Departamento de Física Aplicada I Escuela Politécnica Superior ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS

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

Download "Departamento de Física Aplicada I Escuela Politécnica Superior ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS"

Transcripción

1 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA Departameto de Física Aplicada I Escuela Politécica Superior ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS Ídice 1. Itroducció..... Errores e las medicioes físicas Clasificació de los tipos de error Icertidumbre de medida Evaluació de las icertidumbres de medida Icertidumbre expadida Resolució de los istrumetos Iterpolació e tablas Tablas de simple etrada Tablas de doble etrada Relacioes lieales. Ajuste de ua ube de putos por el método de los míimos cuadrados Presetació de resultados. Técicas de redodeo Represetacioes gráficas Bibliografía... 19

2 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS 1. Itroducció. Todas las ciecias experimetales, como la Física, se basa e observacioes cuatitativas que llamamos medidas, que so el resultado de los experimetos y se describe co úmeros. Estrictamete, la medida de cualquier magitud se expresa mediate u úmero acompañado además de la uidad e que se ha medido y que presta su sigificació al úmero. Pero el proceso de medida está sujeto a ua serie de limitacioes que se traduce ievitablemete e la existecia de cierta icertidumbre e el úmero obteido. Cosecuetemete, el resultado de ua medida sólo tiee setido si, además del úmero obteido y su uidad correspodiete, va acompañado de otro úmero, la icertidumbre asociada, esto es, ua idicació cuatitativa de la calidad del mismo o, dicho de otro modo, de la cofiaza que se tiee e él. Para ello es ecesario realizar las siguietes defiicioes, ítimamete relacioadas etre sí: Magitud: Propiedad de u feómeo, cuerpo o sustacia, que puede expresarse cuatitativamete mediate u úmero y ua referecia (como tiempo t, logitud L, itesidad I, masa m, etc.). Habitualmete, dicha referecia suele ser ua uidad de medida (segudos, metros, amperios, kilogramo, etc). Medició o medida: Proceso que cosiste e obteer experimetalmete uo o varios valores que puede atribuirse razoablemete a ua magitud. E la práctica, medir ua magitud es compararla cuatitativamete co otra de su misma aturaleza que se toma como uidad patró. Mesurado. Magitud que se desea medir. De la buea defiició del mesurado, etre otros factores, depederá la calidad (exactitud e icertidumbre) del resultado de medida. Frecuetemete, la defiició de u mesurado icluye ciertas codicioes y estados físicos, como tiempo, temperatura, presió, etc. (p. ej. presió de vapor a 0 ºC). Por extesió, la palabra magitud se usa idistitamete de forma habitual para referirse al mesurado. El objetivo de ua medició es, por tato, determiar el valor del mesurado; esto es, el valor de la magitud particular bajo medició. Las medidas que se realiza e u laboratorio puede ser de dos tipos: Medidas directas: El valor de la magitud que se quiere coocer se mide directamete co el istrumeto de medida (esto es, mediate la comparació co u patró adecuado o la utilizació de u aparato calibrado). Ejemplos de medidas directas so: la medida de ua logitud co u calibre, el tiempo co u croómetro, el voltaje co u voltímetro, etc. Medidas idirectas: El valor de la magitud deseada se obtiee como resultado del cálculo realizado a partir de otras magitudes relacioadas co la magitud a determiar y de ciertas costates. Por ejemplo, la determiació (medida idirecta) del volume V de u cilidro a partir de la medida (directa) de su diámetro D y de su altura H aplicado la fórmula V = D H/4. Para tratar los datos experimetales obteidos e el laboratorio, es pues crucial eteder que todas las medidas de magitudes físicas está sometidas siempre a icertidumbres, ya que o es posible medir algo de forma totalmete exacta. Por supuesto, lo ideal es coseguir hacer la icertidumbre lo más pequeña posible,

3 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA pero ésta siempre existirá. Para poder obteer coclusioes válidas a partir de las medidas, la icertidumbre debe aparecer siempre claramete idicada y debe ser maejada adecuadamete.. Errores e las medicioes físicas. Cada vez que se lleva a cabo u experimeto o se mide ua catidad co el istrumeto adecuado, surge dos cuestioes: Cómo de fiable es el resultado? Cómo de cerca está del valor real, cualquiera que sea éste? La primera cuestió está relacioada co la precisió o reproducibilidad del experimeto y la seguda, co la exactitud o proximidad al valor verdadero del mismo, si fuese coocido (figura 1). Las palabras precisió y exactitud tiee sigificados completamete distitos e la teoría de errores, mietras que se usa de maera idistita e el leguaje cotidiao. La distició se aprecia claramete si atedemos a los posibles tipos o fuetes de errores. El error de medida sería resultado de ua medició meos u valor verdadero del mesurado que, al o ser coocido, se toma e su lugar u valor de referecia. Los errores se clasifica tradicioalmete e sistemáticos y accidetales. Ambos tipos de error cotribuye a la icertidumbre de medida, auque debe quedar bie claro que so distitos de ésta. Figura Clasificació de los tipos de error. a) Errores sistemáticos. So errores que tiee lugar siempre e el mismo setido y que se repite costatemete e el trascurso de u experimeto. Puede ser causados por errores de calibració (o errores de cero) de los aparatos de medida, codicioes experimetales o apropiadas (presió, temperatura, etc.) que afecta a los istrumetos de medida, tedecias erróeas e el observador, técicas de medida iadecuadas, uso de fórmulas o modelos aproximados, etc. U miucioso aálisis del istrumeto y del procedimieto de medida permite elimiar e lo posible la presecia de estos errores. Por lo tato, los errores sistemáticos afecta a la exactitud de la medida, es decir, a la proximidad al valor verdadero, ya que hace que todos los resultados sea erróeos e el mismo setido (demasiado altos o demasiado bajos). Si el error sistemático es debido a u efecto idetificado, si dicho efecto puede cuatificarse y, si es suficietemete sigificativo frete a la exactitud requerida e la medició, puede aplicarse ua correcció o u factor de correcció para compesarlo. Esta correcció puede ser aditiva, multiplicativa, o deducirse de ua tabla. b) Errores accidetales o aleatorios. So debidos a diversas causas difíciles o imposibles de cotrolar y altera las medidas realizadas e diferete cuatía y setido cada vez. Puede ser causados por fluctuacioes e las codicioes ambietales durate el experimeto, errores de apreciació debidos a las limitacioes de uestros setidos, errores de precisió impuestos por la sesibilidad del aparato de medida, etc. Todo esto da lugar a que la repetició reiterada de la medició realizada por u mismo 3

