Factores de Temperatura y Presión Gerencia de Distribución ENARGAS (Informe interno) martes, 27 de enero de 2009

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

Download "Factores de Temperatura y Presión Gerencia de Distribución ENARGAS (Informe interno) martes, 27 de enero de 2009"

Transcripción

1 Factores de emperatura y Presón Gerenca de Dstrbucón ENARGAS (Informe nterno) martes, 7 de enero de 009 Introduccón: Exsten muchas stuacones en la ndustra del gas natural donde es necesaro cuantfcar en forma precsa los volúmenes de gas bajo dstntas condcones de presón y temperatura. Estas stuacones son comunes cuando el gas camba la custoda entre dstntos operadores o cuando se realza cualquer traspaso de ttulardad del fludo. Según el Marco Regulatoro vgente en la Repúblca Argentna(Ley 4.076), lo que se comercalza en la ndustra del gas natural es energía, expresada en metros cúbcos estándares (Sm 3 ), reducdos a 9300 Kcal/m 3. La condcones estándares defndas por la Ley se defnen como 1 At= kpa y =15 C. Es mportante destacar que el contendo energétco del gas natural depende de su composcón y el número de moléculas contenda en un dado volumen. Imagnemos que tenemos un Sm 3 de gas en un lugar como Buenos Ares en condcones estándares a 9300Kcal/m 3. S colocamos este volumen en un recpente (por ejemplo un globo) y lo transportamos al norte del país, por ejemplo Salta (altura 1300m sobre el nvel de mar) donde la presón barométrca es de aproxmadamente 86.8 Kpa. El volumen de dcho gas a 15 C será de 1.16m 3, debdo a que la presón manométrca es menor. Su contendo energétco no varó pero su volumen es ahora 16% mayor. S al msmo Sm 3 ahora lo llevásemos a Ushuaa, a nvel del mar pero a temperaturas cercanas a 0 C, el volumen de dcho gas será 0.95 de m 3 o sea 5% menor. Estos ejemplos lo lustramos con el globo, pero es váldo en todos los casos. En realdad el globo es un ejemplo valdo y representatvo de la realdad, la mayoría de los meddores usados por los usuaros resdencales y comercales, funconan por desplazamento de volumen de gas, de un fuelle o clndro, que dependen de la presón barométrca. Por lo tanto cuando trabajamos con grandes volúmenes, estas correccones son crítcas. En este anexo, se dscute la fundamentacón técnca de los crteros usados para calcular los factores de presón y temperatura. Determnacón de los volúmenes de gas entregados El volumen de gas entregado en condcones estándares en un período de facturacón lo desgnamos como Ve. El consumo regstrado en los dspostvos correntes de medcón, Vme, debe ser corregdo por la aplcacón de los denomnados factores de correccón (Fp, Ft, Fz). El concepto rector es que los que en realdad se comercalza es energía, la cual depende del la masa de gas (o el número de moles contendos en un dado volumen de gas). Por la ecuacón de estado de los gases, 1 tenemos: P V = nr, (1) e e e donde el subíndce e ndca condcones estándares de presón y temperatura (e =88.15 K (15 C) y Pe=101.3 KPa). R es la constante unversal de los gases y n es el número de moles en consderacón, en la ecuacón de estado, Anexo: Factores de emperatura y Presón GD ENARGAS 1

