LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES

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

Download "LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES"

Transcripción

1 Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp) Vol. 101, Nº. 1, pp 21-33, 2007 VII Programa de Promocó de la Cultura Cetífca y Tecológca LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES FCO. JAVIER GIRÓN GONZÁLEZ-TORRE *; JOSÉ MIGUEL BERNARDO HERRÁNZ ** * Real Academa de Cecas Exactas, Físcas y Naturales. Departameto de Estadístca e Ivestgacó Operatva. Facultad de Cecas Matemátcas. Uversdad de Malaga Málaga. fj_gro@uma.es. ** Real Academa de Cecas Exactas, Físcas y Naturales (A. Correspodete). Departameto de Estadístca. Facultad de Matemátcas. Uversdad de Valeca Burjassot (Valeca). 1. INTRODUCCIÓN Detras del aparetemete smple hecho de buscar ua solucó al problema de la represetatvdad de las dversas opcoes que los partdos polítcos ofrece a la cudadaa e aquellos países e los que está asetada ua democraca, se oculta u problema, e apareca smple, pero complejo desde el puto de vsta matemátco, que es el de dstrbur los escaños de u Parlameto de acuerdo co las preferecas que los cudadaos expresa e las cosultas de carácter polítco. Los sstemas de represetacó democrátca exge u metodo de seleccó justa de u pequeño úmero de dvduos que represete a ua mayora de los cudadaos. U sstema electoral es ua herrameta costtucoal utlzada para resolver el problema ateror que trasforma los votos de los cudadaos e u certo reparto del úmero de escaños. Auque detrás de todos los sstemas electorales está la dea de que el reparto de escaños sea proporcoal al úmero de votos que obtee cada grupo polítco, al ser el úmero de escaños muy feror al de votos y al ser ecesaramete este u umero etero, se produce u desajuste u problema de redodeo a la hora de asgar las partes o eteras sobrates de los escaños a alguo de los partdos polítcos e lza. A lo largo de la hstora se ha propuesto ua gra varedad de procedmetos o sstemas electorales (más de 300). El adoptar uo de ellos ha depeddo de la hstora, de la hereca y de los debates poltcos de cada pas sobre todo e los dos ultmos sglos y la reforma electoral es u tema que afecta por gual a las uevas democracas como a las más atguas. El dseño de sstemas electorales uevos es algo ta dfícl como elegr uo de etre los muchos que actualmete exste. E su eleccó suele haber factores culturales e hstórcos, además de tereses polítcos, a veces espúreos. De modo que la eleccó de u sstema electoral o puede cosderarse como ua decsó mparcal o sesgada. Las votacoes per se o so garata de equlbro ya que el procedmeto elegdo puede producr dferecas radcales e los resultados de la votacó. La geera electoral se ocupa del dseño. el aálss y la seleccó de procedmetos que se suele utlzar para trasformar votos e escaños (fórmulas electorales), que costtuye el grueso de cada sstema electoral. Algo que o podemos olvdar es que o hay sstemas electorales perfectos. No se puede dseñar gú sstema electoral que satsfaga todas las propedades dctadas por el setdo comú. Esto sería ua versó electoral del famoso teorema de mposbldad de Arrow (1951). Así pues, la eleccó de u sstema electoral apropado se reduce a elegr u certo subcojuto de aquellas propedades que se cosdere fudametales. E este artículo os referremos báscamete al modelo español y al de las Comudades Autóomas, señalado de paso brevemete alguos cometaros sobre otros procedmetos que se aplca a otros países. Sguedo el madato costtucoal de ateder

2 22 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; 101 a crteros de represetacó proporcoal, aalzaremos estos crteros desde la perspectva de los problemas de optmzacó co úmeros eteros. De hecho, las llamadas fórmulas electorales o so fórmulas matemátcas e el setdo tradcoal, so que so algortmos que co el put de la dstrbucó de votos geera u output que es el reparto de los escaños, utlzado para ello operacoes elemetales. Desde el puto de vsta matemátco, veremos que ua fórmula electoral es smplemete u algortmo dseñado para mmzar ua certa fucó de costo. E partcular, las fórmulas de represetacó proporcoal so algortmos efcetes para resolver u problema de optmzacó co ua fucó objetvo específca. Estas fucoes objetvo, dsttas para cada fórmula, represeta de hecho dversos ídces de proporcoaldad. A estos los podemos cosderar como los crteros ocultos sobre los que se basa cada ua de las fórmulas. Este modo de efocar el problema os proporcoa u susbstrato teórco de las coocdas fórmulas de represetacó proporcoal y os permte estudar los putos débles de muchas de las metodologías usuales e el aálss de los sstemas proporcoales. No tratamos aquí los sstemas mayortaros dode el caddato más votado es elegdo e su dstrto como los usados sobre todo e los pases aglosajoes como Gra Bretaña, Estados Udos, Nueva Zelada y també e Itala. E Fraca, s embargo, se usa el sstema de doble votacó. 2. EL MANDATO CONSTITUCIONAL Reproducmos aquí el artículo de la Costtucó española referdo al modo de elegr los represetates de la Cámara Baja. Como puede comprobarse, el artículo 68 o es muy explícto a la hora de fjar el método de reparto de los Dputados, salvo la refereca a que sea proporcoal. La descrpcó pormeorzada del procedmeto electoral vgete e uestro país se desarrolla e los artículos de la Ley electoral, que reproducmos e el Apédce A de este artículo. TÍTULO III De las Cortes Geerales CAPÍTULO PRIMERO De las Cámaras Artículo El Cogreso se compoe de u mímo de 300 y u máxmo de 400 Dputados, elegdos por sufrago uversal, lbre, gual, drecto y secreto, e los térmos que establece la ley. 2. La crcuscrpcó electoral es la provca. Las poblacoes de Ceuta y Mellla estará represetadas cada ua de ellas por u Dputado. La ley dstrburá el úmero total de Dputados, asgado ua represetacó míma cal a cada crcuscrpcó y dstrbuyedo los demás e proporcó a la poblacó. 3. La eleccó se verfcará e cada crcuscrpcó atededo a crteros de represetacó proporcoal. 3. MÉTODOS PROPORCIONALES La eleccó de los represetates del Cogreso de los Dputados e España, o detro de cada Comudad Autóoma del correspodete Parlameto, comporta dos problemas de asgacó proporcoal, a saber: el reparto del total de los escaños del Parlameto por provcas y, detro de cada provca, el posteror reparto de los correspodetes escaños etre los partdos polítcos cocurretes. Cada uo de ellos se resuelve por métodos dferetes tal como se establece e la ley electoral. 3.1 El Método de los Restos mayores Se utlza para obteer la dstrbucó de los escaños etre las provcas, auque prevamete se le aplca certas restrccoes, a saber: a las cudades autómas de Ceuta y Mellla se les asga u escaño a cada ua, y el resto de las provcas recbe automátcamete dos escaños cada ua. La asgacó del resto de los escaños se hace medate el método de los Restos Mayores.

3 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; Fgura 1. Modelo de caja egra que descrbe la trasformacó de votos v 1,..., v,..., v e escaños s 1,..., s,..., s, de modo que suma u total de s = S escaños. = El Método de los Restos mayores Uo de estos métodos, coocdo como ley o método de d Hodt, se aplca a la asgacó de escaños a los partdos detro de cada provca, co la restrccó de que se excluye aquellos partdos que o obtega u mímo del 3 % e cada dstrto electoral. Estos dos métodos so casos partculares de lo que se cooce como problemas de asgacó proporcoal etera, que se descrbe e la seccó sguete. 4. EL PROBLEMA DE LA ASIGNACIÓN PROPORCIONAL ENTERA Etre estos problemas, además de los dos especfcados de la dstrbucó de escaños etre provcas y la asgacó de escaños a los partdos polítcos, se cluría otros muchos como, p. ej., la asgacó de cetros escolares e proporcó a la poblacó, o muchos de los problemas de asgacó de recursos e Ecoomía. La descrpcó matemátca de todos estos problemas es la msma y se cooce co el ombre de modelo de uras (o cajas) y bolas. Adaptado a uestro cotexto, supogamos que hay que repartr ua catdad de escaños S etre formacoes polítcas a partr del úmero de votos v 1,, v que recbe cada partdo. S s 1,, s represeta el úmero de escaños asgados a los partdos 1,,, u método de asgacó proporcoal determa los úmeros eteros s 1,, s de modo que los cocetes s1 v1,, s v sea lo más parecdos etre s. S defmos las cuotas q 1,, q asocadas al úmero de votos v 1,, v como la parte del úmero de escaños proporcoal al úmero de votos v v q = S = S v + + v V 1.. ị y s estas cuotas fuese úmeros eteros, que ecesaramete suma S, tedríamos resuelto el problema pues etoces la solucó sería s = q ya que los cocetes s v = S V, dode V = v sería el total de v votos. E geeral, las cuotas o so úmeros eteros por lo que ua solucó al problema de asgacó proporcoal etera cosstrá e ecotrar uos úmeros eteros s 1,, s próxmos a las cuotas y que sume S. Pero, de maera atural, surge la preguta de cómo se puede costrur métodos de asgacó proporcoal etera? Hstórcamete se ha utlzado esecalmete dos métodos, a saber: el de los restos mayores y los métodos basados e dvsores. Estos métododos parte de ua dea smple y, como veremos, terma sedo la solucó de u problema de optmzacó e úmeros eteros. Todos los métodos propuestos tee certas vetajas e coveetes. De hecho, o exste gú método comumete aceptado por todos puede exstr u método de asgacó proporcoal que satsfaga ua lsta de propedades razoables, como demuestra el teorema de mposbldad de Balsk y Youg (1982). Como cabe esperar, la relacó exstete etre los métodos de asgacó proporcoal y los métodos de

4 24 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; 101 optmzacó permte profudzar e las propedades de estos métodos y, de este modo, abre el camo para troducr uevos métodos potecales de asgacó proporcoal más razoables que los actuales. A cotuacó, pasamos a descrbr el prmero de los métodos de asgacó proporcoal. 5. EL MÉTODO DE LOS RESTOS MAYORES 5.1 Descrpcó del método Se asga, e prmer lugar, a cada partdo la parte etera de su cuota [q ]; a cotuacó, se ordea de mayor a meor los restos q [q] y se asga u escaño más a cada uo de los partdos co mayor resto hasta completar los S escaños. Ua de las vetajas de este método es que satsface la propedad de verfcacó de la cuota, a saber, que las solucoes s 1,, s dfere de la cuota e meos de u escaño, es decr q s 1. S embargo, tee alguas desvetajas, como la de que o es ecesaramete moótoo respecto de la asgacó de escaños, lo que se cooce co el ombre de Paradoja de Alhabama, tal como se explca a cotuacó. Tampoco es ecesaramete moótoo respecto de la asgacó de los votos, lo que se cooce como Paradoja de los votos: Puede ocurrr que, al comparar dos eleccoes dsttas, u determado partdo haya obtedo más votos pero meos escaños. La Paradoja de Alhabama E 1881, el método de los Restos Mayores fue muy crtcado por lo que, e su mometo, el Cogreso de los Estados Udos lo elmó debdo al hecho de que el estado de Alhabama que teía derecho a ocho represetates cuado el tamaño de la cámara era de 299 escaños pasó a teer sete cuado cuado el úmero de represetates se aumetó a 300, habédo matedo los estados la msma poblacó. La Paradoja de los estados uevos E 1907, Oklahoma se covrtó e u uevo estado y se le asgaro 5 represetates e base a su poblacó, co lo cual el total de represetates pasó de 386 a 391. La etrada de este uevo estado produjo cambos colaterales esperados. E cocreto, y s razó aparete, u escaño que prevamete se había asgado a Nueva York pasó a egrosar los del estado de Mae, de modo que Nueva York pasó de 38 a 37 escaños metras que Mae pasó de 3 a 4 escaños. Podríamos pesar que las paradojas so smplemete cuestoes puramete académcas o be que pudera ser sucesos o acotecmetos hstórcos raros o poco probables: o osbtate, para be o para mal, puede teer mplcacoes polítcas de eorme mportaca. La mayoría de los debates parlametaros sobre los métodos proporcoales se produce por la desgacó de u solo escaño. E 1991, los dstrtos de Motaa y Massachusetts presetaro alegacoes cotra la costtucoaldad del método de las Proporcoes Iguales o de Hll-Hutgto, que había estado e vgor durate más de 50 años. Ambos propusero métodos alteratvos basados e el ceso de 1990 pero el Trbual Supremo cofrmó la costtucoaldad del método. 5.2 Ejemplo de aplcacó del Método de los Restos Mayores Presetamos u caso real tomado de las eleccoes autoómcas catalaas celebradas el 16 de ovembre de Los datos correspode a la provca de Lérda y el total de escaños que había que repartr o asgar era de 15. Auque para la asgacó real de escaños se utlza la regla d Hot, a cotuacó ofrecemos la asgacó que resultaría de aplcar a estos msmos datos el método de los restos mayores, para comprobar que puede haber dferecas sustacales etre los dos métodos. E la Fgura 2, se muestra el resultado de aplcar el método de los restos mayores para obteer la asgacó de los 15 escaños. Como se puede comprobar,

5 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; Fgura 2. Ejemplo del fucoameto del método de los restos mayores a la asgacó de escaños e u caso real. e la prmera teracó se asga 13 de los 15 escaños, de modo que so ecesaras dos teracoes más para asgar el total de los quce escaños. El resultado de la aplcacó de este método coducría a la asgacó que aparece e la últma fla, que cosstría e asgar 6, 3, 3, 2 y 1 escaños a los partídos polítcos CU, PSC, ERC, PP e ICV, respectvamete. S embargo, la asgacó real que se obtuvo aplcado la ley de dhodt fue de 7, 4, 3, 1 y 0 escaños para CU, PSC, ERC, PP e ICV, respectvamete. El resultado ateror, que compara ambos métodos, revela u hecho frecuete y be coocdo y també muchas veces crtcado, que es el que la regla d Hot tede sstemátcamete a favorecer a los partdos mayortaros e detrmeto de las morías. 6. MÉTODOS DE LOS DIVISORES E realdad, o se debe hablar de u solo método de los dvsores so que estos costtuye toda ua clase de procedmetos de asgacó proporcoal, depededo del crtero dvsor que se utlce. Varos de los métodos más utlzados e la práctca se eumera e la Tabla Descrpcó de los métodos Cada uo de los métodos se asoca co u crtero dvsor. U crtero dvsor es ua fucó real d(s) defda sobre los úmeros eteros s = 0, 1, 2, de modo que satsfaga las codcoes

6 26 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; 101 Tabla 1. Ejemplos de los métodos de dvsores. * Además de e España, la ley d Hot també se emplea e Austra, Bélgca, Flada, Islada, Portugal, Holada, Suza y Fraca (solamete se empleó e el año 1986). ** E Damarca se empleó durate el período y A cotuacó, ua vez fjado el crtero dvsor, para cada = 1, 2,, y para cada s = 0, 1,, S se calcula los cocetes se elge los S mayores y se asga a los respectvos partdos. S hay empate, la ley electoral correspodete decde el método de asgacó (véase el ejemplo de la Fgura 3). 6.2 Alguos casos partculares El Método de d Hodt, troducdo por Jefferso para el reparto de escaños del Cogreso de los Estados Udos e 1794 y el más utlzado e Europa, a pesar de que se le haya crtcado por ser el meos proporcoal de todos. E Bélgca se atrbuye al jurcosulto Vctor d Hodt la creacó del método. El crtero dvsor correspodete es:. El Método Sate Laguë, troducdo por el matemátco fracés del msmo ombre e 1910 auque Webster lo había sugerdo alguos años ates como alteratva al método de Jefferso que favorecía a los grades estados. El crtero dvsor correspodete es:. El Método de los Dvsores Pequeños, desarrollado por Adams, se puede cosderar como la atítess del de d Hodt ya que tede a favorecer a los partdos pequeños. No se suele utlzar e Europa. El crtero dvsor correspodete es: ds () = s. Obsérvese que, e este caso, como ds () = 0todos los cocetes c 0 =+, lo que mplca que cada partdo obtee al meos u escaño. Ua vetaja mportate de todos los métodos de dvsores es que so moótoos pero o ecesaramete verfca la propedad de la cuota. 6.3 Propedades deseables que debe satsfacer u crtero de asgacó proporcoal etera Auque ya hemos mecoado alguas de las vetajas e coveetes de los métodos que hemos co-

7 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; Fgura 3. Ejemplo real de aplcacó de la ley d Hot. Obsérvese que, e este caso, el corte para quedar excluído de la asgacó de escaños se stua e el 5% e vez del 3% que dcta la ley electoral.

8 28 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; 101 Tabla 2. Comparacó etre los métodos de los Restos Mayores y el de d Hodt. * Esta asgacó o verfca la propedad de mootoía. ** Estas solucoes o verfca la cuota. sderado, os plateamos ahora el problema mucho más teresate de abordar el estudo de los métodos de asgacó proporcoal desde el puto de vsta axomátco, es decr, de los prcpos que so deseables que verfque u crtero de asgacó proporcoal. La coclusó es como por otra lado cabría esperar, dada la dversdad de métodos y las crítcas que todos ha recbdo decepcoate y os coduce al sguete teorema de mposbldad, smlar e espírtu, al famosos teorema de mposbldad de Arrow. Teorema de mposbldad (Balsk y Youg, 1982). No exste gú crtero de asgacó que cumpla smultáeamete las cuatro propedades o axomas sguetes: 1. Verfcacó de la cuota: Ngua de las dferecas etre escaños y cuotas debe ser superor a la udad. 2. Mootoía respecto de los escaños: Al aumetar el úmero de escaños S gú partdo debería recbr meos escaños, para ua asgacó fja de votos. 3. Mootoía respecto de los votos: Al comparar los resultados de dos eleccoes, s el úmero de votos de u partdo aumeta y el de otro dsmuye, o debería ocurrr que el prmero tuvera meos escaños y el segudo más que los que tuvera aterormete. 4. Homogeedad: La solucó o se altera s los úmeros de votos se multplca por u factor λ > Comparacó etre los métodos de los Restos Mayores y el de d Hodt A modo de ejemplo que además lustra algua de las paradojas y señala la posbldad de que se cumpla alguos de los axomas aterores, supogamos que el úmero de votos obtedos por tres partdos A, B y C so 99, 245 y 32, respectvamete. La Tabla 2 compara los resultados de asgar uo, dos,, hasta dez escaños a estos partdos, utlzado las fórmulas electorales de los Restos Mayores y la ley de d Hodt. E la últma columa aparece las cuotas correspodetes. Aparte de las dferetes asgacoes que los dos métodos produce, se señala co co uo y dos asterscos, respectvamete, aquellas asgacoes que cumple las propedades de mootoía y de verfcacó de la cuota. Para estos msmos datos, y como complemeto a la Tabla 2, las Fguras 3a y 3b represeta las asgacoes de los escaños a cada uo de los partdos, e

9 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; RELACIÓN CON LOS MÉTODOS DE OPTIMIZACIÓN Uo de los problemas más mportates que se os platea e el estudo de los métodos de reparto o asgacó proporcoal es saber cómo se puede medr su grado de proporcoaldad. Fgura 3a. Comportameto gráfco del Método de los Restos Mayores. El puto egro represeta el reparto deal. Parece ser u setr geeral que el método de los Restos Mayores es el más proporcoal metras que el método de d Hodt es el meos proporcoal. La respuesta o la explcacó a este setr o está pror del todo clara; s embargo, se puede aclarar efocado el problema de la asgacó proporcoal como u problema de optmzacó co úmeros eteros. Pero, cuál es la fucó objetvo que se ecuetra detrás de cada uo los métodos de asgacó proporcoal? La optmzacó etera os permte descubrr, a posteror, la fucó objetvo que cada crtero mmza. Fgura 3b. Comportameto gráfco del Método de d Hodt. El puto egro represeta el reparto deal. cada ua de las dez etapas de asgacó, e la que se comprueba vsualmete la dfereca etre ambos métodos y los problemas debdos al cumplmeto de algua de las propedades que debería satsfacer los dos crteros aterormete señalas. El puto egro, que represeta el reparto deal, sería la solucó óptma para u úmero de escaños sufcetemete grade, de modo que al hacerse más fa la retícula es decr, al aumetar el úmero de escaños, aquella cocdría co alguo de los putos de terseccó de la retícula. Este hecho refleja la dea tutva de que todos los métodos de reparto proporcoal cocdría s el úmero de escaños fuese sufcetemete grade (se tedría ua malla o retícula muy fa), y las proporcoes de votos de los dversos partdos o fuese demasado dspares, lo que mpedría que hubese mayorías o morías demasdo acusadas (ya que, e estas crcustacas, estaríamos demasdo cerca de u vértce). Este uevo efoque del problema orgal e térmos de las solucoes de problemas de optmzacó permte dseñar uevas fórmulas electorales que correspoda a certas fucoes objetvo o meddas de desproporcoaldad. El plateameto del problema de optmzacó para la asgacó proporcoal sería pues el sguete. Cosderemos partdos y S escaños. Sea v= { v,..., 1 v} el vector de los votos que obtee cada partdo y V =. El problema de represetacó = v 1 proporcoal cosste e determar la cofguracó o vector s = s s tal que { } 1,... = 1 s 0, etero, para = 1, 2,...,, s s más v = S más (P1) dode la relacó s v v teta represetar el que los escaños asgados s sea lo más proporcoales posble a los votos obtedos v. Para que el úmero de escaños s fuese exactamete proporcoal al úmero de votos de cada uo de los

10 30 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; 101 partdos = 1,,, se debería cumplr exactamete la gualdad s = v S para = 1, 2,...,. V Como la cuota, v, es geeralmete u úmero fraccoaro, hay que redodearla de algú modo y, por V cosguete, o hay solucó úca del problema (P1). S Se puede demostrar que la solucó del problema (P1) dado por las dferetes fórmulas de asgacó so solucoes óptmas del sguete problema de optmzacó (P2) e el que la fucó de costo es ua medda de la falta de equdad (o ídce de desproporcoaldad) específca de cada método, que toma valores o egatvos y geeralmete satsface el que s y solo s s S para todo = 1, 2,,. = v V 7.1 Métodos de asgacó y sus correspodetes meddas de desproporcoaldad A cotuacó, damos ua lsta de varos de los métodos de asgacó proporcoal más utlzados, co sus correspodetes fucoes de costo. Obsérvese que para u msmo crtero puede haber más de ua fucó de costo. p s q para todo p 1 = 1 s S v = 1 v V Método de los Restos Mayores p s v para todo p 1 S V = 1 s v max = 1,2,..., S V 8. EPÍLOGO Falzamos el artículo co uos cometaros referetes a las cosecuecas que tee la ley electoral vgete y, de paso, señalamos algua posbldad de mejora de ésta coducete a aumetar el grado de proporcoaldad de la msma, s olvdar la mportate y dfícl tarea que supoe la modfcacó de ua ley electoral, atededo a crteros objetvos y o de oportudad polítca que, como es be sabdo y la hstora os lo recuerda, se puede volver e su cotra e otras crcustacas. U exame global de los resultados de las dez eleccoes geerales habdas e uestro país muestra ua baja proporcoaldad etre el úmero total de votos y el úmero total de escaños recbdos por cada partdo. Esta baja proporcoaldad o solamete se debe a la aplcacó del método de d Hodt so prcpalmete a la exsteca de muchas crcuscrpcoes pequeñas. Balsk y Ramírez propoe las sguetes modfcacoes a la ley electoral co el objeto de aumetar la proporcoaldad:

11 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; a) Aumetar el tamaño de la Cámara al máxmo que cotempla la Costtucó (400 escaños), asgar solamete u escaño cal por provca y repartr el resto medate el método de Sate-Laguë. b) Susttur el método de d Hodt para el reparto de escaños por el método de los dvsores co crtero dvsor. Por otra parte, Berardo sugere susttur la ley de d Hodt por otro crtero que mmce algua métrca o dstaca etre las cuotas y los escaños como ocurre, p. ej., co el método de los Restos Mayores. 9. CONCLUSIONES El teorema de mposbldad de Balsky y Youg afrma que o hay gú método de reparto proporcoal óptmo. Por otra parte, la fórmula electoral deal ha de ser, a la vez, fácl de eteder y de calcular. El que sea fácl de eteder es ua codcó muy mportate ya que e u sstema realmete democrátco cada elector debe ser coscete y teer ua dea clara de las cosecuecas de su voto. El segudo requsto, de que sea fácl de calcular, ataño fue mportate, pero hoy ya o lo es. Podemos coclur, por cosguete, que la eleccó de ua fórmula electoral es ua decsó polítca mportate que debe compatblzarse co el madato costtucoal. El que los métodos de reparto proporcoales se pueda cosderar como u problema de optmzacó co ua determada fucó de costo ayuda a eteder los pros y los cotras de cada uo de los métodos comumete usados e, cluso, a dseñar uevas fórmulas electorales que mmce certas meddas de desproporcoaldad o dstaca etre la represetacó polítca de cada partdo medda por s y la deal. Otra gra vetaja, es que además v SV permte que se pueda añadr restrccoes al problema de optmzacó de modo que fuerce a la asgacó de escaños resultate a respetar certas propedades. De aquí deducmos, como coclusó fal, que las matemátcas puede ayudar a ecotrar la solucó al problema de la asgacó proporcoal que mejor se ajuste a uas determadas crcustacas polítcas, depedetemete de éstas crcustacas y de otros elemetos que pudera dstorsoar la dea que subsyace detrás del cocepto de reparto proporcoal. APÉNDICE A: LA LEY ELECTORAL LEY ORGÁNICA 5/1985, DE 19 DE JUNIO DEL RÉGIMEN ELECTORAL GENERAL, MODI- FICADA POR LA LEY ORGÁNICA 1/1987, DE 2 DE ABRIL, POR LA LEY ORGÁNICA 8/1991, DE 13 DE MARZO, POR LA LEY ORGÁNICA 6/1992, DE 2 DE NOVIEMBRE, POR LA LEY ORGÁNICA 13/1994, DE 30 DE MARZO, POR LA LEY ORGÁNICA 3/1995, DE 23 DE MARZO, POR LA LEY ORGÁNICA 1/1997, DE 30 DE MAYO, POR LA LEY LEY ORGÁNICA 3/1998, DE 15 DE JUNIO Y POR LA LEY ORGÁNICA 8/1999, DE 21 DE ABRIL. CÁPITULO III Sstema electoral Artículo Para la eleccó de Dputados y Seadores, cada provca costturá ua crcuscrpcó electoral. Asmsmo, las cudades de Ceuta y Mellla será cosderadas, cada ua de ellas, como crcuscrpcoes electorales. 2. Se exceptúa de lo dspuesto e el párrafo ateror, para las eleccoes de Seadores, a las provcas sulares, e las que a tales efectos se cosdera crcuscrpcoes cada ua de las sguetes slas o agrupacoes de slas: Mallorca, Meorca, Ibza-Formetera, Gra Caara, Fuertevetura, Lazarote, Teerfe, Herro, Gomera y La Palma. Artículo El Cogreso está formado por trescetos ccueta Dputados. 2. A cada provca le correspode u mímo cal de dos Dputados. Las poblacoes de Ceuta y Mellla está represetadas cada ua de ellas por u Dputado. 3. Los doscetos cuareta y ocho Dputados restates se dstrbuye

12 32 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; 101 etre las provcas e proporcó a su poblacó, coforme al sguete procedmeto: a) Se obtee ua cuota de reparto resultate de dvdr por doscetos cuareta y ocho la cfra total de la poblacó de derecho de las provcas pesulares e sulares. b) Se adjudca a cada provca tatos Dputados como resulte, e úmeros eteros, de dvdr la poblacó de derecho provcal por la cuota de reparto. c) Los Dputados restates se dstrbuye asgado ua a cada ua de las provcas cuyo cocete, obtedo coforme al apartado ateror, tega ua fraccó decmal mayor. Descrpcó del método de los restos mayores 4. El Decreto de covocatora debe especfcar el úmero de Dputados a elegr e cada crcuscrpcó, de acuerdo co lo dspuesto e este artículo. Artículo La atrbucó de los escaños e fucó de los resultados del escruto se realza coforme a las sguetes reglas: a) No se tee e cueta aquellas caddaturas que o hubera obtedo, al meos, el 3 por 100 de los votos váldos emtdos e la crcuscrpcó. b) Se ordea de mayor a meor, e ua columa, las cfras de votos obtedos por las restates caddaturas. c) Se dvde el úmero de votos obtedos por cada caddatura por 1, 2, 3, etcétera, hasta u úmero gual al de escaños correspodetes a la crcuscrpcó, formádose u cuadro smlar al que aparece e el ejemplo práctco. Los escaños se atrbuye a las caddaturas que obtega los cocetes mayores e el cuadro, atededo a u orde decrecete. Aquí se descrbe u ejemplo práctco de aplcacó de la ley d Hodt d) Cuado e la relacó de cocetes cocda dos correspodetes a dsttas caddaturas, el escaño se atrburá a la que mayor úmero total de votos hubese obtedo. S hubera dos caddaturas co gual úmero total de votos, el prmer empate se resolverá por sorteo y los sucesvos de forma alteratva. e) Los escaños correspodetes a cada caddatura se adjudca a los caddatos cludos e ella, por el orde de colocacó e que aparezca. 2. E las crcuscrpcoes de Ceuta y Mellla será proclamado electo el caddato que mayor úmero de votos hubese obtedo. Artículo E caso de fallecmeto, capacdad o reuca de u dputado, el escaño será atrbudo al caddato o, e su caso, al suplete, de la msma lsta a que correspoda, atededo a su orde de colocacó. 2. Las vacates de los Dputados elegdos e Ceuta y Mellla será cubertas por sus respectvos supletes, desgados e los térmos del artículo 170 de esta Ley. APÉNDICE B: LA TEORÍA DE LA ELECCIÓN SOCIAL Como complemeto de este artículo, ofrecemos ua breve descrpcó del teorema de mposbldad de Arrow, al que se ha hecho refereca e varas ocasoes. Formulacó del problema S cada dvduo de u grupo tee u certo orde de preferecas etre las dferetes alteratvas A, B, C, etc., cómo se puede covertr las dsttas preferecas dvduales e ua sola eleccó para todo u grupo? La herrameta básca es la defcó de fucó de beestar socal, que es ua regla o procedmeto de agregacó que permte ordear las dsttas alteratvas a partr de las preferecas dvduales. Como ejemplos de fucoes de beestar socal, que se ha utlzado co profusó se ecuetra las sguetes: a) El método de la mayoría relatva. b) El ídce de recueto de Borda. c) El método de comparacó por parejas.

13 Fracsco Javer Gró et al. Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp), 2007; A la preguta de qué propedades debería verfcar ua fucó de beestar socal razoable, Arrow (1951) e su hstórco artículo que adoptaba la perspectva axomátca mperate e la época, trodujo las sguetes como axomas que ua fucó de beestar socal deal debería satsfacer. a) Domo Uversal: Cualquer prefereca dvdual es legítma. b) El Prcpo de Pareto: S hay uamdad e cosderar ua alteratva mejor que otra etoces el procedmeto de agregacó debería colocar sempre la alteratva mejor ates de la peor. c) Idepedeca de alteratvas rrelevates: La ordeacó socal de dos alteratvas sólo depede de su ordeacó e cada lsta dvdual y o de su relacó co otras alteratvas. Co estas premsas, Arrow demostró su teorema de mposbldad, que eucamos de la maera sguete. Teorema de Imposbldad de Arrow (1951) S hay más de dos alteratvas, cualquer fucó de beestar socal que cumpla las propedades aterores cocde co las preferecas de u certo dvduo, que varará segú cual sea la fucó, por lo que tedríamos ecesaramete ua dctadura. NOTA BIBLIOGRÁFICA E la refereca 4 puede ecotrarse ua extesa y recete bbografía, clasfcada segú los dversos aspectos que ofrece el tema de las Matemátcas de los Sstemas Electorales, desde las cotrbucoes fudametales de los poeros, como Arrow y Black, al aálss de los métodos proporcoales, pasado por las reformas electorales, la establdad de los goberos y los efectos y cosecuecas de los sstemas electorales. BIBLIOGRAFÍA 1. Arrow, K. (1963). Socal Choce ad Idvdual Values (2d edto). Wley: New York. 2. Balsk, M. L. ad Youg, H. P. (1982a). Far Represetato: Meetg the Ideal of Oe Ma Oe Vote. Yale Uversty Press: New Have, CT. 3. Balsk, M. L. ad Youg, H. P. (1982b). The quota method of apportomet. Amerca Mathematcal Mothly, 82, pp Grll d Cortoa, P. Maz, C. Pes, A., Rcca, F., ad Smeoe, B. (1999). Evaluato ad Optmzato of Electoral Systems. SIAM Moographs o Dscrete Mathematcs ad Applcatos.

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos 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 detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción 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 detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

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

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

ANTES DE COMENZAR RECUERDA

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:,

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Modelos de Regresión Simple

Modelos 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 detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos 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 detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

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

Más detalles

CÁLCULO NUMÉRICO (0258)

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

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

1.2. Medidas de Concentración

1.2. 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 detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

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

Más detalles

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

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

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 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 detalles

Problemas discretos con valores iniciales

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

Más detalles

Interpolación polinómica.

Interpolación 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 detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

G - Métodos de Interpolación

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

Más detalles

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood ) Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

GENERALIDADES SOBRE MÓDULOS

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

Más detalles

( ) ( ) ( )( ) ( )( ) ( )

( ) ( ) ( )( ) ( )( ) ( ) 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

Más detalles

TEMA 2: CAPITALIZACIÓN SIMPLE

TEMA 2: CAPITALIZACIÓN SIMPLE Matemátcas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 2: APITALIZAIÓN SIMPLE ÍNDIE 1. APITALIZAIÓN SIMPLE... 1 1.1. ONEPTO... 2 1.2. DESRIPIÓN DE LA OPERAIÓN... 2 1.3. ARATERÍSTIAS DE LA OPERAIÓN...

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

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

Más detalles

Escrito. 1) Transforma a las bases indicadas:

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

Más detalles

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

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

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

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

Más detalles

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

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

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

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

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

APLICACIONES DE LA MATEMÁTICA FINANCIERA EN LA TOMA DE DECISIONES

APLICACIONES DE LA MATEMÁTICA FINANCIERA EN LA TOMA DE DECISIONES Uversdad de Los Ades Facultad de Cecas Ecoómcas y Socales Escuela de Admstracó y Cotaduría Públca Departameto de Cecas Admstratvas Cátedra de Produccó y Aálss de la Iversó Asgatura: Matemátca Facera APLICACIONES

Más detalles

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

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

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

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),

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

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:

Más detalles

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

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

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento-

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento- LC-3054 Sstemas de Poteca II Capítulo Sstemas Mult-Maquas -Plateameto- Prof. Fracsco M. Gozález-Logatt fglogatt@eee.org http://www.gaelec.org/fglogatt/sp.htm SISTMAS D POTNCIA II stabldad Mult-Maquas Fracsco

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

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

Más detalles

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

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

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué 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 detalles

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices Tema V DIAGONALIZACIÓN POR TRANSFORMACIONES DE SEMEJANZA Objetvos Presetar los coceptos de autovalor y autovector, los cuales tee gra mportaca e las aplcacoes práctcas (tato es así, que podría decrse que

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordacó de Cecas Computacoales - INAOE Matemátcas Dscretas Cursos Propedéutcos 0 Cecas Computacoales INAOE Dr. Erque Muñoz de Cote jemc@aoep.m http://ccc.aoep.m/~jemc Ofca 80 Dapostvas basadas e prevas

Más detalles