4 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS observador o siempre lleve al mismo resultado. El error debido a la superposició de todos estos efectos sólo puede ser detectado si el istrumeto de medida es suficietemete sesible. Su valor o puede ser estimado a partir de ua medida aislada, siedo ecesaria la realizació de ua serie de medidas que permita, mediate u tratamieto estadístico de los datos, determiar ua cota máxima de error. Los errores accidetales afecta a la precisió o reproducibilidad de u experimeto. Por ejemplo, la obteció de varias medidas de la misma magitud, diferetes etre sí, os permitirá determiar el valor de dicha magitud de forma meos precisa que si los valores obteidos hubiese sido más parecidos etre sí. Ambos tipos de errores puede darse simultáeamete y de forma idepediete, de forma que se puede teer resultados precisos auque iexactos, exactos pero imprecisos, etc., depediedo de los tipos de errores implicados. El error puede expresarse de dos formas diferetes que o debe ser cofudidas: Error absoluto (ε a): Es el valor de la diferecia etre el valor de la medida obteido experimetalmete ( M ') y el verdadero valor de ésta ( M ): M' M. El error absoluto puede ser positivo o egativo, tiee las mismas dimesioes físicas y, por tato, las mismas uidades que la magitud que se mide. Se suele represetar como ε a, de maera que: a M ' M (1) Dado que el valor verdadero o es coocido, como veremos, e la práctica se usa u valor de referecia. Error relativo (ε r ): Es el cociete etre el error absoluto ε a y el verdadero valor de la magitud medida. M ' M a r M M () E cosecuecia, o tiee dimesioes, y suele expresarse e tatos por cieto (ε r 100). El error relativo da ua mejor idea de la dimesió del error absoluto, al ser ua comparació co el valor M de la magitud medida... Icertidumbre de medida. A la hora de expresar el resultado de ua medició de ua magitud física, es obligado dar algua idicació cuatitativa de la calidad del mismo o, dicho de otro modo, de la cofiaza que se tiee e él. Si dicha idicació, las medicioes o puede compararse etre sí, i co otros valores de referecia. De esta maera, el resultado de ua medida se idica de la siguiete forma: R ± U (3) co sus uidades correspodietes, dode R es el resultado más probable y U es la icertidumbre de medida asociada al mismo. El resultado R de la medida es sólo ua aproximació o estimació del valor del mesurado, y por lo tato sólo tiee setido si va acompañado de su icertidumbre U. 4

5 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA La icertidumbre de medida se defie como el parámetro o egativo asociado al resultado de ua medició que caracteriza la dispersió de los valores que podría ser razoablemete atribuidos a u mesurado. El parámetro puede ser, por ejemplo, ua desviació típica (o u múltiplo de ella). La icertidumbre refleja pues la imposibilidad de coocer exactamete el valor del mesurado. El resultado de ua medició tras la correcció de los efectos sistemáticos idetificados sigue siedo solamete ua estimació del valor del mesurado, dada la icertidumbre debida a los efectos aleatorios y a la correcció imperfecta del resultado por efectos sistemáticos. La icertidumbre de medida comprede, e geeral, varias compoetes. Alguas puede ser evaluadas a partir del estudio estadístico de los resultados de series de medidas. Se etiede que el resultado de la medició es la mejor estimació del valor del mesurado, y que todas las compoetes de la icertidumbre, compredidos los que proviee de efectos sistemáticos, tales como las compoetes asociadas a las correccioes y a los patroes de referecia, cotribuye a la dispersió. El cocepto de icertidumbre se sitúa pues más allá del cocepto de error. E la práctica existe umerosas fuetes posibles de icertidumbre, etre ellas: a) Defiició icompleta del mesurado. b) Realizació imperfecta de la defiició del mesurado. c) Muestra o represetativa del mesurado, la muestra aalizada puede o represetar al mesurado defiido. d) Coocimieto icompleto de los efectos de las codicioes ambietales sobre la medició, o medició imperfecta de dichas codicioes ambietales. e) Lectura sesgada de istrumetos aalógicos, por parte del técico. f) Resolució fiita del istrumeto de medida o umbral de discrimiació. g) Valores iexactos de los patroes de medida o de los materiales de referecia. h) Valores iexactos de costates y otros parámetros tomados de fuetes exteras y utilizados e el algoritmo de tratamieto de los datos. i) Aproximacioes e hipótesis establecidas e el método y e el procedimieto de medida. j) Variacioes e las observacioes repetidas del mesurado, e codicioes aparetemete idéticas. Estas fuetes o so ecesariamete idepedietes, y alguas de ellas, de a) a i), puede cotribuir e j). Por supuesto, u efecto sistemático o idetificado o puede ser teido e cueta e la evaluació de la icertidumbre del resultado de ua medició, auque cotribuirá a su error. La icertidumbre puede expresarse de distitas formas, depediedo de cómo haya sido obteida y del 5

6 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS itervalo de cofiaza que se le quiere asigar. Si x es ua estimació de la magitud X, podemos teer: - Icertidumbre típica, u(x): icertidumbre del resultado de ua medició, expresada e forma de desviació típica. - Icertidumbre típica combiada, u c (x): icertidumbre típica del resultado de ua medició, cuado el resultado se obtiee a partir de los valores de otras magitudes, igual a la raíz cuadrada positiva de ua suma de térmios, siedo éstos las variazas o covariazas de esas otras magitudes, poderadas e fució de la variació del resultado de medida co la variació de dichas magitudes. - Icertidumbre expadida U(x): magitud que defie u itervalo e toro al resultado de ua medició, y e el que se espera ecotrar ua fracció importate de la distribució de valores que podría ser atribuidos razoablemete al mesurado. Se obtiee multiplicado la icertidumbre típica combiada por u factor de cobertura k: U(x) k u c (x). Típicamete, k toma valores etre y 3, y se basa e la probabilidad o ivel de cofiaza requerido para el itervalo. A partir de todas ellas se puede defiir las correspodietes icertidumbres relativas típica (u(x)/x), típica combiada (u c (x)/x) y expadida (U(x)/x). 3. Evaluació de las icertidumbres de medida. El método de evaluació de las icertidumbres depede de cómo haya sido estimado el valor de la magitud, y se puede distiguir dos tipos: - Evaluació tipo A: cuado se ha obteido ua serie de observacioes repetidas e idepedietes de ua magitud que varía al azar, e las mismas codicioes de medida, la icertidumbre se evalúa mediate el aálisis estadístico de series de observacioes. E este caso se toma como icertidumbre típica la desviació típica experimetal de la medida. - Evaluació tipo B: cuado la estimació de la magitud proviee de otros medios, las icertidumbres se determia mediate métodos distitos al aálisis estadístico (medidas previas, certificados, especificacioes del fabricate, etc.). El proceso geeral de evaluació de las icertidumbres se puede resumir e los siguietes pasos: 1) Se expresa matemáticamete la relació existete etre el mesurado Y y las magitudes de etrada Y f X, X,..., X. La fució f debe coteer todas las X i de las que éste depede segú 1 magitudes, icluyedo todas las correccioes y factores de correcció que puede cotribuir sigificativamete a la icertidumbre del resultado de medició. ) Se obtiee ua estimació y del mesurado Y, utilizado las estimacioes de etrada x 1, x,..., x N de y f x, x,..., x. Como se mecioó ateriormete, esto las magitudes X 1, X,..., X N, tal que 1 va a depeder de cómo se ha obteido las magitudes de etrada X i : 6 N N