2 es la temperatura absoluta ((K)=( C)+73.5) y P la presón total absoluta del gas, o sea la suma de la presón manométrca y la barométrca. A otra presón y temperatura, este msmo número de moles tendrá otro volumen, Vme, que según la ley de estado será: Pme Vme = n z Rme, () donde z(p me, me ) es el coefcente de compresbldad del gas a esa presón y temperatura. omando el cocente de las Ec.(1) y () tenemos: e Pme ze Ve = Vme = Vme F FP Fz. (3) me Pe zme Dado que las temperaturas normalmente se mden en grados Celcus, el factor de temperatura se puede escrbr como: e F = =. (4) me ( C) Smlarmente para el factor de presón, como lo que normalmente se mde es la presón manométrca, P man, la presón absoluta se obtene sumando a esta la presón barométrca P atm del lugar de medcón, o sea: P = P + P. (5) me man atm Factor de Presón: La presón manométrca fluctúa por condcones meteorológcas en unos pocos puntos por cento alrededor de un valor edo que depende de la altura de la localdad respecto del nvel del mar. Dado que la varacón de presón es un muy buen ndcador de la altura, en avacón se usan altímetros que mden la presón y a partr de este dato se calcula la altura. Dado que esta vnculacón es muy confable, se usan expresones empírco-teórcas que relaconan la presón barométrca con la altura. Una de ellas es el modelo adabátco:, Rosaro S.M. ucuman artagal Mendoza Barloche Jujuy Salta Preson Barometrca P_ Mundo[kpa] P_exp(h) Cudades RA P [KPa] Buenos Ares (Ortuzar) La Quaca ,000,000 3,000 4,000 5,000 Altura SNM = z [m] Fgura 1 Varacón de la presón con la altura. Los símbolos rombo rojo son los valores meddos de la presón. La línea de contnua azul es la predccón para la presón del modelo adabátco, Ec.(6) y la línea fna (verde) las correspondente al modelo smplfcado Ec.(7). En el msmo gráfco se representan las presones de varas cudades de Argentna para el día 13/8/ / k y(m) Mg y P = barom( y) = P0 1 k y P0 1 (6) R0 h0 con k=0.191 y β=1/k=5.37, h 0 =43 71 m e y la altura respecto al nvel de mar en metros. P 0 (=101.3 KPa) es la presón barométrca a nvel del mar. Aquí los subíndces 0 ndcan valores a nvel del mar. Para alturas sobre el nvel de mar (SNM) hasta uno 5000 m se pude usar la expresón: Anexo: Factores de emperatura y Presón GD ENARGAS β

3 P barom ( 00 y) = P00 exp( y / h ) con: P 00 = kpa y h = 851m (7) 00 donde y es la altura SNM en metros, P barom (y) es la presón barométrca en kpa a la altura y. Según la expresón (7), la varacón porcentual de presón para una dferenca de altura dy es: dp / P( y) = dy / h00 (8) Para dy=100m, dp/p(y)=0.%, o se dos lugares cuyas alturas sobre el nvel del mar es nferor a 100m, presentan una varacón de presón menor del 0.%. En la Fgura 1 se muestra la varacón de la presón con la altura predcha por la expresón (7). En esta fgura tambén se ndcan los datos meddos de presón a varas alturas y los regstrados en un día partcular (13/8/008) en algunas cudades de Argentna. Por lo tanto para el factor de presón se puede usar la expresón (7). Pme Fp( y) = = exp( y / h00), (9) Pe donde y es la altura del lugar SNM. Factor de Compresbldad: para P<80 bar el coefcente de compresbldad se puede aproxmar como: P z( P) 1, (10) 500 donde P es la presón total en bar. El coefcente de compresbldad en condcones estándares, (Z e 1). Por lo tanto el factor se compresbldad será: F z z 1 e ( Pbarom + P ) = = 1/ [ 1 P ( ) /500] 1 ( ) /500 1 man me bar + Pme bar = + (11) z z 500 me me Factor de emperatura: Para calcular el factor de temperatura, es necesaro tener en cuenta que la temperatura vara a lo largo de año. Desgnamos con _mes() la temperatura meda de mes (), la correccón de volumen para un dado mes será: e Vcorr = Vmed F = Vmed _ mes( ) (1) A lo largo de un año, el volumen corregdo total para ese año será: 1 1 e Vcorr ( anual) = Vmed F = Vmed, 1 1 _ mes( ) (13) S se defnen: Vmed Vmed ( ot) Vmed = o ben = V ( ot) _ mes( _ mes(. (14) med 1 ) La expresón (13) se puede escrbr como: V corr 1 ) e ( anual) = Vmed ( ot) = F Vmed ( ot), (15) Anexo: Factores de emperatura y Presón GD ENARGAS 3

