Variables aleatorias Análss de Dtos I Esquem del Tem Tem : Vrbles letors. VARIABLES ALEATORIAS DISCRETAS FUNCIÓN DE PROBABILIDAD, f(x ) FUNCIÓN DE DISTRIBUCIÓN, F(x ) CARACTERÍSTICAS DE LAS VARIABLES DISCRETAS UNA VARIABLE:

Más detalles

Capítulo 5: Variables Aleatorias Distribuciones Estadística Computacional I Semestre Variables Aleatorias

Capítulo 5: Variables Aleatorias Distribuciones Estadística Computacional I Semestre Variables Aleatorias Unvedad Técnca Fedeco Santa Maía Depatamento de Infomátca ILI-80 Capítulo 5: Vaable Aleatoa Dtbucone Etadítca Computaconal I Semete 006 Pofeo : Pofeo : Hécto Allende Calo Valle Funcón que agna a cada punto

Más detalles

FUNDAMENTOS TICOS TEMA 5: CÁLCULO INTEGRAL DE FUNCIONES DE UNA Y DOS VARIABLES

FUNDAMENTOS TICOS TEMA 5: CÁLCULO INTEGRAL DE FUNCIONES DE UNA Y DOS VARIABLES FUNDAMENTOS MATEMÁTICOS TICOS TEMA 5: CÁLCULO INTEGRAL DE FUNCIONES DE UNA Y DOS VARIABLES CÁLCULO INTEGRAL DE FUNCIONES DE UNA VARIABLE Integrl defnd Dd un funcón f, exste otr F tl que F = f? Integrcón

Más detalles

Variables Aleatorias. Capítulo 4: Variables Aleatorias. Distribuciones Estadística Computacional 1º Semestre Variables Aleatorias

Variables Aleatorias. Capítulo 4: Variables Aleatorias. Distribuciones Estadística Computacional 1º Semestre Variables Aleatorias Uvdd Técc Fdco St Mí Dptmto d omátc L-8 Vl Alto Cpítulo 4: Vl Alto Dtuco Etdítc Computcol º Smt 3 Poo :Hécto Alld Pág : www..utm.cl/~hlld -ml : hlld@.utm.cl Fucó qu g cd puto dl pco mutl u úmo l Ejmplo

Más detalles

Variables aleatorias discretas

Variables aleatorias discretas rles letors dscrets Al relzr un eermento generlmente estmos nteresdos en lgun funcón del resultdo más que en el resultdo en sí msmo. Así, or eemlo, l rror un ddo dos veces odrímos estr nteresdos sólo en

Más detalles

TEORÍA DE RENTAS DISCRETAS 1 Rentas Constantes (teoría)

TEORÍA DE RENTAS DISCRETAS 1 Rentas Constantes (teoría) TEORÍA DE RENTAS DISCRETAS 1 Rents Constntes (teorí) Profesor: Jun Antono González Díz Deprtmento Métodos Cuntttvos Unversdd Pblo de Olvde www.clsesunverstrs.com Concepto y clsfccón En generl, un rent

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

8. 3 2a = 0 a = 3 / 2 3b 4 = 0 b = 4 / 3. Página a) (2, 4) b) (4, 1) c) ( 3, 4) d) (5, 0)

8. 3 2a = 0 a = 3 / 2 3b 4 = 0 b = 4 / 3. Página a) (2, 4) b) (4, 1) c) ( 3, 4) d) (5, 0) TEMA. NÚMEROS COMPLEJOS SOLUCIONES DE LAS ACTIVIDADES Págs. 9 55 Págn 9. S x es un número dferente de 0, x > 0. S x 0, x 0. Por lo tnto, no exste nngún número rel cuyo cudrdo se.. Debe ser menor que 0.

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

Examen de Física-1, 1 Ingeniería Química Enero de 2011 Cuestiones (Un punto por cuestión).

Examen de Física-1, 1 Ingeniería Química Enero de 2011 Cuestiones (Un punto por cuestión). Exmen de Físc-1, 1 Ingenerí Químc Enero de 211 Cuestones (Un punto por cuestón). Cuestón 1: Supong que conocemos l poscón ncl x y l velocdd ncl v de un oscldor rmónco cuy frecuenc ngulr es tmén conocd;

Más detalles

(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA

(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA (Aputes s revsó pr oretr el predzje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA Sumtor Pr represetr e form revd determdo tpo de sums, se utlz como símolo l letr greg sgm. Ejemplos.

Más detalles

LONGITUD DE ARCO. Una aproximación es una línea recta desde el punto x=a hasta el punto x=b, como se indica en la figura:

LONGITUD DE ARCO. Una aproximación es una línea recta desde el punto x=a hasta el punto x=b, como se indica en la figura: LONGITUD DE ARCO Clculr l longtud de rco o de un curv dd por un funcón f en un ntervlo x, tene muchs plccones en ls cencs. Es necesro que hgmos un reve estudo del cálculo de ells. Un proxmcón es un líne

Más detalles

MODELIZACIÓN SECUENCIACIÓN TAREAS

MODELIZACIÓN SECUENCIACIÓN TAREAS DS-70-ngement Scence ODELIZACIÓN SECUENCIACIÓN TAREAS B. Adenso Díz Unversdd de Ovedo DS-70-ngement Scence Dsyuncones entre restrccones Supongmos que tenemos dos restrccones y queremos que se ctve solo

Más detalles

X = x ) pierde su significado. Lo que se hace es sustituir la definida sólo para x,..., por una función f (x)

X = x ) pierde su significado. Lo que se hace es sustituir la definida sólo para x,..., por una función f (x) rte Vriles letoris. Vriles letoris continus En l sección nterior se considerron vriles letoris discrets, o se vriles letoris cuo rngo es un conjunto finito o infinito numerle. ero h vriles letoris cuo

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

ALGEBRA VECTORIAL. cúbico Caudal de volumen Metro cúbico por segundo. m 3 /s CAP Magnitudes físicas. Pág. 1

ALGEBRA VECTORIAL. cúbico Caudal de volumen Metro cúbico por segundo. m 3 /s CAP Magnitudes físicas. Pág. 1 FISI I P 1 LGER VETORIL 11 Mgntudes físcs Ls mgntudes físcs, son ls propeddes que le crctern los cuerpos o los fenómenos nturles que se pueden medr, E: L longtud, l ms, l velocdd, l tempertur, etc Mentrs

Más detalles

10 1 deca da 10 2 hecto h 10 3 kilo k 10 6 Mega M 10 9 Giga G Tera T Peta P Exa E Zetta Z Yotta Y

10 1 deca da 10 2 hecto h 10 3 kilo k 10 6 Mega M 10 9 Giga G Tera T Peta P Exa E Zetta Z Yotta Y Un mgntud es culquer cos que puede ser medd medr no es más que comprr un mgntud con otr de l msm espece que se tom como referenc. Ls mgntudes se epresn con un número uns unddes. En lguns ocsones el número

Más detalles

Redes pasivas de microondas de más de dos accesos

Redes pasivas de microondas de más de dos accesos TEMA 3 Redes psvs de mcroonds de más de dos ccesos 3., Propeddes de smetrí. 3 Predes eléctrc y mgnétc. 3 Mtrces de prámetros pr e mpr. 3..3. Mtrz totl. 3.. Redes de tres ccesos. 3 Dvsores/comndores de

Más detalles

0.1 Sustituciones trigonométricas.-

0.1 Sustituciones trigonométricas.- Héctor Plm Vlenzuel. Dpto. de Mtemátic UdeC.. Sustituciones trigonométrics.- Cso.- El integrndo contiene un epresión de l form +. Se sugiere l sustitución = tn u d = sec udu de donde Z + = sec u d ( +)

Más detalles

INDICE. Operaciones básicas. Matrices. Matriz cuadrada. Traza de una matriz. Suma y resta de matrices. Producto de matrices.

INDICE. Operaciones básicas. Matrices. Matriz cuadrada. Traza de una matriz. Suma y resta de matrices. Producto de matrices. Fculltd de Cencs Agrrs - MATERIIALL PPREPPARADO PPOR LL cc Mss Scc Abbbb tttt Noorr IInngg Aggrr.. Mss Scc.. Boocc Teerreess IInngg Zoooott.. FFeerrnnáánnddeezz Edduurrddoo IInngg.. Aggrr.. Mss Scc.. PPeerreerr

Más detalles

Uno de los problemas que dio origen al concepto de integral definida fue de origen geométrico:

Uno de los problemas que dio origen al concepto de integral definida fue de origen geométrico: Mtemátc II 7 Modulo 5 Integrcón. L ntegrl defnd Uno de los prolems que do orgen l concepto de ntegrl defnd fue de orgen geométrco: Hllr el áre de un regón pln lmtd por l gráfc de un funcón f() postv y

Más detalles

Variables Aleatorias. Introducción

Variables Aleatorias. Introducción Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

Programación y Métodos Numéricos: Integración Numérica- Fórmulas de de tipo interpolatorio

Programación y Métodos Numéricos: Integración Numérica- Fórmulas de de tipo interpolatorio Progrmcón y Métodos Numércos: Integrcón Numérc- Fórmuls de de tpo nterpoltoro Prof. Crlos Conde LázroL Prof. Arturo Hdlgo LópezL Prof. Alfredo LópezL Mrzo, 27 Deprtmento de Mtemátc Aplcd y Métodos Informátcos

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

C Capacitores e inductores. Circuitos de Primer Orden

C Capacitores e inductores. Circuitos de Primer Orden C Cpctores e nductores. Crcutos de Prmer Orden C El crcuto que se muestr en l fgur c h llegdo ls condcones de estdo estle ( l corrente en el cpctor es cero ) con el nterruptor en l poscón. S el nterruptor

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

Esta hoja de enunciados deberá ser devuelta al final del examen. El solucionario se publicará en la página web.

Esta hoja de enunciados deberá ser devuelta al final del examen. El solucionario se publicará en la página web. FÍSIC PLICD. EXMEN FINL ORDINRIO. 9/05/01 Nomre: Est hoj de enuncdos deerá ser devuelt l fnl del exmen. El soluconro se pulcrá en l págn we. Instruccones: conteste en prmer lugr l prte de teorí (no se

Más detalles

MALLAS EN CIRCUTOS CC

MALLAS EN CIRCUTOS CC LECCIÓN Nº 03 MALLAS EN CICUTOS CC 1. EDES ELECTICAS Cundo los elementos áscos de un crcuto se conectn pr formr un crcuto, l nterconexón resultnte se descre en térmnos de nodos, cmnos, rms, lzos y mlls.

Más detalles

Integrales Impropias. Capítulo Introducción Integrales de Funciones No Acotadas

Integrales Impropias. Capítulo Introducción Integrales de Funciones No Acotadas Cpítulo 8 Integrles Impropis 8.. Introducción L integrl de Riemnn tl como l hemos estudido, está definid únicmente pr funciones cotds y definids sobre intervlos cerrdos y cotdos. En este cpítulo estudiremos

Más detalles

TEORÍA DIFRACCIONAL DE LA FORMACIÓN DE IMÁGENES (II): ANÁLISIS EN FRECUENCIAS DE LOS SISTEMAS ÓPTICOS

TEORÍA DIFRACCIONAL DE LA FORMACIÓN DE IMÁGENES (II): ANÁLISIS EN FRECUENCIAS DE LOS SISTEMAS ÓPTICOS TEORÍA DIFRACCIONAL DE LA FORMACIÓN DE IMÁGENES (II: 1.- Introduccón.- Respuest fecuencl de los sstems coherentes frecuencl de los sstems ncoherentes θ f( Jun Lus Neves Dpto. Óptc. Fc. Cencs Unversdd de

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes

Más detalles

Guía Semana 4 1. RESUMEN 2. EJERCICIOS PROPUESTOS. Universidad de Chile. Ingeniería Matemática

Guía Semana 4 1. RESUMEN 2. EJERCICIOS PROPUESTOS. Universidad de Chile. Ingeniería Matemática . RESUMEN Ingenierí Mtemátic FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo en Vris Vriles 08- Ingenierí Mtemátic Universidd de Chile Guí Semn 4 Grdiente. Sen Ω Ê N un ierto, f

Más detalles

Ondas y Rotaciones. Dinámica de las Rotaciones V

Ondas y Rotaciones. Dinámica de las Rotaciones V Hoj de Trjo Onds Rotcones Dnámc de ls Rotcones V Jme Felcno Hernández Unversdd Autónom etropoltn - ztplp éco, D. F. de gosto de 0 A. ACTVDAD NDVDUAL. En est Hoj de trjo veremos otro conjunto de prolems

Más detalles

λ = A 2 en función de λ. X obtener las relaciones que deben

λ = A 2 en función de λ. X obtener las relaciones que deben Modelo. Ejercicio. Clificción áxi: puntos. Dds ls trices, ) (,5 puntos) Hllr los vlores de pr los que existe l triz invers. ) ( punto) Hllr l triz pr 6. c) (,5 puntos) Resolver l ecución tricil X pr 6.

Más detalles

Análisis Poblacional de Mulliken y Löwdin

Análisis Poblacional de Mulliken y Löwdin nálss Poblconl de Mullken y Löwdn Densdd de Mtrz de crg (defncón): consderemos el cso de cp cerrd entonces sbemos que l probbldd de encontrr un electrón en l poscón r en el entorno dr que est en un orbtl

Más detalles

X obtener las relaciones que deben

X obtener las relaciones que deben odelo. Ejercicio. Clificción áxi puntos ) ( punto) Dd l triz y l triz t z y x X otener ls relciones que deen cuplir x, y, z, t pr que l triz X verifique X X. ) (, puntos) Dr un ejeplo de l triz X distint

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Sstems de Ecucones Lneles www.tgors.es SISTEMS DE ECUCIONES LINELES Estudr un Sstem de Ecucones Lneles S.E.L.) es responder ls pregunts: tene solucón?. s es sí,, cuánts tene cuáles son?. l vst de ests

Más detalles

Gestión de inventarios

Gestión de inventarios Gestión de inventrios José Mrí Ferrer Cj Universidd Pontifici Comills Introducción Inventrio (stock): Conjunto de bienes lmcendos pr su posterior uso Tipos de bienes del inventrio: Mteris prims en esper

Más detalles

FUNDAMENTOS DE INGENIERÍA ELÉCTRICA. José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo

FUNDAMENTOS DE INGENIERÍA ELÉCTRICA. José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo FUNDAMENTOS DE NGENEÍA EÉCTCA José Frncsco Gómez González Benjmín González Díz Mrí de l Peñ Fn Bendcho Ernesto Pered de Plo Tem 1: Generlddes y CC en régmen estconro PUNTOS OBJETO DE ESTUDO 3 Generlddes

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X: 7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos

Más detalles

MATEMÁTICAS Y CULTURA B O L E T Í N No. 262 COORDINACIÓN DE MATEMÁTICAS

MATEMÁTICAS Y CULTURA B O L E T Í N No. 262 COORDINACIÓN DE MATEMÁTICAS MTEMÁTIC Y CULTUR O L E T Í N..009 No. COORDINCIÓN DE MTEMÁTIC MTEMÁTIC MTEMÁTIC OPERDORE: DJUNTO Y NORML En n espco V con prodcto nterno cd operdor lnel tene n operdor llmdo s djnto tmén lnel qe representmos

Más detalles

MATEMÁTICA 4º. Prof. Sandra Corti

MATEMÁTICA 4º. Prof. Sandra Corti L rdccón de se negtv e índce pr no tene solucón en el conjunto de los números reles ( 4; 25, 16, etc.), y que no exste nngún número rel que elevdo un potenc pr dé por resultdo un número negtvo. Se defne

Más detalles

TALLER N 4 DE ESTADÍSTICA

TALLER N 4 DE ESTADÍSTICA UNIVERSIDAD CATÓLICA DEL MAULE FACULTAD DE CIENCIAS BÁSICAS PEDAGOGÍA EN MATEMÁTICA Y COMPUTACIÓN TALLER N 4 DE ESTADÍSTICA Integrante 1 : Victor Córdova Cornejo (heibubu@hotmail.com) Integrante 2 : Rodrigo

Más detalles

Teorema del punto fijo Rodrigo Vargas

Teorema del punto fijo Rodrigo Vargas Teorem del punto fijo Rodrigo Vrgs Definición 1. Un punto fijo de un plicción f : M M es un punto x M tl que f(x) = x. Definición 2. Sen M, N espcios métricos. Un plicción f : M N es un contrcción cundo

Más detalles

6. INTERPOLACIÓN POLINOMIAL: SPLINES

6. INTERPOLACIÓN POLINOMIAL: SPLINES 6. INTERPOLACIÓN POLINOMIAL: SPLINES Jorge Edurdo Ortz Trvño jeortzt@unl.edu.o http:/www.doentes.unl.edu.o/jeortzt/ Coeentes de un polnomo de nterpolón Un método dreto pr lulr los oeentes de un polnomo

Más detalles

TEMA 2: MAGNITUDES ALEATORIAS

TEMA 2: MAGNITUDES ALEATORIAS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables

Más detalles

Anexo 3: Demostraciones

Anexo 3: Demostraciones 170 Mtemátics I : Cálculo integrl en IR Anexo 3: Demostrciones Integrl de Riemnn Demostrción de: Propieddes 264 de l págin 142 Propieddes 264.- Se f: [, b] IR un función cotd. ) Pr tod P P[, b], se verific

Más detalles

4. EL TEOREMA DE RADON-NIKODYM.

4. EL TEOREMA DE RADON-NIKODYM. 4. EL TEOREMA DE RADON-NIKODYM. 1. MEDIDAS CON SIGNO. TEOREMA DE DESCOMPOSICIÓN DE HAHN. Ddo un espcio de medid (X, Σ, µ), nuestro objetivo es crcterizr ls medids con densidd. Pr ello necesitmos el concepto

Más detalles

El Teorema de Arzela-Ascoli Rodrigo Vargas

El Teorema de Arzela-Ascoli Rodrigo Vargas El Teorem de Arzel-Ascoli Rodrigo Vrgs Definición 1. Sen M, N espcios métricos y E un conjunto de plicciones f : M N. El conjunto E se dice equicontinuo en el punto M cundo, pr todo ε > eiste δ > tl que

Más detalles

TEOREMA 1 (Criterio de la segunda derivada para extremos relativos)

TEOREMA 1 (Criterio de la segunda derivada para extremos relativos) .0. Problems de plicciones de máximos y mínimos En est sección se muestr como usr l primer y segund derivd de un función en l búsqued de vlores extremos en los llmdos: problems de plicciones o problems

Más detalles

Grado en Química Bloque 1 Funciones de una variable

Grado en Química Bloque 1 Funciones de una variable Grdo en Químic Bloque Funciones de un vrible Sección.6: Integrción y plicciones. L integrl sirve pr clculr áres de figurs plns limitds por curvs. Pr definir l integrl de un función f : [, b] R se utilizn

Más detalles

Tema 22. El lema de bombeo para LR

Tema 22. El lema de bombeo para LR Tem 22 Lem de omeo pr LLC Dr. Luis A. Pined IBN: 970-32-2972-7 Cómo podemos decir si un lenguje es lire del contexto? Definir un GLC o diseñr un AP pr el lenguje Pero que tl si el lenguje se descrie por

Más detalles

EJERCICIOS NÚMEROS COMPLEJOS. 3+4i 20º

EJERCICIOS NÚMEROS COMPLEJOS. 3+4i 20º EJERCICIOS NÚMEROS COMPLEJOS Represent gráfcmente pr: --- -- - -- - - / - Hll ls rones trgonométrcs del ángulo AOB sendo que A es el fjo del complejo ε B el fjo del complejo σ O ˆ â B - ε ; ˆ rg sen ˆ

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

TEORÍA DE CÁLCULO II PARA GRADOS DE INGENIERÍA Elaborada por Domingo Pestana y José Manuel Rodríguez 4. INTEGRALES DE LÍNEA Y DE SUPERFICIE

TEORÍA DE CÁLCULO II PARA GRADOS DE INGENIERÍA Elaborada por Domingo Pestana y José Manuel Rodríguez 4. INTEGRALES DE LÍNEA Y DE SUPERFICIE TEORÍA E CÁLCULO II PARA GRAOS E INGENIERÍA Elbord por omingo Pestn y José Mnuel Rodríguez 4.1. INTEGRALES E LÍNEA 4. INTEGRALES E LÍNEA Y E SUPERFICIE Hbitulmente suele identificrse un tryectori : [,

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

Límite - Continuidad

Límite - Continuidad Nivelción de Mtemátic MTHA UNLP Límite Definición (informl) Límite - Continuidd L función f tiende hci el ite L cerc de, si se puede hcer que f() esté tn cerc como quermos de L hciendo que esté suficientemente

Más detalles

Modelos adaptativos basados en modelos promediados C. Jaen. Enginyeria Electrònica Campus Terrassa 9 Noviembre 2006

Modelos adaptativos basados en modelos promediados C. Jaen. Enginyeria Electrònica Campus Terrassa 9 Noviembre 2006 Moelos pttos sos en moelos promeos C. Jen ngnyer lectrònc Cmpus errss 9 Noemre 6 Moelos pttos sos en moelos promeos os prámetros e un conertor cmn no solo eo cmos e crg sno tmén concones ferentes e trjo

Más detalles

METODOS NUMERICOS TALLER 7, SEMESTRE Se obtuvieron los siguientes datos de la distancia recorrida por un cohete contra el tiempo:

METODOS NUMERICOS TALLER 7, SEMESTRE Se obtuvieron los siguientes datos de la distancia recorrida por un cohete contra el tiempo: METODOS NUMERICOS 697 TALLER 7, SEMESTRE Tem: Derivción e integrción numérics Se recomiend relizr los ejercicios propuestos en el texto guí, en prticulr los siguientes: Sección :,,, 7, 8,, Sección :, 8

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes

Más detalles

José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo

José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo José Frncsco Gómez González Benjmín González Díz Mrí de l Peñ Fn Bendcho Ernesto Pered de Plo PUNTOS OBJETO DE ESTUDO Generlddes Análss de crcutos por el método mtrcl. Teorems de crcutos: Superposcón

Más detalles

Geodesia Física y Geofísica

Geodesia Física y Geofísica Geodesi Físic y Geofísic I semestre, 014 Ing. José Frncisco Vlverde Clderón Emil: jose.vlverde.clderon@un.c Sitio web: www.jfvc.wordpress.com Prof: José Fco Vlverde Clderón Geodesi Físic y Geofísic I semestre

Más detalles

Matemáticas Empresariales I. Integral Definida

Matemáticas Empresariales I. Integral Definida Mtemátics Empresriles I Lección 8 Integrl Definid Mnuel León Nvrro Colegio Universitrio Crdenl Cisneros M. León Mtemátics Empresriles I 1 / 31 Construcción de l integrl definid Se f un función definid

Más detalles

Integrales impropias

Integrales impropias Integrles impropis En todo el estudio hecho hst hor se hn utilizdo dos propieddes fundmentles: l función tení que ser cotd y el intervlo de integrción tení que ser cerrdo y cotdo. En est últim sección

Más detalles

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL INSTITUTO DE CIENCIAS FÍSICAS I TÉRMINO FÍSICA C Tercera evaluación SOLUCIÓN

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL INSTITUTO DE CIENCIAS FÍSICAS I TÉRMINO FÍSICA C Tercera evaluación SOLUCIÓN ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL INSTITUTO DE CIENCIAS FÍSICAS I TÉRMINO 0-03 FÍSICA C Tercer evlucón SOLUCIÓN Pregunt (5 puntos) Un eser conductor con rdo nteror de 7 cm y rdo exteror de 8 cm

Más detalles

Funciones de variable compleja

Funciones de variable compleja Funciones de vrible complej Integrles impropis. Mrí Eugeni Torres Universidd Ncionl de Entre Ríos Fcultd de Ingenierí Funciones de Vrible Complej (Bioingenierí, Pln 28) Myo 29 Integrles impropis Alcnce

Más detalles

La Integral Definida

La Integral Definida Nivelción de Mtemátic MTHA UNLP ID Introducción Prtición L Integrl Definid Un prtición del intervlo [, b] es un sucesión de números = x x x x n = b, entre y b, tl que x i x i+ (i =,,, n ) Ejemplo: se llm

Más detalles

Tema 4: Operaciones sobre lenguajes regulares

Tema 4: Operaciones sobre lenguajes regulares Tem 4: Operciones sore lengujes regulres Deprtmento de Sistems Informáticos y Computción DSIC - UPV http://www.dsic.upv.es p.1/19 Tem 4: Propieddes de los lengujes regulres Lem de omeo pr lengujes regulres.

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

La Teoría de Redes establece métodos para plantear, resolver y analizar las Ecuaciones de la Red.

La Teoría de Redes establece métodos para plantear, resolver y analizar las Ecuaciones de la Red. Cpítulo 1 1 CONCEPTOS BASICOS 1.1. Defncones L Teorí de Redes estud sstems formdos por l nterconexón de componentes eléctrcs. Cd componente posee dos o más termnles conductores. Asocdos los termnles pueden

Más detalles

DISTRIBUCIONES COMUNMENTE USADAS

DISTRIBUCIONES COMUNMENTE USADAS DISTRIBUCIONES COMUNMENTE USADAS A continución se presentn lgoritmos de generción de vribles letoris de distribuciones comúnmente usds.. BERNOULLI Est es l más simple de ls distribuciones discrets. Tom

Más detalles

Héctor Palma Valenzuela. Dpto. de Matemática UdeC Definición e interpretación geométrica

Héctor Palma Valenzuela. Dpto. de Matemática UdeC Definición e interpretación geométrica Héctor Plm Vlenzuel. Dpto. de Mtemátic UdeC. L Integrl.-. Definición e interpretción geométric Dd un función continu f :[, b] R ynonegtiv (f (), [, b]), vmos considerr l región del plno bjo l gráfic de

Más detalles

TEOREMA 1 (Criterio de la segunda derivada para extremos relativos)

TEOREMA 1 (Criterio de la segunda derivada para extremos relativos) .. Problems de plicciones de máimos y mínimos En est sección se muestr como usr l primer y segund derivd de un función en l búsqued de vlores etremos en los llmdos: problems de plicciones o problems de

Más detalles

Función no Acotada en uno o en los dos extremos del Intervalo de Integración. f (x) d x = lim

Función no Acotada en uno o en los dos extremos del Intervalo de Integración. f (x) d x = lim Función no Acotd en uno o en los dos etremos del Intervlo de Integrción Si f () está definid sobre (, b] y si f () cundo, se define f () d = lim f () d ε + +ε Si f () está definid sobre [, b) y si f ()

Más detalles

7 Integral triple de Riemann

7 Integral triple de Riemann Miguel eyes, pto. de Mtemátic Aplicd, FI-UPM 1 7 Integrl triple de iemnn 7.1 efinición Llmremos rectángulo cerrdo de 3 (prlelepípedo) l producto de tres intervlos cerrdos y cotdos de, es decir = [, b]

Más detalles

Grado en Biología Tema 3 Integración. La regla del trapecio.

Grado en Biología Tema 3 Integración. La regla del trapecio. Grdo en Biologí Tem Integrción Sección.: Aproximción numéric de integrles definids. Hy funciones de ls que no se puede hllr un primitiv en términos de funciones elementles. Esto sucede, por ejemplo, con

Más detalles

Calcular el equivalente Thevenin y Norton entre los puntos a y b en el circuito de la figura

Calcular el equivalente Thevenin y Norton entre los puntos a y b en el circuito de la figura Ejemplos de cálculo de crcutos equlentes. Aplccón de los teorems de Theenn y Norton Clculr el equlente Theenn y Norton entre los puntos y en el crcuto de l fgur Ω 4Ω 3 6Ω L Ω 5Ω V L Pr clculr el equlente

Más detalles

Integración numérica por Monte-Carlo

Integración numérica por Monte-Carlo Integrción numéric por onte-crlo Ptrici Svedr Brrer 1 16 de julio de 28 1 Deprtmento de temátics, Universidd Autónom etropolitn-iztplp, psb@xnum.um.mx 2 Introducción Se X un vrible letori continu que tom

Más detalles

INTEGRALES Curso , 2 tal que f(c) = k? ), para algún punto [a, b].

INTEGRALES Curso , 2 tal que f(c) = k? ), para algún punto [a, b]. INTEGRALES Curso 9-.- ) Enuncir el Teorem del vlor medio integrl y dr un interpretción del mismo. Cundo f(), cómo puede interpretrse geométricmente? cos si [-, ] ) Se f () = 4 + sen si (, ] ) Hllr I =

Más detalles

INTEGRACION DE ECUACIONES DIFERENCIALES

INTEGRACION DE ECUACIONES DIFERENCIALES INTEGRACION DE ECUACIONES DIFERENCIALES Métodos que no comenzn por s msmos Métodos Numércos G. Pce Edtorl EUDENE -997. Métodos Numércos pr Ingeneros.- Cpr Cnle. Ed. McGrw Hll Intermercn.007. Análss Numérco.-

Más detalles

Sumas Superiores e inferiores (ó Sumas de Riemann)

Sumas Superiores e inferiores (ó Sumas de Riemann) Unidd 1 Integrl denid 1.2 Sums superiores e ineriores (o sums de Riemnn). Sums Superiores e ineriores (ó Sums de Riemnn) Denición 1. Se : [, b] R. Se dice que est cotd superiormente sobre [, b], cundo

Más detalles

Determinantes y la Regla de Cramer

Determinantes y la Regla de Cramer Determinntes y l Regl de Crmer Mtriz Invers Not: un mtriz cudrd que no tiene invers se llm mtriz singulr. Ejemplo: Hllr l invers de A. A 4 Si l plicr el método de Guss se obtiene ceros en los elementos

Más detalles

Funciones continuas. Mariano Suárez-Alvarez. 4 de junio, Índice

Funciones continuas. Mariano Suárez-Alvarez. 4 de junio, Índice Funciones continus Mrino Suárez-Alvrez 4 de junio, 2013 Índice 1. Funciones continus................... 1 2. Alguns propieddes básics............ 3 3. Los teorems de Weierstrss y Bolzno... 6 4. Funciones

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

INTEGRALES IMPROPIAS INTEGRALES EN INTERVALOS NO ACOTADOS. (Integral impropia de 1ª especie).

INTEGRALES IMPROPIAS INTEGRALES EN INTERVALOS NO ACOTADOS. (Integral impropia de 1ª especie). Integrles Impropis INTEGRALES IMPROPIAS L integrl f ()d se die impropi si ourre l menos un de ls hipótesis siguientes: º, o mos son infinitos. 2º L funión f() no está otd en el intervlo [,]. Ejemplos:

Más detalles

Solución Examen. (1 + a)x + y + z + u = α x + (1 + a)y + z + u = β x + y + (1 + a)z + u = γ x + y + z + (1 + a)u = δ.

Solución Examen. (1 + a)x + y + z + u = α x + (1 + a)y + z + u = β x + y + (1 + a)z + u = γ x + y + z + (1 + a)u = δ. Ingenierí Mtemátic FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Algebr Linel MA 0, 0/08/3, Profs. J. González, R. Gouet. Solución Exmen. Considere el siguiente sistem de ecuciones lineles,

Más detalles

TEMA 2. Métodos iterativos de resolución de Sistemas de Ecuaciones Lineales

TEMA 2. Métodos iterativos de resolución de Sistemas de Ecuaciones Lineales TEMA : Métodos tertvos de resolucón TEMA. Métodos tertvos de resolucón de Sstems de Ecucones Lneles. Métodos tertvos: ntroduccón Aplcr un método tertvo pr l resolucón de un sstem S A b, consste en trnsformrlo

Más detalles

Caso práctico sobre reparto de dividendos entregando activos no monetarios.

Caso práctico sobre reparto de dividendos entregando activos no monetarios. Cso práctico sobre reprto de dividendos entregndo ctivos no monetrios. Gregorio Lbtut Serer http://gregorio-lbtut.blogspot.com.es/ Universidd de Vlenci. Prece ser que en un primer lectur el reprto de dividendos

Más detalles

Muchos cálculos algebraicos, que son difíciles o imposibles por otros métodos, son fáciles de desarrollar por medio de los logaritmos.

Muchos cálculos algebraicos, que son difíciles o imposibles por otros métodos, son fáciles de desarrollar por medio de los logaritmos. 1.3. L función Logrítmic Con el uso de los ritmos, los procesos de multiplicción, división, elevción potencis extrcción de ríces entre números reles pueden simplificrse notorimente. El proceso de multiplicción

Más detalles

INTEGRAL DEFINIDA INTRODUCCIÓN

INTEGRAL DEFINIDA INTRODUCCIÓN INTRODUCCIÓN U medo potete de l vestgcó e mtemátc, físc, mecác y otrs rms de l cec es l tegrl defd. El cálculo de áres lmtds por curvs, de ls logtudes de rcos, volúmees, trjo, velocdd, espco, mometos de

Más detalles

EJERCICIOS DE RAÍCES

EJERCICIOS DE RAÍCES EJERCICIOS DE RAÍCES º ESO RECORDAR: Definición de ríz n-ésim: n x x Equivlenci con un potenci de exponente frccionrio: n m x Simplificción de rdicles/índice común: Propieddes de ls ríces: x m/n n n b

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Series de Taylor. Antes de comenzar con la series de Taylor, repasemos algunas propiedades importantes de las series infinitas.

Series de Taylor. Antes de comenzar con la series de Taylor, repasemos algunas propiedades importantes de las series infinitas. Semn 2 - Clse 5 15/1/1 Tem 1: Series Series de Tylor Antes de comenzr con l series de Tylor, repsemos lguns propieddes importntes de ls series infinits. 1. Algebr de series de potencis El álgebr elementl

Más detalles