7 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA a. Evaluació tipo A: para magitudes de etrada X i estimadas a partir de observacioes repetidas e idepedietes X i,1, X i,,, X i,, se toma como estimació de etrada x i la media aritmética X i : 1 x i X i = X k=1 ik, (4) y como icertidumbre típica u(x i ) de dicha estimació, la desviació típica experimetal de la media (10): u x i X X, i ik k 1 ( 1) (5) Si el úmero de medidas es iferior a 10 (<10), la ecuació aterior puede proporcioar u valor subestimado de la cotribució de la icertidumbre. E este caso coviee estimar el valor de u(x i ) basádose e la experiecia (por ejemplo, mediate los resultados de medidas ateriores similares). Si esto o fuese posible o se cosiderase iaceptable, como estimació de etrada x i seguirá tomádose la media aritmética X i dada por la ecuació (4), mietras que como posible aproximació secilla a la icertidumbre, que será la que usemos e el laboratorio, se tomará la siguiete: x x,, u x i máximo i míimo i (6) No obstate, el procedimieto riguroso implica aplicar la siguiete correcció: 6 u x i w X X, i ik k 1 ( 1) (7) dode w toma los siguietes valores segú el úmero de medidas efectuado y el ivel de cofiaza requerido 1 : 1 Estos valores está basados e los que toma la distribució t de Studet, que tiede a la distribució ormal cuado. 7

8 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS Número de medidas. w (k = 1) w (k = ) w (k = 3) 1,8 7,0 78,6 3 1,3,3 6,4 4 1, 1,7 3,0 5 1,1 1,4, 6 1,1 1,3 1,8 7 1,1 1,3 1,6 8 1,1 1, 1, , 1,4 b. Evaluació tipo B: para ua estimació x i de ua magitud de etrada X i o obteida a partir de observacioes repetidas, la icertidumbre típica u(x i ) se establece mediate decisió cietífica basada e toda la iformació dispoible acerca de la variabilidad posible de X i, lo que permite asociarle u determiado tipo de distribució (ormal, rectagular, etc.). Esta iformació puede proveir de: resultados de medicioes ateriores; experiecia o coocimietos geerales sobre el comportamieto y las propiedades de los materiales e istrumetos utilizados; especificacioes del fabricate; datos sumiistrados por certificados de calibració u otros tipos de certificados; icertidumbres asigadas a valores de referecia procedetes de libros y mauales. Si ua magitud tiee cotribucioes a la icertidumbre tato de tipo A ( A i ( u x ), su icertidumbre será: B i i A i B i u x ) como de tipo B u x u x u x (8) 3) Ua vez evaluadas las icertidumbres típicas, tato de tipo A como de tipo B, a cotiuació se obtiee la icertidumbre típica combiada u c (y) como 8

9 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA N f f f f c 1 N i x1 x xn i1 xi u y u x u x u x u x (9) La icertidumbre típica combiada uc y es ua desviació típica estimada y caracteriza la dispersió de los valores que podría ser razoablemete atribuidos al mesurado Y. Esto es válido si las magitudes X i so idepedietes. Si o lo fuese, habría que realizar el cálculo teiedo e cueta su depedecia, lo cual implica el cálculo de correlacioes y de térmios de covariaza: f f f u y u x u x x N N 1 N, c i i j i1 xi i1 ji1 xi x j (10) dode x i y x j so las estimacioes de X i y X j, y u(x i, x j ) = u(x j, x i ) es la covariaza estimada asociada a x i y x j. El grado de correlació etre x i y x j viee dado por el coeficiete de correlació: dode r xi, x j r x j, x i y i j u xi, x j i j r xi, x j u x u x 1 r x, x 1. (11) 4) Fialmete, se idica el resultado de la medició e la forma: Y y u (1) idicado las uidades de y y de u c. Por ejemplo : m S = (1,73 ± 0,035) kg. c 4. Icertidumbre expadida. Auque u c (y) puede ser utilizada uiversalmete para expresar la icertidumbre de u resultado de medida, frecuetemete es ecesario, e ciertas aplicacioes comerciales, idustriales o reglametarias, o e los campos de la salud o la seguridad, dar ua medida de la icertidumbre que defia, alrededor del resultado de medida, u itervalo e el iterior del cual pueda esperarse ecotrar gra parte de la distribució de valores que podría ser razoablemete atribuidos al mesurado. Esto es especialmete importate e el caso de laboratorios de calibració, elaboració de patroes y certificados, etc. Es cada vez más frecuete ecotrar el resultado expresado uc etre parétesis: ms = 1,73(35) kg, para evitar la cofusió co el itervalo de cofiaza que proporcioa la icertidumbre expadida U. 9

10 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS Este itervalo lo proporcioa la icertidumbre expadida U, que se obtiee multiplicado la icertidumbre típica combiada uc y por u factor de cobertura k, habitualmete etre y 3, elegido e fució del ivel de cofiaza requerido para u itervalo y U, y U e toro al resultado de la medida: U y k u y (13) Para ello es ecesario haber obteido u úmero suficietemete grade de medidas del valor de la magitud que se quiere estimar, o que se pueda hacer algua suposició sobre la distribució de estos valores (ormal, rectagular, etc.). Muy frecuetemete puede supoerse ua distribució ormal para los resultados de la estimació del valor de y, de maera que k = 1 proporcioa u itervalo correspodiete a u ivel de cofiaza del 68,3 %, para k =, del 95,4 %, y para k = 3, del 99,7%. E el caso se usar la icertidumbre expadida, el resultado de la medició se expresa e la forma: Y y U (14) idicado las uidades de y y de U, lo que se iterpreta como que la mejor estimació del valor atribuible al mesurado Y es y, y que puede esperarse que e el itervalo que va de y U a y + U esté compredida ua fracció importate de la distribució de valores que podría ser razoablemete atribuidos a Y. Es ecesario idicar asimismo el valor de k utilizado para obteer U y el ivel de cofiaza asociado al itervalo yu (p. ej. m = (100,47 ± 0,78) g, co u factor de cobertura de cobertura de 3, que represeta u ivel de cofiaza del 99,7%). c 5. Resolució de los istrumetos. Casi todas las medidas directas implica la lectura de ua escala o de la patalla digital de u istrumeto. Ua de las fuetes de icertidumbre del istrumeto es la resolució de su dispositivo idicador. Se deomia resolució a la míima variació de la magitud medida que da lugar a ua variació perceptible de la idicació correspodiete. Si la medida se ha hecho co u aparato aalógico, es decir, basado e ua escala graduada, se toma como resolució la meor uidad que pueda medir el aparato (distacia etre dos divisioes), esto es, la meor divisió de escala. E cuato al valor de la magitud medida, éste sería el de la marca más cercaa a la posició de la aguja. V Por ejemplo, e el voltímetro de la figura, cuya escala tiee itervalos de 1 V, se tomaría como resolució 1 V. 10

11 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA Si la medida se ha hecho co u aparato digital, tomaremos como resolució ua uidad del último dígito de la lectura del aparato. Por ejemplo, si u voltímetro digital da u valor de 9,7 mv, la resolució es de 0,1 mv. La resolució cotribuye a la icertidumbre de medida, por cuato supoe u límite a la apreciació del valor de la magitud. Si la resolució del dispositivo idicador es δx, el valor de señal de etrada (estímulo) que produce ua idicació dada X puede situarse co igual probabilidad e cualquier puto detro del itervalo [X δx/, X+δx/]. La señal de etrada puede describirse etoces mediate ua distribució rectagular de probabilidad, de amplitud δx, lo que supoe ua icertidumbre típica: para cualquier idicació. 1 u x 0,9x (15) 1 Ejemplo: Se dispoe de u croómetro que idica hasta la décima de segudo co el que se realiza 10 medidas de la caída libre de u cuerpo siempre desde ua misma altura, y se obtiee u valor medio del tiempo de caída (ecuació (4)) de t = 8,358 s, co ua desviació típica de la media de 0,057 s (ecuació (5)), asociada a la repetibilidad de la medida, como falta de sicroizació al pulsar el croómetro, tato al iicio como al fial. De esta maera, como la resolució del croómetro es x 0,1 s, la icertidumbre asociada a la resolució del istrumeto es u t 0,9 x 0,09 s, mietras que la icertidumbre típica, asociada a la resol repetibilidad de la medida, es 0,057 s u t. La icertidumbre asociada a la determiació de t tiee estas repet dos cotribucioes, de forma que resulta: resol repet i u t u t u x 0,064 s Tomado u ivel de cofiaza del 95 % (k = ), la icertidumbre expadida es Ut 0,064 s 0,18 s. Usado las técicas de redodeo que veremos a cotiuació, el resultado fial del valor medido de t sería: t 8,36 0,13 s co u ivel de cofiaza del 95 % (k = ) Si quisiéramos usar el valor de t e otro cálculo posterior e el que itervega t y su icertidumbre u(t) hay que teer e cueta que su valor estimado es 8,358 s y su icertidumbre, 0,064 s. 6. Iterpolació e tablas El valor de la magitud A puede veir dado e fució de otras magitudes x, y, mediate ua tabla que relacioa los valores de x, y, co el correspodiete de A. E geeral, los valores medidos de estas magitudes o tiee por qué correspoder exactamete co los que aparece e la tabla, por lo cual habrá que recurrir a métodos de iterpolació (e la mayoría de los casos so métodos de iterpolació lieal) para calcular el valor de A. Normalmete el valor de A depede solamete del valor de ua variable x, o a lo sumo de los valores de 11

12 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS dos variables x, y. E cada uo de estos casos el método de iterpolació lieal se aplica de la siguiete maera: 6.1. Tablas de simple etrada. Supogamos que ua fució A = f(x) viee tabulada como se idica: x x 1 x x 3 x 4 A A 1 A A 3 A 4 Si se quiere calcular el valor de A correspodiete a x = x 0, siedo x 1 < x 0 < x, se opera de la siguiete maera, cosiderado ua depedecia lieal e el itervalo compredido etre x 1 y x : A( x ) A A A x x x x (16) La icertidumbre típica combiada u c (A(x 0 )) se calculará aplicado las ecuacioes (10) y (11). Las icertidumbres asociadas a A i y x i se podrá tomar, como e el caso de la resolució istrumetal, salvo que e la tabla se idique otra cosa, como u(x i ) = 0,9δx i y u(a i ) = 0,9 δa i, dode δx i sería el míimo itervalo que separa dos etradas de x i e la tabla, y δa i represeta ua uidad de la última cifra sigificativa del valor tabulado. 6.. Tablas de doble etrada. Supogamos que la fució A(x,y) viee dada por la siguiete tabla: y y 1 y y 3 x x 1 A 11 A 1 A 13 x A 1 A A 3 x 3 A 31 A 3 A 33 El valor de A correspodiete a (x 0, y 0 ), que se ha medido co uas cotas de error de Δx 0 y Δy 0, y siedo x 1 < x 0 < x e y 1 < y 0 < y, cosiderado de uevo la variació lieal, viee dado por:.. (17) La icertidumbre típica combiada u c (A(x 0, y 0 )) se calculará aplicado las ecuacioes (10) y (11). 7. Relacioes lieales. Ajuste de ua ube de putos por el método de los míimos 1

13 cuadrados. DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA E los experimetos físicos es frecuete ecotrar relacioes lieales etre magitudes, expresádose, por tato, por la ecuació de ua recta. Por ejemplo, la relació etre la diferecia de potecial V y la itesidad de corriete eléctrica I que circula por u tramo de u circuito, por la ley de Ohm, es: A( x ) A A A x x x x es ua relació lieal, siedo la pediete de la recta la resistecia R, y la ordeada e el orige igual a 0. Otro ejemplo puede ser el del período de oscilació T del pédulo simple para oscilacioes pequeñas, que si bie la relació etre las magitudes T y L (logitud del pédulo) o es directamete lieal: T L g se puede expresar de forma lieal: 4 T L g Así, si midiésemos el período de oscilació para cada logitud del pédulo, su cuadrado ( T ) variaría liealmete co su logitud, siedo 4 g la costate de proporcioalidad etre ellas. La represetació gráfica de los valores de T frete a L seguiría u comportamieto aproximadamete lieal, siedo la pediete de la recta la costate de proporcioalidad. Sucesivas medidas de esta variació os podría permitir estimar el valor de la aceleració de la gravedad. E estos casos de relació lieal etre magitudes, al represetar e ua gráfica los pares de valores (x, y) se busca la recta de mejor ajuste a la ube de putos: y m x b (18) tambié coocida como recta de regresió lieal, dode m represeta la pediete y b, la ordeada e el orige de dicha recta. El problema es ecotrar los valores de m y b. Auque el método riguroso es el deomiado de míimos cuadrados, a veces, para simplificar los cálculos, se usa otros que da co bastate aproximació la recta de mejor ajuste. E el laboratorio usaremos el ajuste por el método de míimos cuadrado que cosiste e buscar la recta que mejor ajuste a ua ube de putos. Para ello se impoe la codició de que la suma de las distacias al cuadrado etre los distitos valores y i medidos de la variable depediete y los que se obtedría por la ecuació lieal: i b d y i mx (19) sea u míima ( d / m= 0; d / b= 0 ). Se puede así demostrar que el valor de la pediete m y de la 13

14 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS ordeada e el orige b de dicha recta: x y x y m y m x i i i i i i i 1 i 1 i 1 i 1 1 ; i b i i i1 i1 x x (0) siedo el úmero de medidas, m la pediete de la recta a determiar y b su ordeada e el orige. Dado u valor x, podemos calcular su y correspodiete a partir de la recta de mejor ajuste (18). Partiedo de las expresioes de la pediete m y de la ordeada e el orige b, se puede determiar sus icertidumbres típicas combiadas correspodietes 3, u c (m) y u c (b):. (1). La icertidumbre típica combiada de los valores previstos por la recta de regresió se puede calcular a partir de las (10) y (11) 4. El método descrito e los párrafos ateriores parte de la idea de optimizar el ajuste respecto de la variable depediete. Así, obteemos lo que se llama la recta de regresió de y sobre x. Si hiciéramos lo propio co la variable idepediete, obtedríamos otra recta de regresió (de x sobre y) co otra pediete distita. El parámetro que da la bodad del ajuste, esto es, de la liealidad del comportamieto de y(x), es el llamado coeficiete de correlació lieal r. Éste, se calcula obteiedo la media geométrica de las pedietes de las dos rectas de regresió ates descritas. La expresió matemática útil para este parámetro es: r x y x y i i i i i1 i1 i1 xi xi yiyi i1 i1 i1 i1 () El coeficiete de correlació lieal, puede demostrarse que es u úmero compredido etre 1 y +1. Cuato más cerca esté r de la uidad, iterpretaremos que más fuertemete lieal es la relació etre las variables. Por ello es importate calcular, previamete al ajuste de míimos cuadrados, el valor del coeficiete de correlació y comprobar que su módulo es cercao a la uidad, y de esta maera asegurar que la curva que mejor se ajusta a la ube de putos es ua recta. Para valores de r iferiores a 0,85, debe buscarse otro tipo 3 Estas expresioes cosidera que las icertidumbres de xi e yi so despreciables frete a la icertidumbre que geera la propia dispersió de los datos e el cálculo de míimos cuadrados. uc y( x) uc b x uc m xuc b uc m r( b, m) dode r( b, m) xi x i. 4 E cocreto: 14 i1 i1

15 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA de depedecia fucioal etre las variables. Si el coeficiete de correlació lieal es mayor o igual que 0,9 y meor que 1, siempre se debe expresar co todas sus cifras hasta la primera que o sea 9, redodeádola e su caso (por ejemplo, si resulta ser 0, , habría que expresarlo como 0,9997). Por debajo de 0,9, se puede expresar co cifras sigificativas. Por ello es importate calcular, previamete al ajuste de míimos cuadrados, el valor del coeficiete de correlació y comprobar que su módulo es cercao a la uidad, y de esta maera asegurar que la curva que mejor se ajusta a la ube de putos es ua recta. Para valores de r iferiores a 0,85, debe buscarse otro tipo de depedecia fucioal etre las variables. Si el coeficiete de correlació lieal es mayor o igual que 0,9 y meor que 1, siempre se debe expresar co todas sus cifras hasta la primera que o sea 9, redodeádola e su caso (por ejemplo, si resulta ser 0, , habría que expresarlo como 0,9997). Por debajo de 0,9, se puede expresar co cifras sigificativas. Para realizar los cálculos correspodietes al ajuste por míimos cuadrados, es coveiete programar estas ecuacioes. 8. Presetació de resultados. Técicas de redodeo. El valor umérico de ua magitud y y de su icertidumbre típica combiada u c (y) o, e su caso, de su icertidumbre expadida U, o debe darse co u úmero excesivo de cifras. El valor de la magitud debe expresarse co u úmero de cifras que viee determiado por el valor de la icertidumbre, ya que sería absurdo presetar ua medida hasta la diezmilésima cuado la icertidumbre afecta a las décimas (por ejemplo, m S = (1, ± 0,035) kg). Ese úmero de cifras es lo que se deomia úmero de cifras sigificativas, y determia el valor de u úmero auque o su orde de magitud. Habitualmete basta co dar u c (y) y U (así como las icertidumbres típicas u(x i ) de las estimacioes de etrada x i ] co dos cifras sigificativas, auque e ciertos casos, pueda ser ecesario mateer cifras suplemetarias para evitar la propagació de errores de redodeo e cálculos posteriores. U resultado o estará correctamete expresado si o se aplica adecuadamete las técicas de redodeo. Partiedo de la magitud y de su icertidumbre co todas sus cifras, el procedimieto de redodeo se resume e los siguietes pasos: a. Se coserva las dos primeras cifras sigificativas de la icertidumbre (esto es, descotado los ceros a la derecha e izquierda del úmero, idepedietemete de la posició de la coma decimal). A cotiuació, se procede de la siguiete maera: i. Redodeo al itegral múltiple más próximo: la última cifra coservada se redodea aumetádola e ua uidad si la primera de las cifras a descartar es mayor que 5, y o alterádola si es meor que 5. Ej. 1.: u c = 6, ; los itegrales múltiples sería 6,9 y 7,0, siedo éste último el más próximo, de forma que redodeado queda: u c = 7,0; Ej..: u c = 0, ; los itegrales múltiples sería 0,003 y 0,0033, 15