4 Aquí V med (ot)= V med () es el volumen anual sn correccón y, es una temperatura edo ponderada, defnda por la ecuacón (14). Dado que para cada categoría de usuaros y cada localdad, los volúmenes V med () y temperaturas _mes() son conocdos, una posbldad sería calcular esta temperatura y F con los datos de los tres años anterores al año en cuestón hasta el mes de enero del año, de manera de posbltar el calculo del nuevo factor con los datos del últmo año de enero a dcembre. Como se observa en las Fgs. 4 y 5 no se espera que para una dada zona los parámetros y F tengan gran varacón en el tempo, sn embargo, s por varacón de la característcas socoeconómcas de la comundad, se produjese un cambo, el método propuesto (recalcular F anualmente) ría acompañando dcha varacón. De este modo el factor de temperatura a usar será: e F = (16) Ponderador Metro - Consumo Resdencal Año=007 _meda=17.6 C _=1.4 Error_ % =-9. Error_F_ % = Mes Fgura Varacón de la temperatura meda mensual (_mes) para la regón abastecda por Metrogas. ambén se muestra la varacón de los consumos resdencales (ponderador) y los valores de las temperaturas meda smple (_med_sm) y el edo ponderado dado por (14) [ C] Poderador _mes _med_sm _Prom Ponderador Sur - Consumo Resdencal Año=007 _meda=15.4 C _=10.6 Error_ % =-30. Error_F_ % = Mes Fgura 3 Varacón de la temperatura meda mensual (_mes) para la regón abastecda por Camuzz Sur. ambén se muestra la varacón de los consumos resdencales (ponderador) y los valores de las temperaturas meda smple (_Med_sm) y el edo ponderado dado por (14). Anexo: Factores de emperatura y Presón GD ENARGAS [ C] Poderador _mes _med_sm _Prom

5 En la Fgura y 3 se lustra la varacón de consumo y temperatura para la dstrbudores Metrogas y Sur respectvamente. Se observa que las emperatura Promedo ponderada (_) calculada por la expresón (14) es ben dferente que la temperatura meda anual smple (_med_sm= edo de temperaturas mensuales). Las dferencas son del orden del 30%. Sn embargo, las dferencas en el factor de temperatura son mucho menores, ya que en este caso se usa el cocente de las temperaturas absoluta, que dsmnuye la nfluenca de las dferencas de temperaturas en Celcus. De hecho las varacones en los factores de temperatura, calculado usando _ o _ meda es del orden de 1%. En la abla 1 se resumen los valores de las temperaturas medas smples y ponderadas como así tambén los factores de temperatura para las dstrbudoras Metrogas y Camuzz sur. Dstrbudora <>_Med_sm _ F_ Varacón % Metro % Sur % abla 1. Resumen de los factores de temperatura para los años Metro -ResdencalVaracón %= <> [ C] Factor _med_smp F_ (med_smp) Año _Prom F_ (Ponderado) Fgura 4 Varacón de la temperatura meda anual smple y ponderada para la regón abastecda por Metrogas. ambén se muestra la varacón de los factores de temperatura (ponderado) a lo largo de los últmos 15 años Sur -ResdencalVaracón %= <> [ C] Factor =1.017± Err %= Factor _med_smp F_ (med_smp) Año _Prom F_ (Ponderado) Fgura 5 Varacón de la temperatura meda anual smple y ponderada para la regón abastecda por Camuzz Sur. ambén se muestra la varacón de los factores de temperatura (ponderado) a lo largo de los últmos 15 años. Anexo: Factores de emperatura y Presón GD ENARGAS 5

6 Es nteresante notar que el factor de temperatura para Camuzz Sur es un % mayor que para Metrogas. Este resultado es sgnfcatvo en grandes volúmenes. S suponemos que tenemos un volumen de gas en condcones estándares ( e =15 C) es claro que en el sur, donde es en general más frío que en el GBA, dcho volumen tendrá un valor menor que en el GBA. Por lo tanto en el sur los volúmenes meddos deben ser afectados por un factor de correccón mayor que 1 ( =9.9 C). En el GBA donde las temperaturas medas ponderadas ( =14.5 C ) son cercanas a los valores estándares, el factor de temperatura es muy cercano a la undad. Una cuestón mportante a consderar es la precsón posble de lograr en la determnacón del factor de temperatura. Por una parte, las magntudes utlzadas en su defncón, Ecs.(14) y (16), se mden con nstrumentos que tenen precsones fntas. Por otro lado, pequeñas varacones en su valor pueden tener efectos mportantes en grandes volúmenes de gas. Por lo tanto se requere que su determnacón se realce con la mayor precsón compatble con las ncertezas propas de los nstrumentos usuales de la ndustra. Precsón en los volúmenes: según el Marco Regulatoro vgente (Ley 4.076) los nstrumentos de medcón usados en las medcones de volúmenes de usuaros resdencales y comercales deben tener un error menor del %, o sea err=( V/V) 100 %. Sn embargo, dado que dchos errores de medcón tenen un carácter estadístco, este error puede ocurrr con gual probabldad con sgno postvo o negatvo (esto es, a veces un dado meddores mde demás y otras de menos al azar). S V desgna el volumen meddo a un usuaro, en un dado perodo de facturacón, el volumen total, V, de todo un grupo de usuaros N user será: N = user V V, (17) = 1 De la teoría estadístca sabemos que la varanza de la suma de dos o más varables aleatoras ndependentes, es la suma de las varanza. 4 En general la varanza de la suma de varables aleatoras ndependentes, es gual a la suma de las varanzas: 4 Var ( V ) V = err V = σ, (18) donde Var(V.) es la varanza de V.( σ V ) y σ V = V, su desvacón estándar. Dado que las medcones de un meddor es ndependente de la medcón en otro, de (17) y (18) tenemos: N user Var( V ) = Var( V ) = err V, (19) S dvdmos ambos membros de la Ec.(0) por V, tenemos: Nuser N Var( V user ) Var( V ) V V = = err = err. (0) V V = 1 V = 1 V De (17) tenemos que ( V / V ) = 1, por lo tanto ( V / V ) 1. Para estmar valor, = 1 supondremos en prmera aproxmacón, todos los usuaros consumen aproxmadamente un volumen smlar en un dado perodo de facturacón, por lo Anexo: Factores de emperatura y Presón GD ENARGAS 6

7 tanto V /V 1/N user. Con esta suposcón podemos estmar la suma N user.(1/ N user ) =1/ N user, por lo tanto: y N user Var( V ) 1 err err V = 1 N = user Nuser V V err N user ( V / V ). (1). () S el número de usuaros nvolucrados, N user, es mayor o del orden de , el error relatvo en el volumen total V /V err/ %. Esto sgnfca que el error del volumen total se puede determnar con mucho menor error que los volúmenes de los usuaros ndvduales. Esto es consecuenca del efecto de compensacón que ocurre por la naturaleza estadístca de los errores de medcón. Precsón en las temperaturas: los termómetros usuales, tales como los que normalmente regstran las temperaturas ambente, tenen una aprecacón del orden de 0.1 C. Por lo tanto, a temperatura ambente, las temperaturas absolutas se pueden conocer con un error del orden de 0.1/300, o ser del 0.03%. De la expresón (14) tenemos: Vmed ( ot) Vmed ( ot) _ mes _ meda = _ mes _ meda, (3) 1 Vmed 1 Vmed ( mes _ meda) 1 _ mes( ) desde luego esta es un aproxmacón solo para estmar la ncerteza del valor de, y más ben hace referenca a su orden de magntud, pero sufcente para estmar los errores nvolucrados; hacendo propagacón de errores: mes _ meda mes _ meda = ( 0.1/ 300) = (0.003). (4) Por lo tanto: 0.03%. (5) En otras palabras, esta debe ser la precsón con que es necesaro conocer. Como es del orden de 300k, su valor debe estmarse empleando la Ec.(14) o (3) con al menos una décma de grado. En conclusón se sugere que se emplee como factor de temperatura y de presón los valores edos de los tres últmos años, y usar dcho edo para calcular los volúmenes corregdos del año corrente. Dchos factores se usarían para efectuar las correccones del año en cuestón ncluyendo el mes de enero del perodo sguente. Asmsmo, estos factores sería comunes a toda una regón cuyas alturas no varíen más de ±100m. Durante el mes de enero de cada año se efectuaría el calculo de los nuevos factores de presón y temperatura del nuevo año usando los datos de enero a dcembre del año transcurrdo. Estos factores de correccón tendrían vgenca de febrero a enero del año sguente. Referencas: 1. Físca para Estudantes de Cencas e Ingenería- Hallday, Resnk y Krane, 4ta. Ed. Vol. I. Cía. Edtoral Contnental, S.A. Méxco Anexo: Factores de emperatura y Presón GD ENARGAS 7

8 . US Standard Atmosphere, 1976, As publshed by NOAA, NASA, and USAF 3. Meteorologcal Model Wthn the roposphere 4. Probabldad y Estadístca M. Spegel, Mc Graw-Hll Mexco (ISBN ) Anexo: Factores de emperatura y Presón GD ENARGAS 8

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

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

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

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

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

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

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

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

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA Ingenería Químca Undad I. Introduccón a los cálculos de Ingenería Químca

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

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

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

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

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

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

Estimación del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación del consumo diario de gas a partir de lecturas periódicas de medidores Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas

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

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD Químca Analítca (913) 1 rrores y tratamento estadístco de datos TRATAMINTO D LOS RSULTADOS ANALITICOS A- SIGNIFICADO D LA MDICION D UNA MAGNITUD Medr una magntud físca es asocarle a la msma un valor dmensonado

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

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

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

Práctica 1 Caracterización de un voltímetro analógico

Práctica 1 Caracterización de un voltímetro analógico Págna 3/9 Área: Práctca 1 Caracterzacón de un voltímetro analógco Págna 3 Págna 4/9 Área: 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Foco ncandescente Fuente de poder Resgo asocado Quemadura

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

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

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

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

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

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

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

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

SISTEMAS DE ECUACIONES DIFERENCIALES

SISTEMAS DE ECUACIONES DIFERENCIALES DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.

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

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Tema 4: Variables aleatorias

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

Más detalles

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

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

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

Práctica 2 Caracterización de un dinamómetro

Práctica 2 Caracterización de un dinamómetro Págna 1/9 Práctca Caracterzacón de un dnamómetro Págna 1 Págna /9 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Peso de las masas patrón Resgo asocado Al manpular las masas nadecuadamente se

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL: Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

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

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

Más detalles

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

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ 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

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Interacción de Métodos Teóricos, Numéricos y Experimentales en el Rediseño y Análisis de un Elemento Estructural Hecho de Materiales Compuestos.

Interacción de Métodos Teóricos, Numéricos y Experimentales en el Rediseño y Análisis de un Elemento Estructural Hecho de Materiales Compuestos. Interaccón de Métodoeórcos, Numércos y Expermentales en el Redseño y Análss de un Elemento Estructural Hecho de Materales ompuestos. Juan arlos Valdés alazar McME Gerente de Ingenería y Desarrollo PADA

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones

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

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Tema 2. Propiedades termodinámicas de mezclas líquidas

Tema 2. Propiedades termodinámicas de mezclas líquidas Generaldades Modelos de solucones líqudas deales Modelos de solucones líqudas NO deales UNIVERSIDAD CENTRAL Tema 2. Propedades termodnámcas de mezclas líqudas Termodnámca del Equlbro Escuela de Ingenería

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

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

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

Más detalles

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

FUNDAMENTOS QUIMICOS DE LA INGENIERIA FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

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

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

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

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire 4 Undad II: Análss de la combustón completa e ncompleta. 1. Are El are que se usa en las reaccones de combustón es el are atmosférco. Ya se djo en la Undad I que, debdo a que n el N n los gases nertes

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA) SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

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

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

unidad 12 Estadística

unidad 12 Estadística undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable

Más detalles

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

Introducción a Vacío

Introducción a Vacío Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

El diodo Semiconductor

El diodo Semiconductor El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo

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

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles