Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.

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

Download "Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2."

Transcripción

1 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables cuos valores se pueden determnar epermentalmente se denomnan magntudes, la medda es el proceso por el cual se determnan dchos valores. La palabra medda tambén se utlza para desgnar el valor numérco obtendo epermentalmente para la varable, el cual es el número de veces que la magntud contene a una undad patrón de referenca, sus múltplos o submúltplos (por ejemplo, longtud.5 cm). La temperatura, la masa, la longtud son magntudes cuos valores se determnan usando un termómetro, una balanza un metro respectvamente. Estas magntudes se denomnan drectas. En cambo, las magntudes que no se mden drectamente sno se obtenen a partr de las relacones que guardan con otras magntudes se denomnan magntudes dervadas. El volumen la densdad son magntudes dervadas. Sn embargo, las meddas úncamente nos proporconan valores apromados de las varables, a que en el proceso de medr ntervenen las mperfeccones de los nstrumentos, las lmtacones de nuestros sentdos, el msmo proceso de medda puede tener nfluenca sobre la magntud que se está mdendo, otras causas ncontrolables. Las ndetermnacones en las meddas drectas se propagan en los cálculos de las magntudes dervadas. Por tanto, tan mportante como el valor de la magntud es la estmacón del grado de ncertdumbre o error epermental que tene asocado dcho valor. La teoría de meddas, tambén llamada teoría de errores, se ocupa de la estmacón o acotacón de las ncertdumbres de las meddas. Cuando se estma el error asocado a una medda, no sgnfca que la medda está mal hecha, sno que se está acotando la ncertdumbre que tene el valor que se ha determnado. Error Indetermnacón. En toda medda ntervenen una sere de elementos: el objeto que se ntenta medr, el nstrumento de medda, la undad patrón de referenca el observador. Todos estos elementos tenen su nfluenca en la ncertdumbre asocada a los valores obtendos epermentalmente de la magntud.. Clasfcacón de los errores El error (o ncertdumbre) de una magntud se defne como la dferenca entre su valor eacto (que no podemos conocer) el valor obtendo epermentalmente medante un proceso de medda.

2 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Los errores se clasfcan en sstemátcos accdentales. Los sstemátcos son errores que afectan de gual manera a todas las meddas. Son errores sstemátcos los defectos de un nstrumento de medda (error de cero, mala calbracón, etc.), errores cometdos por el observador sempre del msmo modo, errores en la eleccón del método de medda para una varable, etc. Estos errores se detectan al cambar de nstrumento de medda, de método o procedmento de medda, o de observador. Los errores accdentales o aleatoros son aquellos que hacen que cuando se realzan meddas sucesvas en las msmas condcones por el msmo observador los valores obtendos sean lgeramente dferentes. Será gualmente probable obtener un valor superor o nferor al valor eacto (desconocdo). Estos errores tenen su orgen en fenómenos aleatoros, por tanto son ncontrolables no se pueden corregr. La teoría de meddas se ocupa de estmar los valores de estos errores accdentales por métodos estadístcos. 3. Eacttud, precsón sensbldad Estos tres conceptos están relaconados con el nstrumento de medda. La eacttud es la concordanca entre el valor eacto el obtendo epermentalmente. Un nstrumento es mu eacto s todas las meddas de una magntud que se realzan con él están mu prómas al valor eacto. Como el valor eacto es desconocdo, es complcado conocer la eacttud de un nstrumento. La precsón es la concordanca entre las sucesvas meddas de una magntud que se realcen en las msmas condcones de trabajo. Un nstrumento es mu precso s las meddas de una magntud realzadas con él se encuentran todas mu prómas entre sí. La eacttud mplca precsón, pero la afrmacón nversa no es certa, a que un aparato puede ser precso pero estar dando un valor alejado del valor eacto. En general, se puede decr que es más fácl conocer la precsón de un aparato que su eacttud. La sensbldad de un nstrumento es el valor mínmo de la magntud que puede aprecar. Por ejemplo, que la sensbldad de una balanza sea de 0.0 g sgnfca que no apreca masas nferores a 0 mg, por tanto no puede medr valores de masas por debajo de este valor. La sensbldad de un nstrumento corresponde con la dvsón más pequeña de su escala de medda. En un buen nstrumento la escala de medda ajustará al límte de determnacón que tene el propo nstrumento, de modo

3 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. que aunque el observador pueda ver que el nvel del nstrumento se encuentra entre dos dvsones de la escala el nstrumento no es sensble a varacones más pequeñas que su sensbldad. 4. Errores absolutos relatvos El error absoluto (Δ) de una medda se defne como la dferenca entre el valor meddo () el valor eacto ( 0 ) Δ Ya que no conocemos este valor eacto, la teoría de meddas establece un procedmento para calcular este error (por ejemplo defnendo el valor eacto como el valor medo de las meddas realzadas). 0 El error relatvo (ε r ) de una medda se defne como el cocente entre el error absoluto el valor eacto de la magntud: Δ ε r El error relatvo se suele dar tambén en forma de porcentaje del valor de la medda ((00 ε r ) %). 5. Orden de magntud cfras sgnfcatvas El orden de magntud es la potenca de dez más próma al valor meddo. Por ejemplo, s en una medda se obtene 30 mg, la masa de ese objeto es del orden de 000 mg g. 0 Las cfras sgnfcatvas son los dígtos representatvos de los obtendos en la determnacón de una magntud. Para el valor 34 mg, la cfra más a la zquerda (la prmera dferente de cero) es la más sgnfcatva. La cfra más a la derecha (la últma dferente de cero para un número entero, o la últma aunque sea cero para un número decmal) es la menos sgnfcatva. Todas las cfras entre estos dos etremos son sgnfcatvas. Por ejemplo, la magntud del ejemplo anteror se podría epresar como 34 mg kg.34 g μg Todos estos números tenen cuatro cfras sgnfcatvas. El es la cfra más sgnfcatva el 4 la menos sgnfcatva. Ya que los ceros a la derecha después de la coma decmal no tenen valor, cuando el valor de una magntud se ndca con un número decmal acabado en ceros es porque el nstrumento de medda ha determnado tambén esa cfra (que ha concddo que es un cero). Por tanto, el valor.30 g tene 4 cfras sgnfcatvas. 3

4 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Sn embargo, cuando el valor se epresa en forma de un número entero acabado en ceros, no sabemos s los ceros fnales son representatvos o se han puesto para rellenar (34 mg μg, los ceros se han puesto para rellenar). Para que no se produzca este problema, se adopta la regla de epresar estos números con la notacón de mantsa eponente. Entonces de forma correcta escrbremos: kg.34 g mg μg 6. Estmacón de valores errores en magntudes drectas Ya que nunca podemos saber cual va a ser el valor eacto de una magntud medda drectamente con un nstrumento, se procede realzando certo número de meddas. El número de repetcones de la medda dependerá del grado de dspersón que obtengamos en los valores, fjándose el sguente procedmento basado en crteros estadístcos. La Teoría de Meddas nos dce que ncalmente ha que realzar 3 meddas de la magntud (número de meddas 3). Se calcula el valor medo ( ) como donde es el valor de cada una de las meddas. Se calcula la dspersón o rango (D) de las meddas, que es la dferenca entre el valor mámo el mínmo de los que se han obtendo. Luego se calcula el porcentaje de dspersón (T) como D T 00 es el valor de T es el que determna el número total de meddas necesaras, según se recoge en la sguente tabla: (%) T para 3 total a realzar T % 3 % < T < 8 % 6 8% < T < 5 % 5 T > 5 % al menos 50 4

5 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Una vez realzadas todas las meddas necesaras, el resultado fnal de la magntud será: - Valor de la magntud: el valor medo de todas las meddas ( ) - Error absoluto de la magntud: S se han realzado sólo 3 meddas, el error absoluto es el valor de la sensbldad del aparato (S): Δ S S se han realzado entre 4 5 meddas, el error absoluto es el mámo valor entre la sensbldad del aparato (S) la dspersón dvddo por cuatro (D/4) Δ ma { S, D / 4} S se han realzado más de 5 meddas, la ncertdumbre es el error cuadrátco medo (S m ), tambén llamado desvacón estándar, de los valores obtendos Δ / ( ) S m ( ) El error cuadrátco medo es el error estadístco de la meda. o confundr con la desvacón estándar del conjunto de datos, que es lo que recbe el nombre apropado de desvacón estándar en cua fórmula no aparece multplcando en el denomnador. En cualquera de los casos se puede optar por el cálculo de S m para la estmacón del error, pero dada la laborosdad de este cálculo es convenente usar la apromacón a D/4 cuando el número de meddas está entre 4 5. En ocasones la muestra se "degrada" o evolucona con el tempo, lo que lmta el número de meddas que se pueden realzar de un msmo sstema. S esto es así, se realzará una sola medda con cada muestra o probeta se repetrá el ensao completo con el número de muestras que hagan falta. 7. Epresón correcta de los resultados El resultado de un proceso de medda, a sea de una magntud drecta o ndrecta, se epresa correctamente de la forma sguente: ± Δ donde es lo más parecdo al valor real que conocemos de la magntud, ha sdo determnado con una ncertdumbre Δ. Esto sgnfca que el valor real de la magntud está comprenddo en el ntervalo Δ < < + Δ Las cfras con las que se debe epresar el resultado se fjan según sea el valor del error absoluto: 5

6 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. - Por conveno, el error absoluto debe epresarse con una únca cfra sgnfcatva o como mámo con dos cuando la prmera cfra es un o ben un s la segunda cfra sea menor de 5 (hasta 5). - El valor de la magntud se redondeará a la últma cfra sgnfcatva del error absoluto. El sguente proceso de redondeo se aplcará para elmnar cfras sobrantes tanto del error absoluto como del valor: - La cfra se elmna drectamente s es menor de 5 (.34 pasa a ser. s ha que epresar el número úncamente con dos cfras sgnfcatvas). - S la cfra que se elmna es maor o gual que 5 se aumenta una undad (.57 se redondea a.3). Ejemplos de redondeos: Valores ncorrectos Valores correctos 3.48 ± ± ± 0.09 (630 ± 9) ± 540 (46.3 ±.5) ± ± ± 99. (34 ± ) 0 Para las magntudes que se consultan en tablas en las que no se ndca el error absoluto se consdera que el error absoluto es una undad de la últma cfra sgnfcatva ncluda en la tabla. Por ejemplo, s en una tabla aparece que la densdad del agua es g/cm 3, tomaremos como error absoluto de este valor g/cm 3, es decr D HO ( ± ) g/cm 3. Del msmo modo, los números rraconales (con nfntas cfras decmales) ha se apromarán a un número de cfras de modo que no afecte al resultado fnal de la medda, se le asocará un error absoluto gual a la undad del orden de la últma cfra que se ha tendo en cuenta. Por ejemplo, π (3.4 ± 0.00). 8. Estmacón de errores en magntudes dervadas Muchas magntudes no se mden drectamente, sno que se obtenen a través de aplcar una epresón matemátca en la que ntervenen varables que se han meddo drectamente o se han obtendo en tablas. Por ejemplo, se puede determnar el volumen de una esfera mdendo su dámetro ( V (/6) π d 3 ). Las magntudes de partda tenen un error nherente que se propaga a las magntudes ndrectas sucesvas. A este proceso se le denomna propagacón de errores. 6

7 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. S F es una magntud dervada de otras magntudes u, v w (por ejemplo) de las que conocemos su valor error absoluto, el valor de la magntud F será el resultado de susttur en la epresón correspondente los valores de las magntudes u, v w: ( u, v w) F F, El error absoluto de F es la dferencal total (df) de la funcón, df F F F du + dv + dw u v w La dferencal total es la epresón matemátca de la varacón que sufre la funcón F al cambar los valores de las varables de las que depende, para una magntud fundamental (no dervada) la dferencal total es su error absoluto: Por tanto, utlzando notacón de errores: ΔF F F F Δu + Δv + Δw u v w du Δu que es la fórmula que nos permte calcular el error absoluto asocado a una magntud ndrecta. Los valores absolutos de las dervadas parcales se ntroducen para tener en cuenta el hecho de que las ncertdumbres sempre se suman, nunca se compensan. Ejemplos habtuales de propagacón de errores: Funcones Error absoluto z + z - z z / z n z ln z ep() Δz Δ + Δ Δz / z Δ / + Δ / Δz / z n Δ / Δz Δ / Δz / z Δ Por ejemplo, s la medda del dámetro de una esfera con un calbre arroja un valor de d (,4±0,05) cm el volumen de la msma será V (/6) π (,4) 3 0, cm 3, donde hemos cogdo un valor de π sufcentemente precso para asegurarnos que no tenga repercusones en el resultado fnal. El cálculo del error absoluto es V π ΔV Δd π 3d Δd,4 0,05 0,076 d 6 por tanto V (,00±0,) cm 3, o mejor aún V (0,0±,) 0 - cm 3. 7

8 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. S no conozco tantos decmales de π (3.4±0.0), la mprecsón del número rraconal podría llegar a afectar al resultado, en cuo caso ha que tratarlo como una varable más V V ΔV Δd + Δπ π 3d Δd + d 3 Δπ 0, , ,3940 d π 6 6 Al tener que redondear el error absoluto del volumen a cfras sgnfcatvas, comprobamos que en este caso no afecta al resultado. Esto es así porque la magntud dervada depende del dámetro al cubo mentras que de π depende lnealmente el error del dámetro es más grande que el de π. Cuando la magntud dervada contene valores que se han tomado de una tabla se procederá de modo análogo al descrto para el número π. 9. Toma de datos en el laboratoro Antes de comenzar la realzacón de una práctca de laboratoro, debemos tener claro cuales son las magntudes que se van a determnar todos los datos que harán falta. Por ejemplo, para determnar la densdad debemos medr el volumen (magntud dervada de la longtud) la masa. Además, deberemos anotar la temperatura del laboratoro junto a los resultados del ensao, a que la densdad de los materales depende de la temperatura a la que se encuentren. Para cada magntud que se mda ha que anotar en el cuaderno las undades en las que mde la sensbldad que tene el nstrumento de medda que se va a utlzar. A la hora de tomar los datos del ensao, la forma más práctca útl de proceder es medante la realzacón de una tabla de meddas que debe tener un título que la dentfque de forma unívoca con el ensao al que corresponde. Los datos se colocan en columnas, cada columna debe tener un encabezado (prmera fla) con el nombre de la varable medda las undades ( sensbldad) del nstrumento con el que se ha meddo. Se utlza una columna para anotar el dato meddo drectamente del nstrumento, se rán añadendo columnas sucesvas para los cálculos posterores. Por ejemplo, s se mde el espesor de una lámna con el mcrómetro su longtud con el calbre, tendremos el prmer resultado en μm el segundo en mm. Para calcular el volumen necestamos ponerlo en las msmas undades, para lo cual añadmos otra columna a la tabla que corresponda a los valores del espesor en mm. 8

9 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Por últmo, la tabla debe tener sufcente espaco para que s se comete un error en la anotacón de un dato, se pueda tachar el prmero anotar el segundo al lado o debajo, a que corregrlo encma suele llevar a confusones posterores. La tabla de meddas realzada en el laboratoro debe conservarse sempre, se adjuntará a los guones de las práctcas. Ejemplo de tabla de meddas: Título: Determnacón de la densdad de películas polmércas con forma de dscos. Ensao en seco. Meddas epermentales: Espesor* Dámetro* Masa* Muestra (μm) (±μm) (mm) (±0.5mm) (g)(±0.000g) PS PS CLF * Tanto para las meddas de longtud como para las masas lo deal es realzar un mínmo de tres meddas. Se calcula el porcentaje de dspersón (T) s fuese necesaro se efectuará hasta un Δ ma S, D / 4 mámo de 6 meddas. Como se ndcó en el punto 6, el error asocado será { } A la hora de calcular la densdad de muchas muestras dferentes, la forma más operatva de trabajar es medante la elaboracón de otra tabla donde se van hacendo los cálculos: Título: Determnacón de la densdad de membranas polmércas con forma de dscos. Ensao en seco. Cálculo de las magntudes dervadas: Muestra Espesor (μm) Espesor (mm) Dámetro (mm) Volumen (mm 3 ) Masa (g) Densdad (g/mm) PS ± 0.0± ± ±ΔV 0.08±0.000 D±ΔD PS... 9

10 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. A esta tabla se le añadrán tantas columnas como cálculos se necesten para determnar la magntud fnal. 0. Representacón gráfca de los datos En numerosas ocasones el ensao consste en segur la evolucón de una magntud con el tempo o estudar la dependenca de una magntud con la temperatura. En estos casos, las representacones gráfcas son mu útles, a que permten una vsualzacón global del comportamento del fenómeno en todo el ntervalo estudado sobre la gráfca se pueden calcular otros parámetros dervados o realzar nterpolacones o etrapolacones. Para la realzacón de una representacón gráfca sea válda todo el mundo pueda leerla e nterpretarla ha que segur una sere de normas báscas: - La gráfca debe tener unos ejes perpendculares claramente trazados sobre los que se dstrbua a ntervalos regulares una escala de valores con sgnfcacón matemátca (escala lneal o escala logarítmca), que a su vez esté claramente marcada en el rango de los valores que se van a representar. Por ejemplo, s tengo que representar valores de la temperatura entre 0 80 ºC de forma lneal la escala se coloca sobre el eje con marcas equdstantes que se dentfcarán con 0, 0, 30, 40, 50, 60, 70, ºC (por ejemplo). Los valores numércos de los datos meddos no se ponen sobre los ejes! - Así msmo, junto a cada eje se ndcará claramente la magntud que se representa las undades utlzadas en la representacón. - En general, la varable ndependente rá en abscsas la dependente en ordenadas. Por ejemplo, s estamos representando la varacón de la longtud frente a la temperatura, l(t), la temperatura rá en el eje de abscsas (eje ) la longtud en ordenadas (eje ). - La gráfca llevará un título que la dentfque claramente. - Los valores se representarán medante un punto correspondente al dato meddo, rodeado de un rectángulo o una barra de error. Este rectángulo está centrado en el punto epermental (,) su base abarca desde -Δ hasta +Δ su altura desde - Δ hasta +Δ. En el caso en que uno de los errores sea desprecable en comparacón con la escala utlzada, el rectángulo de error se reduce a una barra de error. S ambos errores son desprecables, se dbujará úncamente un punto. - Una vez representado los datos, se puede trazar una línea fna contnua (no quebrada) que pase por el maor número de datos posbles. De este modo se ve s 0

11 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. algún dato queda claramente desplazado de la tendenca, en cuo caso habrá que evaluar s se trata de un punto erróneo en tal caso se rechazará no se nclurá en los análss posterores. Sempre que sea posble se repetrá la medda para recuperar el punto. Un ejemplo de representacón gráfca es el sguente: Resstenca (Ω) ,0 0, 0,4 0,6 0,8 0,30 0,3 Longtud (m). Ajuste lneal por el método de los mínmos cuadrados Las varables a menudo están relaconadas de forma lneal, esto es a + b donde es la varable ndependente, es la varable dependente, b es la pendente de la recta que las relacona a es la ordenada en el orgen. En muchos casos, la pendente de la recta es la que recoge las partculardades sobre el materal. Por ejemplo el coefcente de dlatacón térmca es la pendente de la recta que se obtene al estudar la varacón de longtud con la temperatura, el módulo elástco es la pendente de las curvas tensón-deformacón, la resstenca eléctrca es la pendente que relacona la dferenca de potencal eléctrco con la ntensdad de corrente que lo atravesa (le de Ohm). El método de los mínmos cuadrados es uno de los más utlzados para averguar s un conjunto de datos (, ) tenen un comportamento lneal, para determnar la ecuacón de la recta ( a + b) que mejor se ajusta a dcho conjunto. La pendente de la recta (b) se calcula como

12 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. b Y la ordenada en el orgen (a) a Ya que se trata de un conjunto de datos epermentales con sus errores asocados, los puntos se stuarán prómos a la recta calculada pero no eactamente sobre ella. Por ello, la pendente la ordenada en el orgen tenen tambén una ncertdumbre asocada: ( ) ( ) ( ) / Δ a b b ( ) ( ) ( ) ( ) / + Δ a b a El análss por mínmos cuadrados tambén proporcona un coefcente de correlacón lneal, r, que ndca el grado en el que los puntos epermentales se ajustan a una recta, es decr, en que medda las varables sguen una dependenca lneal. Este coefcente de correlacón se calcula como: r (4) En valor absoluto, los valores de r están comprenddos entre 0 : S Abs(r) los puntos se ajustan perfectamente a una línea recta. S Abs(r) 0 los puntos epermentales están mu dspersos su correlacón con la recta no es buena. En estos casos el ajuste lneal no queda justfcado.

13 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Los valores de r > 0 ndcan que la varable dependente crece con el ncremento de la varable ndependente (b > 0). S r < 0 sgnfca que una varable crece mentras que la otra decrece (b < 0). Cualquer calculadora programable o paquete nformátco de representacones gráfcas análss de datos tene mplementado el método de los mínmos cuadrados. S no se dspone de nnguno de estos sstemas, la forma más efectva de proceder para el cálculo del coefcente de correlacón lneal, la pendente, la ordenada en el orgen sus errores es elaborando una tabla. Los datos se colocan en dos columnas consecutvas en las sguentes columnas se van realzando todas las operacones necesaras para el cálculo de b a: DATOS: (und) (und) () ( ) b a Una vez que se conocen a b, se construe una segunda tabla para determnar los errores de los parámetros el coefcente de correlacón: (und) (und) - (- ) -b -a (-b -a) e e e e e e Otro método análogo consste en hacer la prmera tabla luego calcular los sguentes valores ntermedos: 3

14 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. de forma que D G E F ( ) E b ; a b D ( Δ b) DF E ( ) D D ( Δ a) ( Δ b) + r E DG. Lnealzacón de dependencas no lneales En ocasones la dependenca de las varables no es lneal, pero medante una transformacón de varable la representacón puede quedar con aspecto lneal. Algunas transformacones mu comunes son: Relacones del tpo a + b/ quedan con aspecto lneal utlzando la transformacón z /. S a + b, para lnealzar utlzamos la transformacón z. S es una relacón de potencas a b, tomando logartmos queda una aparenca lneal: ln ln a + b ln. Una vez realzadas las transformacones de las varables, la representacón gráfca de la nueva relacón debe ser lneal. 3. Interpolacón En ocasones vamos a necestar datos que no se encuentran recogdos drectamente en las tablas, sno que se encuentran entre dos valores dados. Por ejemplo, en la sguente tabla se ndca la temperatura que adquere un materal en funcón de la presón que se le aplca. Entre los datos de presón no aparece el de 0.55 bares, aunque este valor se encuentra en el rango de valores dados en la tabla (entre bares). 4

15 Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Presón (bares) Temperatura ( C) En estos casos podemos nterpolar los datos que aparecen en la tabla para estmar el valor de la varable dependente en el punto deseado. Las tablas de entrada smple recogen valores de una magntud en funcón de una únca varable ndependente, f(). Las tablas de entrada doble tenen los valores de en funcón de dos varables ndependentes, f(,z). La nterpolacón en una tabla de entrada smple se realza del sguente modo: - Localzar los valores de la tabla entre los que se encuentra el dato que necestamos. A estos valores corresponderán los valores e, el valor correspondente a se calcula suponendo que en el ntervalo entre la varacón de con es lneal: ( ) + - La ncertdumbre asocada es Δ ( ) ( ) Δ En una tabla de doble entrada cada pareja de valores (, z) proporcona un valor de. En este caso: z z z El valor de nterpolado es (relacón smplfcada) ( ) + ( z ) z z + z su error Δ Δ + z z Δz 5

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

TEORÍA DE MEDIDAS INTRODUCCIÓN

TEORÍA DE MEDIDAS INTRODUCCIÓN Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud

Más detalles

Laboratorio de Bases Físicas del Medio Ambiente

Laboratorio de Bases Físicas del Medio Ambiente Laboratoro de Bases Físcas del Medo Ambente Teoría de errores Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Medr es, báscamente, comparar con un patrón y esta

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas)

Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas) Bases Físcas del Medo Ambente Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas.

Más detalles

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS CÁLCULO DE ICERTIDUMBRES Y REPRESETACIOES GRÁFICAS ITRODUCCIÓ El estudo de la Físca es ncompleto s no se apoya en epermentos de laboratoro que permtan la comprensón de los fenómenos en estudo. Con los

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

Físicas (1º curso CC AA) Teoría de Errores (Programa de Prácticas)

Físicas (1º curso CC AA) Teoría de Errores (Programa de Prácticas) Físcas (1º curso CC AA) Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Física del Medio Ambiente

Física del Medio Ambiente Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez (smaranon@ugr.es) Andy Kowalsk (andy@ugr.es) 1 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos

Más detalles

2. Tratamiento de errores

2. Tratamiento de errores . Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

TEMA 5. INTERPOLACION

TEMA 5. INTERPOLACION TEMA 5.. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos 6. RESUMEN 7. Programacón en Matlab INTERPOLACION . Introduccón En el Tema 4, se ha descrto

Más detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

INTRODUCCIÓN AL LABORATORIO DE FÍSICA

INTRODUCCIÓN AL LABORATORIO DE FÍSICA INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos

Más detalles

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal

Más detalles

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

Más detalles

3. VARIABLES ALEATORIAS.

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

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Tratamiento de datos experimentales. Teoría de errores

Tratamiento de datos experimentales. Teoría de errores Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.

Más detalles

TEMA 5. INTERPOLACION

TEMA 5. INTERPOLACION Tema 5: Interpolacón TEM 5. INTERPOLCION. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos. RESUMEN 7. Programacón en Matlab Cálculo numérco en

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana. Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

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

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

Más detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: Energías Renovables. Fundamento teórico Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

MEDIDAS DE ASOCIACIÓN: COEFICIENTES DE CORRELACIÓN Y DE REGRESIÓN I.- Introducción En el tema I estudiamos las medidas descriptivas para una

MEDIDAS DE ASOCIACIÓN: COEFICIENTES DE CORRELACIÓN Y DE REGRESIÓN I.- Introducción En el tema I estudiamos las medidas descriptivas para una MEDIDAS DE ASOCIACIÓ: COEFICIETES DE CORRELACIÓ DE REGRESIÓ I.- Introduccón En el tema I estudamos las meddas descrptvas para una varable, y además, planteamos que tales meddas tambén exsten para dos o

Más detalles

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10. CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

Estadística Unidimensional: SOLUCIONES

Estadística Unidimensional: SOLUCIONES 4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas

Más detalles

UNIDAD I. Introducción al Análisis Numérico

UNIDAD I. Introducción al Análisis Numérico UNIDAD I Introduccón al Análss Numérco Métodos Numércos Son técncas medante las cuales es posble formular problemas matemátcos, de tal forma que puedan resolverse utlzando operacones artmétcas. Requeren

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

Unidad 5 2 (5.2) Métodos cuantitativos de análisis gráfico. Método de cuadrados mínimos Regresión lineal

Unidad 5 2 (5.2) Métodos cuantitativos de análisis gráfico. Método de cuadrados mínimos Regresión lineal Undad 5 Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

1 er curso del Grado de Estudios en ARQUITECTURA

1 er curso del Grado de Estudios en ARQUITECTURA Práctcas de Físca (º curso Arqutectura) Introduccón al trabajo en el laboratoro En el laboratoro se van a realzar una sere de epermentos que nos permtrán observar drectamente dversos fenómenos físcos y

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

ESTÁTICA DEL SÓLIDO RÍGIDO

ESTÁTICA DEL SÓLIDO RÍGIDO DSR-1 ESTÁTICA DEL SÓLIDO RÍGIDO DSR-2 ESTÁTICA DEL SÓLIDO RÍGIDO La estátca estuda las condcones bajo las cuales los sstemas mecáncos están en equlbro. Nos referremos úncamente a equlbro de tpo mecánco,

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste

Más detalles

El abc de las mediciones en el laboratorio docente

El abc de las mediciones en el laboratorio docente Unversdad de La Habana Dpto. Físca Aplcada El abc de las medcones en el laboratoro docente A. González Aras abrl 2009 Magntudes y patrones; Instrumentos de medcón e ncertdumbres; Clasfcacón de las ncertdumbres;

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

Utilizar sumatorias para aproximar el área bajo una curva

Utilizar sumatorias para aproximar el área bajo una curva Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón

Más detalles

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Enlaces de las Series de Salarios. Metodología

Enlaces de las Series de Salarios. Metodología Enlaces de las eres de alaros Metodología ntroduccón La Encuesta de alaros en la ndustra y los ervcos (E, cuyo últmo cambo de base se produjo en 996) ha sufrdo certas modfcacones metodológcas y de cobertura,

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

Capítulo 7 Bucles. Bucle For-Next. Informática

Capítulo 7 Bucles. Bucle For-Next. Informática Capítulo 7 Bucles Bucle For-Net Un procedmento más práctco para controlar varables que deben tomar valores numércos entre un valor ncal hasta un valor fnal, con un ncremento determnado, es el sguente:

Más detalles

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a)

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a) ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 Rcardo Ramírez Facultad de Físca, Pontfca Unversdad Católca, Chle 1er. Semestre 2008 Corrente eléctrca CORRIENTE ELECTRICA Corrente eléctrca mplca carga en movmento.

Más detalles

Variables Aleatorias

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

Más detalles

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Variables Aleatorias

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

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

Laboratorio de Física con soporte interactivo en Moodle

Laboratorio de Física con soporte interactivo en Moodle Laboratoro de Físca con soporte nteractvo en Moodle Laboratoro de Físca con soporte nteractvo en Moodle Javer Ablanque Ramírez Rosa María Bento Zafrlla Juan Carlos Losada González Departamento de Físca

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Curso l Física I Autor l Lorenzo Iparraguirre

Curso l Física I Autor l Lorenzo Iparraguirre Curso l Físca I Autor l Lorenzo Iparragurre AEXO 4.2: La Ley del Impulso en un ntervalo nfntesmal y en un ntervalo fnto En el texto prncpal la Ley del Impulso ha sdo presentada para un ntervalo t cualquera,

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

CAPÍTULO II Métodos experimentales

CAPÍTULO II Métodos experimentales CAPÍTULO II Métodos expermentales En este capítulo se descrbe la técnca expermental para la obtencón y representacón de dagramas líqudo-líqudo de sstemas ternaros y cuaternaros y el equpo expermental utlzado.

Más detalles

Prueba de Evaluación Continua

Prueba de Evaluación Continua Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas

Más detalles