16 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS siedo éste último el más próximo, de forma que redodeado queda redodeado es: u c = 0,003. ii. Redodeo al par múltiple más próximo: si las cifras a descartar empieza por 5 y todas las demás so 0, la última cifra coservada o cambia si es par o se icremeta e 1 uidad si es impar (redodeo al úmero par más próximo). Ej.1: u c = 6,95; el par múltiple más cercao es 7,0, de maera que redodeado es: u c =7,0. Ej.: 0,0035, el par múltiple más cercao es 3, pues 33 es impar, de maera que redodeado es: u c = 0,003). El redodeo al úmero par más próximo asegura que uas veces se redodeará por exceso, otras por defecto. Si las demás cifras que sigue al 5 o fuese 0, se aumeta el valor de la última cifra coservada: (Ej.1: 6,95 redodeado es: 7,0; Ej.: 0,00351, redodeado 0,0033). b. A cotiuació, se expresa la magitud de forma que su última cifra sea del mismo orde que la de la icertidumbre, descartado las demás y redodeádola de la misma forma que la icertidumbre. Por ejemplo, si se ha realizado ua experiecia e la que se ha calculado el valor de la gravedad, y los resultados fiales da el valor de 9,684 m/s co ua icertidumbre típica combiada de 0,3454 m/s, la presetació del resultado sería: g = (9,68 ± 0,35) m/s E ocasioes hay que teer e cueta que alguos ceros o se puede suprimir, ya que está idicado cuál es el orde de magitud correcto o simplemete que la cifra idicada es efectivamete 0 y o cualquier otra (por ejemplo, escribir,1 ± 0, cm es icorrecto, ya que lo correcto sería,10 ± 0,0 cm, puesto que esos ceros so sigificativos). Para úmeros muy grades o muy pequeños coviee usar la otació cietífica, esto es, e potecias de 10, respetado el úmero sigificativo de cifras, expresado el valor y su icertidumbre co la misma potecia de 10. Por ejemplo, ó 1, Cuado los cálculos se realiza mediate calculadora u ordeador, coviee coservar siempre todas las cifras que éstos permita, procediédose al redodeo SÓLO e el resultado fial, NUNCA redodeado resultados itermedios. Si e la fórmula o ley que permite el cálculo de ua magitud aparece algua costate matemática o física (como, N A, g, c, etc.), coviee cosiderar, e el mometo de operar, el máximo úmero sigificativo de cifras, de forma que el error cosiderado sea despreciable frete a los de las magitudes que iterviee e la fórmula. 16

17 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA A cotiuació se preseta alguos ejemplos de redodeo, aplicados a medidas de itesidad (I) dadas e amperios (A): Medida (A) u c (A) Resultado 1, ,0139 I = (1,439 ± 0,01) A 4, ,04661 I = (4,813 ± 0,047) A 13, , I =(13,33 ± 0,9) 10 3 A I = 5130 ± 30 A 0, ,00996 I = 0,538 ± 0,010 5, ,0574 I = 5,036 ± 0,06 A 9. Represetacioes gráficas. A la hora de realizar represetacioes gráficas se debe respetar las siguietes ormas (figura ): a) Ejes Abscisa y Ordeada U coveio bie establecido e Física para todas las prácticas es represetar e el eje de abscisas (horizotal) la variable idepediete (aquella que elige el experimetador e cada medida), y e el eje de ordeadas (vertical) la variable depediete (aquella cuyo valor se determia); brevemete, se trata de represetar efecto (e el eje vertical) frete a causa (e el eje horizotal). Papel Los papeles más utilizados e las gráficas de Física so el lieal (ormalmete graduado e milímetros y por eso comúmete llamado papel milimetrado), y el logarítmico, que puede ser semilogarítmico (de rayado logarítmico e u solo eje y lieal e el otro) y logarítmico sobre ambos ejes. Idetificació de cada eje Los ejes debe marcarse siempre co el ombre y símbolo de la magitud represetada juto a las uidades e que se expresa. Tambié debe idicarse, e su caso, la potecia de 10 correspodiete, por la que va multiplicada la uidad. De este modo, las divisioes e u eje puede eumerarse 1,, 3,... e lugar de , 0.000, 17

18 ESTIMACIÓN DE INCERTIDUMBRES Y PRESENTACIÓN DE RESULTADOS Figura ,... ó de 0,001, 0,00, 0,003,... etc., si e el eje se idica 10 4 ó 10-3, respectivamete. E los ejes se marcará los valores de las variables represetadas, a itervalos regulares, de acuerdo co la escala escogida. Escalas La selecció de la escala utilizada e cada eje debe hacerse de modo que: Los putos experimetales o quede todos jutos, debiedo cubrir toda la zoa del papel. La escala debe ser secilla. Lo más secillo es represetar por u milímetro ua potecia de 10 de la uidad; la siguiete simplicidad es aquella e que u milímetro (ó u cetímetro) represeta ó 5 uidades. El orige de la represetació o tiee por qué ser el puto (0, 0). Salvo e casos especiales la escala y el orige se tomará de maera que la curva a represetar quede cetrada e el papel y ocupe la mayor parte de éste. Cada puto se represeta por u puto (.), u asterisco (*), u otro símbolo parecido. Si existe varias curvas e la misma gráfica co diferetes sigificados, los putos de cada ua se represeta co distitos símbolos. 18

19 DEPARTAMENTO DE FÍSICA APLICADA I ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD DE SEVILLA b) Represetació gráfica de la icertidumbre de las medidas E ocasioes es ecesario represetar las icertidumbres e las medidas. E este caso se represetaría el itervalo de cofiaza mediate la icertidumbre expadida U. Para ello se traza ua cruz o u rectágulo cetrados e el puto y de dimesioes horizotales y verticales correspodietes a la icertidumbre expadida e cada direcció. c) Ajuste de líeas a los putos represetados Si se traza ua curva para uir ua serie de putos se debe de respetar las siguietes ormas: Debe de ser lo más regular posible. Debe de pasar lo más cerca posible de los putos, auque o tiee que pasar ecesariamete por todos ellos (icluso puede que o pase por iguo). Si existe algú puto aislado lo más ormal es que se trate de u error y puede que sea coveiete repetir la medida correspodiete a ese puto. No uir uca los putos mediate ua líea quebrada. Bibliografía - Recomedacioes del CEM para la Eseñaza Metrología. Cetro Español de Metrología, Eero de 011. ( omedacioes%0cem%0eseaza%0metrologia.pdf) - GUM DIGITAL 010. Cetro Español de Metrología, 008. ( - ISO :009, Quatities ad Uits, Part 1: Geeral. 19

MINITAB y MODELOS DE REGRESIÓN

MINITAB y MODELOS DE REGRESIÓN Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias

Más detalles

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

2 Conceptos básicos y planteamiento

2 Conceptos básicos y planteamiento ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.

Más detalles

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo:

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: Itroducció al cálculo de icertidumbres e las INGENIERÍAS Cordiador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: lurodrig@puj.edu.co INTRODUCCIÓN E las ciecias aturales los resultados de las medidas

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

02) Mediciones. 0202) Mediciones

02) Mediciones. 0202) Mediciones Págia 02) Medicioes 0202) Medicioes Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Teoría de Errores e Icertezas Si usted puede medir lo que está cosiderado y expresarlo e úmeros, usted

Más detalles

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

Figura 10. No se satisface el supuesto de linealidad.

Figura 10. No se satisface el supuesto de linealidad. Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

PROCEDIMIENTO DE CALIBRACIÓN M-002 BALANZA MONOPLATO INDICE 1. OBJETO 2. ALCANCE

PROCEDIMIENTO DE CALIBRACIÓN M-002 BALANZA MONOPLATO INDICE 1. OBJETO 2. ALCANCE INDICE BALANZA MONOPLATO EDICIÓN 0 1. OBJETO 2. ALCANCE 3. GENERAL 4. EQUIPO A UAR EN LA CALIBRACION 5. OPERACIONE PREVIA 6. REALIZACION 7. TOMA DE DATO 8. REULTADO DE LA CALIBRACIÓN 9. CRITERIO DE ACEPTACION

Más detalles

Medidas de Tendencia Central

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

Más detalles

PRÁCTICA No. 1 INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES EN LAS MEDICIONES

PRÁCTICA No. 1 INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES EN LAS MEDICIONES PRÁCTICA No. 1 INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES EN LAS MEDICIONES 1 INTRODUCCIÓN E las ciecias aturales los resultados de las medidas experimetales sirve para verificar la validez de modelos,

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

Laboratorio: Las magnitudes físicas

Laboratorio: Las magnitudes físicas Laboratorio: Las magitudes físicas Departameto de Física CONTENIDO Las magitudes físicas y sus medidas. Aálisis dimesioal. Errores o icertidumbres eperimetales. La medida de magitudes físicas y sus errores.

Más detalles

4.- Aproximación Funcional e Interpolación

4.- Aproximación Funcional e Interpolación 4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:...... 1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros

Más detalles

Acá surge una duda cuántos valores de cada variable debemos medir? La respuesta no es obvia. Supongamos que decidimos tomar 3 medidas

Acá surge una duda cuántos valores de cada variable debemos medir? La respuesta no es obvia. Supongamos que decidimos tomar 3 medidas CARACTERIZACION DE UN SISTEMA FISICO. Obteció de la relació fucioal etre dos variables Para poder eteder los feómeo o procesos que tiee lugar e u dado sistema ecesitamos ecotrar las variables que le produce

Más detalles

e i y i y i y i 0 1 x 1i 2 x 2i k x ki

e i y i y i y i 0 1 x 1i 2 x 2i k x ki Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL I.E.S. Virge de la Paz. Alcobedas DEPARTAMETO DE MATEMÁTICAS Itroducció ESTADÍSTICA UIDIMESIOAL El ombre de Estadística alude al eorme iterés de esta rama matemática para los asutos del Estado y su itroducció

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ 06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos

Más detalles

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b) MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS

9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS 9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS OBJETIVO El objetivo de la práctica es determiar la desidad de líquidos utilizado la balaza de Möhr y su aplicació a la determiació de la desidad de disolucioes co

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 2. Medidas descriptivas de los datos Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico

Más detalles

ERRORES EN LAS MEDIDAS

ERRORES EN LAS MEDIDAS ESCUELA TÉCNICA SUPERIOR DE NÁUTICA DEPARTAMENTO DE FÍSICA APLICADA ERRORES EN LAS MEDIDAS I. Uidades de medició. Todas las medicioes costa de ua uidad que os idica lo que fue medido y u úmero que idica

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES Humao es errar; pero sólo los ecios persevera e el error. Ciceró. ACADEMIA DE MATEMÁTICAS Uidad II: Datos Bivariados Apredizajes.

Más detalles

LABORATORIO BIO 9000 PROCEDIMIENTO PE-I-03 PARA EL CÁLCULO DE LA INCERTIDUMBRE EN MICROBIOLOGÍA

LABORATORIO BIO 9000 PROCEDIMIENTO PE-I-03 PARA EL CÁLCULO DE LA INCERTIDUMBRE EN MICROBIOLOGÍA LABORATORIO BIO 9000 PROCEDIMIENTO PARA EL CÁLCLO DE LA INCERTIDMBRE EN MICROBIOLOGÍA Rev. º: 00 Fecha de aprobació: 19/05/11 REV. FECHA HOJA/S CASA DEL CAMBIO Realizado Revisado Aprobado Fdo.: Daiel Aguilar-Galido

Más detalles

4.4 Diferentes estimaciones del error aleatorio en medida directa

4.4 Diferentes estimaciones del error aleatorio en medida directa Tema 4 4. El error verdadero 4.2 Clasificació de errores Segú las causas que los provoca Segú los efectos que produce 4.3 Ley de errores de Gauss Postulados de Gauss y distribució de errores Valor más

Más detalles

Apéndice I. Nociones de Cálculos de Errores. Definiciones

Apéndice I. Nociones de Cálculos de Errores. Definiciones Uiversidad Tecológica Nacioal Facultad Regioal La Plata Departameto de Ciecias Básicas Uidad Docete Básica Física Laboratorio de Física Cátedra: Física I Apédice I Nocioes de Cálculos de Errores El trabajo

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

5. PÉNDULO SIMPLE. MEDIDA DE g

5. PÉNDULO SIMPLE. MEDIDA DE g 5. PÉNDULO SIMPLE. MEDIDA DE g OBJETIVO El objetivo de la práctica es medir la aceleració de la gravedad e el laboratorio, g, a partir del estudio del movimieto armóico de u pédulo simple. MATERIAL Pédulo

Más detalles

TEMA 1 NÚMEROS REALES

TEMA 1 NÚMEROS REALES . Objetivos / Criterios de evaluació TEMA 1 NÚMEROS REALES O.1.1 Coocer e idetificar los cojutos uméricos N, Z, Q, I,R, Im O.1.2 Saber covertir úmeros racioales e fraccioes. O.1.3 Redodeo y aproximació

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 Ig. Agis Zambrao, MSc PRELABORATORIO: MEDICIÓN - Medir. - Apreciació. - Medidas directas. - Medidas idirectas. MEDIDAS DE LONGITUD - Cita métrica. - Verier. - Torillo micrométrico. MEDIDAS DE TIEMPO -

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

Teoría de la Medida. Recopilación

Teoría de la Medida. Recopilación Teoría de la Medida. Recopilació Ua magitud física es u atributo de u cuerpo, u feómeo o ua sustacia, que puede determiarse cuatitativamete, es decir, es u atributo susceptible de ser medido. De acuerdo

Más detalles

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que

Más detalles

[e j N 2 e j N 2 ]...} (22)

[e j N 2 e j N 2 ]...} (22) Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

Más detalles

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL Cuado u objeto real gira alrededor de algú eje, su movimieto o se puede aalizar como si fuera ua partícula,

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

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

Más detalles

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5 Aexo Calculadora La proliferació de las calculadoras e la vida cotidiaa obliga a profesores y padres a replatearse su uso. Los profesores debemos eseñar a los alumos su utilizació. Pero será los profesores

Más detalles

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá

Más detalles

1 Primeras aproximaciones a la integral de una función cuadrática

1 Primeras aproximaciones a la integral de una función cuadrática Cátedra de Matemática Matemática Hoja : Aproximacioes a la itegral Facultad de Arquitectura Uiversidad de la República Primer semestre Defiirlaitegralcomoelárea bajo u gráfico os efreta al problema de

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión Sucesioes de úmeros reales Sucesioes covergetes: límite de ua sucesió Tato e la educació secudaria obligatoria como e el bachillerato se habla poco de las sucesioes de úmeros reales. Si acaso se dedica

Más detalles

Ejercicios resueltos de Muestreo

Ejercicios resueltos de Muestreo Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo

Más detalles

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL INISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIENTAL POLITÉCNICA DE LA FUERZA ARADA NACIONAL UNEFA NUCLEO ERIDA APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 8 CONSERVACIÓN

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica? COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE TECNOLOGIA DE LA CONSTRUCCION DEPARTAMENTO DE HIDRAULICA

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE TECNOLOGIA DE LA CONSTRUCCION DEPARTAMENTO DE HIDRAULICA UNIERSIDAD NACIONAL DE INGENIERIA FACULTAD DE TECNOLOGIA DE LA CONSTRUCCION DEPARTAMENTO DE HIDRAULICA LABORATORIO DE HIDRAULICA II PRACTICA # TEMA: DETERMINACION DEL COEFICIENTE DE RUGOSIDAD DE MANNING

Más detalles

Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7

Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7 Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}

Más detalles

Gesdocal Pies de rey (1 de 9)

Gesdocal Pies de rey (1 de 9) Gesdocal Pies de rey ( de 9) OBJTO l objeto del presete PROCO D CALBRACÓN es defiir la pauta utilizada e el software CALBRO para la calibració de pies de rey, que les permita obteer resultados trazables

Más detalles

Práctica de Física AJUSTE DE UNA RECTA

Práctica de Física AJUSTE DE UNA RECTA Práctica de Física AJUSTE DE UNA RECTA Calcular el valor medio y error de ua serie de valores Ajustar los datos experimetales mediate ua depedecia lieal La determiació de ua magitud física está sujeta

Más detalles

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill. GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,

Más detalles

Estimación de Parámetros

Estimación de Parámetros Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Frontera

ECUACIONES DIFERENCIALES Problemas de Valor Frontera DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada

Más detalles

Preguntas de examen. Apéndice A. A.1 Abril de 2008 (Examen parcial) Preguntas de test (30%) Teoría (10 %)

Preguntas de examen. Apéndice A. A.1 Abril de 2008 (Examen parcial) Preguntas de test (30%) Teoría (10 %) Apédice A Pregutas de exame A. Abril de 2008 (Exame parcial) Pregutas de test (30%) A. Se cosidera las sucesioes ( ) a b. Etoces: (a) Si b coverge, etoces a tambié coverge y sus límites coicide. (b) Si

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

4.- Series. Criterios de convergencia. Series de Taylor y Laurent

4.- Series. Criterios de convergencia. Series de Taylor y Laurent 4.- Series. Criterios de covergecia. Series de Taylor y Lauret a) Itroducció. Series de fucioes reales. b) Covergecia de secuecias y series. c) Series de Taylor. d) Series de Lauret. e) Propiedades adicioales

Más detalles

Práctica de Laboratorio. Respuesta de los Instrumentos de Medida ante Distintas Señales de Tensión y Frecuencia.

Práctica de Laboratorio. Respuesta de los Instrumentos de Medida ante Distintas Señales de Tensión y Frecuencia. Uiversidad Nacioal de Mar del lata. ráctica de Laboratorio ema: Respuesta de los Istrumetos de Medida ate Distitas Señales de esió y Frecuecia. Cátedra: Medidas Eléctricas I 3º año de la carrera de Igeiería

Más detalles

R de Pearson para dos variables cuantitativas Vicente Manzano Arrondo 2014

R de Pearson para dos variables cuantitativas Vicente Manzano Arrondo 2014 R de Pearso para dos variables cuatitativas Vicete Mazao Arrodo 014 Teemos ua muestra aleatoria de expedietes académicos de estudiates de eseñazas medias. Tomamos sus resultados e las materias de geografía

Más detalles

INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA. GUIA Nº 3: Sucesiones, Límite de Sucesiones y Límite de Funciones en R

INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA. GUIA Nº 3: Sucesiones, Límite de Sucesiones y Límite de Funciones en R P á g i a INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA GUIA Nº 3: Sucesioes, Límite de Sucesioes y Límite de Fucioes e R GRADO: º AREA: MATEMÁTICAS PROFESORA: Ebli Martíez M. ESTUDIANTE: PERIODO: III

Más detalles

2 FUNDAMENTOS DE PROBABILIDAD

2 FUNDAMENTOS DE PROBABILIDAD 2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles