4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

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

Download "4. VARIABLES ALEATORIAS Y SUS PROPIEDADES"

Transcripción

1 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ

2 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus valores de acuerdo a los resulados de u eperimeo aleaorio. Usualmee se represea por las úlimas leras del alfabeo:, Y o Z. Ua variable aleaoria es ua fució cuyo domiio es el espacio muesral S y cuyo rago R,esu subcojuo de los úmeros reales. Ejemplos de variables aleaorias: : La suma que aparece al lazar u par de dados. Y: El úmero de caras que aparece al lazar ua moeda res veces. Z: El úmero de errores que se ecuera e la págia de u libro. T: El iempo de vida de la compoee de u sisema W: El iempo de espera para ser aedido e u baco ESMA 4 Uiversidad de Puero Rico

3 Ejemplo. De ua caja que coiee 5 bolas umeradas del al 5 se erae bolas ua por ua y si reposició. Eoces : El mayor de los res úmeros sacados, es ua variable aleaoria. El espacio muesral es: S {,,,,,4,,,5,,,4,,,5,,4,5,,,4,,,5,,4,5,,4,5} y la variable aleaoria asume los valores:, 4 y 5. Por ejemplo,,,4 4 ESMA 4 Uiversidad de Puero Rico

4 Si el rago de valores R de la variable aleaoria es fiio o ifiio eumerable eoces se dice que es ua variable aleaoria discrea. Si su rago de valores R es ifiio o eumerable eoces se dice que es ua variable aleaoria coiua. ESMA 4 Uiversidad de Puero Rico 4

5 4... Fució de probabilidad de ua variable aleaoria discrea Si es ua variable aleaoria discrea co rago de valores R eoces, su fució de probabilidad se defie por: p P[ ], para odo R y iee las siguiees propiedades: p> y Σ p, R Cuado R o coiee muchos valores es más coveiee epresar p e ua abla de valores, la cual es llamada abla de fució de probabilidad. ESMA 4 Uiversidad de Puero Rico 5

6 Ejemplo.. Hallar la fució de probabilidad de la variable aleaoria del ejemplo.. Solució: E ese caso el rago de valores de es R {, 4, 5} y la fució de probabilidad esa dada e la siguiee abla: P / 4 / 5 6/ ESMA 4 Uiversidad de Puero Rico 6

7 4... Fució de disribució acumulaiva Sea ua variable aleaoria discrea co fució de probabilidad p y rago de valores R, eoces su fució de disribució acumulaiva se defie por: F P p es cualquier úmero real. E paricular, si es u valor que esá e R, el cual cosise de eeros o egaivos, eoces: F p p p p p Ejemplo.. Hallar la fució de disribució acumulaiva para el Ejemplo.. Solució: F / 4 4/ 5 ESMA 4 Uiversidad de Puero Rico 7

8 Disribucio acumuladaco La gráfica de ua fució de disribució acumulaiva es o decreciee y del ipo escaloado, co salos e los puos que esá e el rago de valores y cuya magiud es igual al valor de la fució de probabilidad e dicho puo. Más formalmee iee la siguiee propiedad: Propiedad. La relació ere la fució de disribució de probabilidad y la fució de disribució acumulaiva esá dada por: p F - F- para odo valor de e el rago de valores de la variable aleaoria. ESMA 4 Uiversidad de Puero Rico 8

9 Disribucio acumuladaco. lim lim b b F b F F b F ESMA 4 Uiversidad de Puero Rico 9

10 4.. Variables aleaorias coiuas Ua variable aleaoria se dice que es coiua si eise ua fucio o egaiva f defiida para odo umero real e, que saisface P B f d B Dode B es cualquier subcojuo de los umeros reales. La fucio f es llamada la fucio de desidad de la variable aleaoria. Noar que P f d ESMA 4 Uiversidad de Puero Rico

11 4.. Variables aleaorias coiuas Si B es u iervalo [a,b], y f represea la fucio de desidad de eoces b f d P a b Area debajo de f a Noar que o P o f d area o de ua liea Tambie, si f es cualquier fucio coiua o egaiva al que eoces c f d f g es ua fucio de desidad c ESMA 4 Uiversidad de Puero Rico

12 Ejemplo.4 El promedio de graduacio de los esudiaes de ua uiversidad es ua variable aleaoria coiua co fucio de desidad f c4 para 4 y f e oro caso a Hallar el valor de c b U esudiae que se gradua co promedio.5 o mas recibe u premio. Cual es la probabilidad de que eso ocurra Solucio: a f d 4 c4 d c[ ] 4 c c b P 4 > d [ ] 4.5 [.5.5 ] ESMA 4 Uiversidad de Puero Rico

13 Variables aleaorias coiuas co. Si f represea la fucio de desidad de la variable aleoira eoces su fucio de disribucio acumalaiva esa dada por Teorema: ff F f d Prueba: F lim h F h h F h f d h f d h f d h hf ε h f ε dode <ε< h. Luego F f. ESMA 4 Uiversidad de Puero Rico

14 Variables aleaorias coiuasco. Si F represea la disribucio acumulaiva de la v.a.c. eoces P>a-Fa Pa<<bFb-Fa Ejemplo.5: Si la variable aleaoria iee la siguiee fucio de desidad f si f si > a Hallar F y graficarla b Hallar P.<<.6 c Probar que como es simerica,p-a<<a*fa- ESMA 4 Uiversidad de Puero Rico 4

15 Ejemplo.5 solucio ESMA 4 Uiversidad de Puero Rico 5 < < < d d F a.4.]. [.5.8].6 [ < < F F P b ] [ < < a F a F a F a F a F a a P simeria Por c

16 Ejemplo.6 El umero de horas diarias que u io vee elevisio se cosidera como ua variable aleaoria co fucio de desidad f e oro caso f e si > a Hallar la disribucio acumulada de b Hallar la probabilidad de que u io vea mas de res horas diarias de elevisio Solucio: a F < > e d e e e e b P > F [ e e ] 4e.99 ESMA 4 Uiversidad de Puero Rico 6

17 4..4 Valor Esperado y Variaza de ua Variable Aleaoria Discrea Sea ua variable aleaoria discrea co fució de probabilidad p y rago de valores R, eoces su Valor Esperado o Media se defie como el úmero: μ E p La suma es sobre odos los valores que esá e R. Propiedades del valor Esperado: aecec becce c EYEEY d E[g] g p. E paricular, si g co,, eoces E p, que es llamado el -esimo momeo de ESMA 4 Uiversidad de Puero Rico 7

18 Ejemplo.7 U juego cosise e acerar u úmero del al. A la persoa que aciera el úmero se le da u premio de 5 dólares y a las dos persoas que iee el úmero que le aecede o precede se le da dólares. Si el boleo cuesa dólar. Cuál será la Gaacia Nea esperada de ua persoa que compra u boleo? Solució: La Gaacia Nea es igual a la gaacia por el premio recibido meos el coso del boleo. Sea G la gaacia por el premio recibido. Hallaremos primero la Gaacia Esperada: G PG GpG 5 / 5/ / / 997/ Luego, la gaacia esperada por boleo será 7/.7. Así que la Gaacia Nea esperada será Lo que sigifica que ua persoa pierde ceavos ESMA 4 Uiversidad de Puero Rico 8

19 ESMA 4 Uiversidad de Puero Rico 9 Valor Esperado y Variaza de ua Variable Aleaoria Discrea co. La Variaza de ua variable aleaoria discrea co fució de probabilidad p y media μ se defie por: Dode la suma es sobre odos los valores del rago de. Propiedades: a Vara b VaraVar c Varaa Var d La raiz cuadrada posiiva de la variaza es llamada desviacio esadar y se represea por σ p E VAR μ μ σ μ μ μ μ μ μ μ μ E E E E E E VAR

20 Ejemplo.8. Hallar la media y variaza para la variable aleaoria del Ejemplo.. Solució: p p -μ -u p / / /..5.5 μ4.5 σ.45 Ora formas del calcular la variaza es σ p-μ. ESMA 4 Uiversidad de Puero Rico

21 Ejemplo.9 Ua caja coiee bolas de colores disios co dos bolas de cada color. Se erae al azar y co reemplazamieo bolas de la caja hasa que salga dos bolas del mismo color. Sea el umero de bolas eraidas. a Hallar P> para,,. b Hallar la fucio de probabilidad de c Hallar el valor esperado de. Solucio: a El eveo [>] es equivalee a decir que ere las primeras bolas hay ua de cada color. Eso puede ocurrir de P maeras. Las combiacioes so las maeras de elegir los colores disios y so los disios arreglos que se puede hacer co los colores elegidos. Por oro lado hay maeras posibles de eraer las bolas. Por lo ao, P > para,,.., ESMA 4 Uiversidad de Puero Rico

22 Ejemplo.9 co. ESMA 4 Uiversidad de Puero Rico b PF-F--P>--P>-P>--P> Usado los resulados de la pare a se iee P P ] [ para,,.. Noar que.luego,... p p p p P ] [ ] [ ] [ ] [... j j j j j p j j j j j j j j

23 Ejemplo.9 co ESMA 4 Uiversidad de Puero Rico c ]... [ ]... [ > > P P E m Wel resulado aerior se puede simplificar mas usado el hecho que el se puede aproimar usado la formula de aproimacio de Sirlig y la suma es ua pare de la serie epoecial de e

24 4..5 Valor Esperado y Variaza de ua Variable Aleaoria coiua Si es ua variable aleaoria coiua co fucio de desidad f, eoces su media y variaza esa defiidos por E f d VAR μ f d ESMA 4 Uiversidad de Puero Rico 4

25 Ejemplo. Hallar el valor esperado y variaza del ejemplo.4. Solucio: E f d [ 4 4 ] d 4 [ 4 ] 4 4 El valor del promedio academico de graduacio que se espera es de. Var E E E 4 E f d 4 [ 4 ] d [ 4 5 ] Luego, Var4/5-44/5.8 ESMA 4 Uiversidad de Puero Rico 5

26 Ejemplo. Hallar el valor esperado del ejemplo.6 Solucio: E e d e d e e d La ulima iegral vale, porque represea el area oal debajo de la fucio de desidad. Se espera que u io mire elevisio, horas semaales ESMA 4 Uiversidad de Puero Rico 6

27 Ejemplo. Sea u variable aleaoria discrea co rago de valores R {,,.,}. Eoces, E i P i Similarmee si es ua variable coiua o egaiva co fucio de disribucio acumulada F, eoces E [ F ] d Solo probaremos el caso coiuo E ESMA 4 f d f dd f dd [ F ] d La prueba basicamee se basa e el cambio e el orde de los limies de iegracio Uiversidad de Puero Rico 7

28 Desigualdad de Marov Si eoces E P a a Solo probaremos el caso coiuo Para odo a> a E f d f d f d a a af d ap > a La primera desigualdad se jusifica porque el iegrado de la primera iegral es posiivo y e la seguda iegral >a. Luego, E P > a a ESMA 4 Uiversidad de Puero Rico 8

29 Desigualdad de Chebychev Para cualquier variable aleaoria, y cualquier > se cumple que P[ μ σ ] E oras palabras, la probabilidad de que ua variable aleaoria difiera de su media e mas de veces su desviacio esadar es a lo mas / La prueba de la desigualdad de Chebychev se obiee aplicado la desigualdad de Marov a la variable oegaiva -μ co a σ. Lo cual da E μ σ P [ μ > σ ] De dode σ σ P[ μ > σ ] ESMA 4 Uiversidad de Puero Rico 9

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

EJERCICIOS DE MATRICES

EJERCICIOS DE MATRICES EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F

Más detalles

El siguiente tema sugerido para tratar en clases es el método de integración por partes veamos de donde surge y algunos ejemplos propuestos

El siguiente tema sugerido para tratar en clases es el método de integración por partes veamos de donde surge y algunos ejemplos propuestos Méodos y écicas de iegració El siguiee ema sugerido para raar e clases es el méodo de iegració por pares veamos de dode surge y alguos ejemplos propuesos ( º ) Méodo de Iegració por pares:. dv u. v u =

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

MATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física

MATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física MAEMÁICAS Posgrado e Naoecología Dr. Robero Pedro Duare Zamorao 16 Deparameo de Física EMARIO. Series de Fourier 1. Iroducció.. Desarrollo de Fourier. 3. Expasioes de Fourier de medio rago. Iroducció.

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3 Pruebas de Acceso a Eseñazas Uiverarias Oiciales de Grado Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá coesar a ua de las dos opcioes propuesas A ób. Se podrá uilizar cualquier

Más detalles

Curvas MOISES VILLENA

Curvas MOISES VILLENA 6 6.1. 6.. 6.. 6.4. 6.1. FUNCIÓN VECTORIAL DE UNA VARIABLE REAL 6.1.1 DOMINIO 6.1. LIMITE 6.1. CONTINUIDAD 6.. TRAYECTORIA (CAMINO) 6.. GRAFICA. DEFINICIÓN 6.4. TRAZA 6.5. CURVA 6.6. DERIVADA 6.7. CONCEPTOS

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013 El Marge de Riesgo México Por: Pedro Aguilar B. paguilar@csf.gob.mx paguilar@ifiium.com.mx Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució

Más detalles

Regresión Lineal Simple

Regresión Lineal Simple REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

Más detalles

Universidad Carlos III de Madrid

Universidad Carlos III de Madrid Uiversidad Carlos III de Madrid. El mudo físico: represeació co señales y sisemas Señales: Fucioes co las que represeamos variacioes de ua magiud física Volaje, iesidad, fuerza, emperaura, posició r ()

Más detalles

PROPUESTA A. b ) Coordenadas de los máximos y mínimos relativos de f(x). dx. b )

PROPUESTA A. b ) Coordenadas de los máximos y mínimos relativos de f(x). dx. b ) ES CSTELR DJOZ Eame Juio de (Geeral) Euciado oio Megiao Corbacho PRUE DE CCESO (LOGSE) UNVERSDD DE CSTLL L MNCH JUNO (GENERL) MTEMÁTCS Tiempo máimo: horas miuos Elija ua de las dos opcioes, o, coese a

Más detalles

Decimocuarta clase. Respuesta al impulso y convolución

Decimocuarta clase. Respuesta al impulso y convolución Uiversidad Disrial Fracisco José de Caldas - Aálisis de Señales y Sisemas - Marco A. Alzae Decimocuara clase. Respuesa al impulso y covolució E esa clase repasamos y esedemos la clase 3, ya que se raó

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

Métodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8

Métodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8 Méodos Numéricos - cap. 7. Ecuacioes Difereciales PVI /8 Ecuacioes Difereciales Ordiarias (EDO Ua Ecuació Diferecial es aquella ecuació que coiee difereciales o derivadas de ua o más fucioes. Ua Ecuació

Más detalles

Precálculo Quinta edición Matemáticas para el cálculo

Precálculo Quinta edición Matemáticas para el cálculo Precálculo Quia edició Maemáicas para el cálculo Límies JAMES STEWART, LOTHAR REDLIN, SALEEMWATSON Pag. 88-94 . Cocepo iuiivo de ie de ua fució. Limies Esquema del capiulo E ese capiulo se esudia la idea

Más detalles

Qué es la Cinética Química?

Qué es la Cinética Química? Tema 4. La velocidad de Cambio Químico I. Velocidad de reacció.. Ecuació de velocidad y orde de reacció. 3. álisis de los daos ciéicos: ecuacioes iegradas de ciéicas secillas. 4. Ciéicas complejas.. Velocidad

Más detalles

SISTEMAS, MATRICES Y DETERMINANTES

SISTEMAS, MATRICES Y DETERMINANTES .- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

TEORÍA DE CONTROL MODELO DE ESTADO

TEORÍA DE CONTROL MODELO DE ESTADO TEORÍA DE ONTROL MODELO DE ESTADO Defiicioes: (Ogaa) Esado. El esado de u sisema diámico es el cojuo más pequeño de variables (deomiadas variables de esado) de modo que el coocimieo de esas variables e

Más detalles

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier Series de Fourier. Traamieo Digial de Señal. Series de Fourier Series de Fourier. Preámbulo El aálisis de Fourier fue iroducido e 8 e la Théorie aalyiique de la chaleur para raar la solució de problemas

Más detalles

Circuitos Eléctricos II Series de Fourier

Circuitos Eléctricos II Series de Fourier Circuios Elécricos II Series de Fourier Coeido. Fucioes Periódicas. Serie rigoomérica de Fourier 3. Compoee de direca, fudameal y armóicos 4. Orogoalidad de las fucioes seo y coseo 5. Cálculo de los coeficiees

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

Séptima clase. Señales exponenciales. Periodicidad en tiempo continuo y en tiempo discreto

Séptima clase. Señales exponenciales. Periodicidad en tiempo continuo y en tiempo discreto Uiversidad Disrial Fracisco José de Caldas - álisis de Señales y Sisemas - Marco. lzae Sépima clase. Señales expoeciales. Periodicidad e iempo coiuo y e iempo discreo E la auraleza so comues los sisemas

Más detalles

Universidad Carlos III de Madrid. 3.4 Sistemas LIT. SLIT: Sistemas Lineales e Invariantes con el Tiempo Linealidad

Universidad Carlos III de Madrid. 3.4 Sistemas LIT. SLIT: Sistemas Lineales e Invariantes con el Tiempo Linealidad Uiversidad Carlos III de Madrid 3.4 Sisemas LIT SLIT: Sisemas Lieales e Ivariaes co el Tiempo Liealidad Supogamos que la señal se puede expresar como ua combiació lieal de señales más simples ( x i ()

Más detalles

EXAMEN FINAL DE METODOS NUMERICOS (MB536)

EXAMEN FINAL DE METODOS NUMERICOS (MB536) UNIVERSIDAD NACIONAL DE INGENIERIA P.A. 7- FACULTAD DE INGENIERIA MECANICA //7 EXAMEN FINAL DE METODOS NUMERICOS (MB36) SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO Y CALCULADORA CIENTIFICA ESCRIBA

Más detalles

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL CONCEPTO BÁCO DE ETADTCA NFERENCAL Població N Muesra Parámeros Esadísico µ Esimador dividuo Cada parámero poblacioal le correspoderá u esadísico de la muesra que cosiuirá ua esimació del primero. Defiició

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA : MATRICES Y DETERMINANTES Juio, Ejercicio 3, Opció B Reserva 2, Ejercicio 3, Opció A Reserva 2, Ejercicio 3, Opció B Reserva 3, Ejercicio

Más detalles

FUNCIONES EXPONENCIALES

FUNCIONES EXPONENCIALES 1 FUNCIONES EXPONENCIALES Las fucioes epoeciales iee muchas aplicacioes, e especial ellas describe el crecimieo de muchas caidades de la vida real. Defiició.-La fució co domiio odos los reales y defiida

Más detalles

Tema 2: Sistemas. 2.1 Introducción

Tema 2: Sistemas. 2.1 Introducción Tema : Sisemas Tema : Sisemas. Iroducció U sisema respode co uas deermiadas señales a la acció de oras. x() sisema y ( ) = T x( ) Ejemplo Tiempo coiuo: sisema mecáico () dy b d y() T{ } { } d y() dy()

Más detalles

Tema 2 Señales y espectros.

Tema 2 Señales y espectros. ema Señales y especros. El esudio de las señales y sus especros es u aspeco fudameal e el campo de las comuicacioes. Ua señal se defie como cualquier sigo, geso, marca, ecéera, que sirve para comuicar

Más detalles

Métodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8

Métodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8 8 7 - - - - - Méodos Numéricos - Cap 7 cuacioes Diereciales Ordiarias PVI 8 cuacioes Diereciales Ordiarias DO Ua cuació Dierecial es aquella ecuació que coiee diereciales o derivadas de ua o más ucioes

Más detalles

V.- CONDICIÓN DE CONTORNO ISOTÉRMICA EN SÓLIDOS INFINITOS

V.- CONDICIÓN DE CONTORNO ISOTÉRMICA EN SÓLIDOS INFINITOS V.- CONDICIÓN DE CONTONO ISOTÉMICA EN SÓIDOS INFINITOS V.1.- CONDUCCIÓN TANSITOIA EN PACA INFINITA CON CONDICIÓN DE CONTO- NO ISOTÉMICA a coducció a ravés de ua placa plaa de espesor fiio e la direcció

Más detalles

Modelos discretos de probabilidad

Modelos discretos de probabilidad UNIDAD 6 Modelos discreos de probabilidad Objeivos Al fializar la uidad, el alumo: disiguirá y resolverá ejercicios de cada uo de los modelos discreos: biomial, geomérico, biomial egaivo, hipergeomérico

Más detalles

APÉNDICE: ANÁLISIS DE REGRESIÓN

APÉNDICE: ANÁLISIS DE REGRESIÓN Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores APÉDICE: AÁLISIS DE REGRESIÓ ITRODUCCIÓ El aálisis de regresió es ua herramiea esadísica que permie hacer u ajuse de daos eperimeales

Más detalles

Capitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica

Capitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica Capiulo II II.2 Teoría de curvaura 1 Capiulo II Movimieo Plao II.1 Aspecos geerales del movimieo plao. II.2 Teoría de la curvaura. 1. Teorema de Harma. 2. Euler-Savary. 3. Circuferecia de iflexioes y circuferecia

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013 Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e

Más detalles

La ley de los grandes números

La ley de los grandes números La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella

Más detalles

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos: T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.

Más detalles

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN FCULTS DE INGENIERÍ PÁGIN: 5-1 de 16 INTRODUCCIÓN El esudio de las aceleracioes e los mecaismos ariculados coplaares se puede abordar ya sea por méodos aalíicos o por méodos gráficos. Ese capíulo se deermiará

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u

Más detalles

Tres Problemas que sirvieron de base a la introducción del concepto de Derivada

Tres Problemas que sirvieron de base a la introducción del concepto de Derivada Tres Problemas que sirviero de base a la iroducció del cocepo de Derivada Aily Acosa García Jua Miguel Valdés Placeres Iroducció El cocepo de derivada, ocupa u lugar poserior, e el ordeamieo de los emas

Más detalles

TRANSFORMADA z Y DE FOURIER

TRANSFORMADA z Y DE FOURIER Uiversidad de Medoa Dr Ig Jesús Rubé Aor Mooya Aálisis de Señales OBJEIVOS: RANSFORMADA Y DE FOURIER - Expoer los cocepos de fucioes discreas e cuao a la visió del proceso de raamieo de señales que pare

Más detalles

ANÁLISIS DE FOURIER. m(el asterisco indica el conjugado complejo), se desea expandir una función arbitraria f (t) en una serie infinita de la forma

ANÁLISIS DE FOURIER. m(el asterisco indica el conjugado complejo), se desea expandir una función arbitraria f (t) en una serie infinita de la forma CAPÍULO RES ANÁLISIS DE FOURIER IEMPO CONINUO Iroducció La represeació de la señal de erada a u sisema (eediedo como sisema u cojuo de elemeos o bloques fucioales coecados para alcazar u objeivo deseado)

Más detalles

Simulación de sistemas continuos y a tramos

Simulación de sistemas continuos y a tramos Simulació de sisemas coiuos a ramos Uiversidad Nacioal Eperimeal oliécica de la Fuerza Armada Miguel Rodríguez Celi mirodriguez@usb.ve Modelos e el Espacio del Esado Los modelos diámicos co parámeros cocerados

Más detalles

Material didáctico. Bibliografía básica. Aula global

Material didáctico. Bibliografía básica.   Aula global Fracisco J. Gozález, UC3M Maerial didácico Bibliografía básica Señales y Sisemas Ala V. Oppeheim, Ala S. Willsky, S. Hamid Nawab, ª edició (998) Preice Hall; ISBN: 97897764 Circuios Elécricos, James W.

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores Capíulo Iroducció a la Elecróica de oecia. Iroducció a la Elecróica de oecia. Clasificació de los Coeridores Como su ombre lo idica su fució es coerir ua fuee de ua esió y frecuecia dada a ora de diferees

Más detalles

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z < Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula

Más detalles

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n =

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n = Hoa Problemas Aálisis II /9 85.- Sea la fució oliómica: N R Demosrar que: i ii iii iv Solució: Cosideremos la ideidad: R N. Derivado e ambos miembros reseco de mulilicado desués or se obiee: - Derivado

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ALGEBRA I GUÍA DE PROGRESIONES Y TEOREMA DEL BINOMIO Profesor: David Elal OLivero Primer año Pla Comú de Igeiería Primer Semestre

Más detalles

Índice. 1. Introducción Antecedentes Marco teórico... 5

Índice. 1. Introducción Antecedentes Marco teórico... 5 Ídice. Iroducció.... Objeivos.... Aecedees... 3. Pruebas para la hipóesis de movimieo Browiao...4 3. Marco eórico... 5 3. Alguos cocepos de procesos esocásicos...5 3.. Movimieo Browiao o Proceso de Wieer...7

Más detalles

Sistemas y Señales I. Ecuaciones de Estado. Variables de Estado

Sistemas y Señales I. Ecuaciones de Estado. Variables de Estado Sisemas y Señales I Ecuacioes de Esado Auor: Dr. Jua Carlos Gómez Variables de Esado Defiició: Las Variables de Esado so variables ieras del sisema, cuyo coocimieo para odo iempo, juo co el coocimieo de

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció

Más detalles

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces. Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del

Más detalles

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL MODULO IV. ETIMACIÓN POR INTERVALO DE CONFIANA ANÁLII DE CAO DOCENTE: JUAN CARLO VERGARA CHMALBACH ETADÍTICA INFEREIAL CAO : ETIMACIÓN DE LA MEDIA CON DEVIACIÓN POBLACIONAL CONOCIDA La rimera esimació

Más detalles

SUMA DE VARIABLES ALEATORIAS

SUMA DE VARIABLES ALEATORIAS SUMA DE VARIABLES ALEATORIAS do C. 018 Clase Nº 9 Mg. Stella Figueroa Teorema Cetral del Límite El teorema afirma que la distribució de la suma de u gra úmero de variables aleatorias tiee aproximadamete

Más detalles

5 Variables aleatorias bidimensionales y de mayor dimension.

5 Variables aleatorias bidimensionales y de mayor dimension. 5 Variables aleatorias bidimesioales de maor dimesio. Edgar Acua ESMA 4 Edgar Acua Sea S el esacio muestral de u eerimeto aleatorio. Sea s s dos ucioes que asiga u umero real a cada elemeto s de S. Etoces

Más detalles

(finitas o infinitas)

(finitas o infinitas) Series ifiitas. SUCESIONES: Es u cojuto de úmeros: a,a a, dispuestos e u orde defiido y que guarda ua determiada ley de formació, que se expresa por ua formula Sucesió fiita: umero itado de térmios:, 5,8-5.

Más detalles

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.

Más detalles

Instituto Tecnológico de San Luís Potosí

Instituto Tecnológico de San Luís Potosí Isiuo ecológico de Sa Luís Poosí Cero de elecomuicacioes eleproceso y Redes de Compuadoras Señales Elécricas Fís. Jorge Humbero Olivares Vázquez Cero de elecomuicacioes Eero 7 Isiuo ecológico de Sa Luís

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO CRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació e la maemáica

Más detalles

SEÑALES Y SISTEMAS CAPÍTULO UNO. 1.1 Introducción

SEÑALES Y SISTEMAS CAPÍTULO UNO. 1.1 Introducción CAPÍTULO UNO SEÑALES Y SISTEMAS. Iroducció Los cocepos de señales y sisemas surge e ua gra variedad de campos y las ideas y écicas asociadas co esos cocepos juega u papel imporae e áreas a diversas de

Más detalles

SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X

SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X Jorge E. Heráez, Eih C. e Heráez Uiversia e Paamá, Cero Regioal Uiversiario De Veraguas, Deparameo e Maemáica. RESUMEN E el presee rabajo esuiamos la ecuació

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Series de potencias Introducción. Temas Series de potencias. Intervalo y radio de convergencia de una serie de potencias.

Series de potencias Introducción. Temas Series de potencias. Intervalo y radio de convergencia de una serie de potencias. Sesió 27 Series de potecias Temas Series de potecias. Itervalo y radio de covergecia de ua serie de potecias. Capacidades Coocer y compreder el cocepto de serie de potecias. Determiar el itervalo y el

Más detalles

Desigualdad entre las medias Aritmética y Geométrica

Desigualdad entre las medias Aritmética y Geométrica Desigualdad etre las medias Aritmética y Geométrica Jorge Tipe Villaueva Dados reales positivos a 1, a,..., a, defiimos la media aritmética de a 1, a,..., a como el úmero a 1 + a +... + a y la media geométrica

Más detalles

P(A) > 0. Para cualquier otro suceso B (B A A ), se dfi define la probabilidad condicionada de B dado A o probabilidad de B condicionada a A como

P(A) > 0. Para cualquier otro suceso B (B A A ), se dfi define la probabilidad condicionada de B dado A o probabilidad de B condicionada a A como Tema 4. Probabilidad Codicioada: Teoremas básicos. Idepedecia de Sucesos 4.. Probabilidad Codicioada. Defiició El objetivo de este tema es aalizar cómo afecta el coocimieto de la realizació de u determiado

Más detalles

CONTROL DE ASISTENCIA A EXAMEN

CONTROL DE ASISTENCIA A EXAMEN Uiversidad de Las Palmas de Gra Caaria Escuela Técica Superior de Igeieros de Telecomuicació Teoría de la Señal - Eame Covocaoria Ordiaria: 3 de febrero de 2009 CONTROL DE ASISTENCIA A EXAMEN La firma

Más detalles

Fourier. Series de Fourier

Fourier. Series de Fourier Series de Fourier. Fucioes Periódicas oeido. Serie rigoomérica de Fourier 3. ompoee de direca, fudameal y armóicos 4. Orogoalidad de las fucioes seo y coseo 5. álculo de los coeficiees de la Serie de Fourier

Más detalles

6. Intervalos de confianza

6. Intervalos de confianza 6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros

Más detalles

EJERCICIOS PROPUESTOS

EJERCICIOS PROPUESTOS 7 Marices EJERCICIOS PROPUESTOS y. Ejercicios resuelos.. Dadas las marices A y B idica, si es posible. A 0 0 4 B 5 0 a) Los elemeos a 4 y b 4 b) La dimesió de cada ua de ellas c) La mariz raspuesa de cada

Más detalles

Control de un proceso en bucle cerrado:

Control de un proceso en bucle cerrado: 0/0/0 0/0/0 Corol de u proceso e bucle cerrado: PC e Corolador v Proceso M Medida Para poder aplicar el corolador adecuado ecesiamos saber cómo se compora el proceso a lo largo del iempo. Cualquier proceso

Más detalles

MS-1 Modelos de supervivencia Página 1 de 20

MS-1 Modelos de supervivencia Página 1 de 20 CURSO: - TEMA : Pricipales modelos de moralidad. Modelizació esocásica. Ley de De Moivre. Leyes de Dormoy y de Sag. Leyes de Gomperz y de Makeham. Oros modelos de moralidad. Esudiaremos aquí disios modelos

Más detalles

Propiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:

Propiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica: Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,

Más detalles

También podemos clasificar las ondas según el medio donde se propaguen:

También podemos clasificar las ondas según el medio donde se propaguen: FísicaGua MOVIMIENTO ONDULATORIO CONCEPTO DE ONDA: Ua oda es ua propagació de ua perurbació que se produce e u lugar deermiado e u momeo dado, ésa se rasmie e ua o arias direccioes e el espacio, se eiede

Más detalles

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMÁTICAS ASIGNATURA: MATEMÁTICAS DOCENTE: JOSÉ IGNACIO DE JESÚS FRANCO RESTREPO TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO N FECHA

Más detalles

ESTUDIO GEOMÉTRICO DEL EQUILIBRIO EN UN MODELO DISCRETO DEL JUEGO DE DOWNS

ESTUDIO GEOMÉTRICO DEL EQUILIBRIO EN UN MODELO DISCRETO DEL JUEGO DE DOWNS Esudio geomérico del equilibrio e u modelo discreo del juego de Dows ESTUDIO GEOMÉTRICO DEL EQUILIBRIO EN UN MODELO DISCRETO DEL JUEGO DE DOWNS Isabel Lillo Uiversidad Carlos III de Madrid Mª Dolores López

Más detalles

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden PRÁCTICA 1 Sisemas elécricos de rimer y segudo orde Objeivo: Deermiar la resisecia iera de u geerador. Realizar medicioes de la cosae de iemo de circuios de rimer orde asabajas y de los arámeros de diseño

Más detalles

Nucleación y crecimiento unidimensional

Nucleación y crecimiento unidimensional Nucleació y crecimieo uidimesioal Pare II. Aálisis de la ecuació de Avrami Virgilio A. Gozález G.* Carlos A. Guerrero S, Jua Aguilar G.* ABSTRACT The applicaio of he Avrami-Johso-Mehl model o he uidimesioal

Más detalles

LEY FINANCIERA DE CAPITALIZACIÓN COMPUESTA. TEORÍA

LEY FINANCIERA DE CAPITALIZACIÓN COMPUESTA. TEORÍA LEY FINANIERA DE APITALIZAIÓN OMPUESTA. TEORÍA Profesor: Jua Aoio Gozález Díaz Dearameo Méodos uaiaivos Uiversidad Pablo de Olavide www.clasesuiversiarias.com LEY FINANIERA DE APITALIZAIÓN OMPUESTA E el

Más detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS 8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [

Más detalles

9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras.

9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras. Hoja de Problemas º Algebra II 9. Hallar u úmero de cuatro cifras que sea igual al cubo de la suma de las cifras. Solució: Sea el úmero buscado co a que si o, o seria de cuatro cifras. Teemos que ( ) como

Más detalles

SOLUCIONARIO II Parcial Cálculo Proyecto MATEM UNIVERSIDAD DE COSTA RICA Miércoles 10 de agosto del Solucionario

SOLUCIONARIO II Parcial Cálculo Proyecto MATEM UNIVERSIDAD DE COSTA RICA Miércoles 10 de agosto del Solucionario SOLUCIONARIO II Parcial Cálculo Proyecto MATEM UNIVERSIDAD DE COSTA RICA Miércoles de agosto del ESCUELA DE MATEMÁTICA Segudo Eame Parcial Cálculo I PROYECTO MATEM Tiempo Probable: horas Solucioario. Use

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

Desigualdad de Tchebyshev

Desigualdad de Tchebyshev Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que

Más detalles

Técnicas experimentales de Física General 1/11

Técnicas experimentales de Física General 1/11 La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

EXAMEN SUSTITUTORIO DE METODOS NUMERICOS (MB536)

EXAMEN SUSTITUTORIO DE METODOS NUMERICOS (MB536) UNIVERSIDAD NACIONAL DE INGENIERIA P.A. 0- FACULTAD DE INGENIERIA MECANICA //0 DACIBACC EXAMEN SUSTITUTORIO DE METODOS NUMERICOS (MB6 SOLO SE PERMITE EL USO DE UNA OJA DE FORMULARIO Y CALCULADORA ESCRIBA

Más detalles

Laboratorio N 10, Series de Fourier. Introducción. Para funciones ( ) cos. f x está definida en la mitad del intervalo

Laboratorio N 10, Series de Fourier. Introducción. Para funciones ( ) cos. f x está definida en la mitad del intervalo Uiversidad Diego Portales Facultad de Igeiería Istituto de Ciecias Básicas Asigatura: Ecuacioes Difereciales aboratorio N 1, Series de Fourier Itroducció Para fucioes x,, la serie de Fourier f x cotiuas

Más detalles

OSCILACIONES AMORTIGUADAS. PENDULO DE POHL

OSCILACIONES AMORTIGUADAS. PENDULO DE POHL OSCILACIONES AMORTIGUADAS. PENDULO DE POHL.- INTRODUCCION TEÓRICA El Pédulo de Pohl de la figura permie esudiar las oscilacioes libres, amoriguadas y forzadas de baja frecuecia producidas mediae u pédulo

Más detalles