De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

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

Download "De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado"

Transcripción

1 Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de otra varable cuanttatva en grupos cuyas medas se desea comparar. Así, podremos comparar el peso medo de aves agrupándolas por especes, la varable de clasfcacón o factor es la espece y la varable dependente es el peso. En el tema actual se amplará el modelo para nclur dos factores en lugar de uno solo. Por ejemplo, cuando se pretenda comparar el peso medo de aves agrupándolas por espece y por sexo. La nclusón de un factor más no es trval, el problema de la comparacón de las medas de grupos nducdos por dos factores cualtatvos no se resuelve por la smple amplacón del modelo de un factor a uno más, pues es posble que ambos factores sean fjos (Modelo I), ambos aleatoros (Modelo II) o uno fjo y otro aleatoro (Modelo III), pero además es posble que ambos factores actúen de modo ndependente o que la accón combnada de ambos factores potence o nhba la accón de cada uno por separado, en este segundo caso dremos que exste nteraccón, por lo que podremos hablar de modelo con o sn nteraccón. Tambén es posble que el dseño sea equlbrado (todos los grupos son representados con un número gual de meddas) o que no lo sea. Una últma posbldad es que todas las categorías de un factor puedan ser combnadas con todas las del otro factor, entonces hablaremos de un dseño cruzado, (que en el caso de nclur nteraccón se denomna modelo factoral), o que las categorías de uno de los factores solamente puedan aparecer para determnados nveles del otro, en este caso decmos que el prmer nvel está jerarquzado en el segundo o que el dseño es jerarquzado. En resumen, un análss de la varanza de dos factores puede ser: Según el tpo de factores Según la nterferenca entre los factores Según el número de observacones en cada categoría Según las posbles combnacones de nveles de ambos factores De factores fjos De factores aleatoros Mxto Con nteraccón Sn nteraccón Equlbrado No equlbrado Cruzado Jerarquzado Por supuesto, cada una de estas clasfcacones se puede combnar con cualquera de las otras, así podremos encontrar, por ejemplo, un análss de la varanza de dos factores fjos, con nteraccón, equlbrado y cruzado. En el caso del dseño jerarquzado no es posble determnar (al menos por los métodos convenconales) el efecto de la nteraccón de ambos factores.

2 Modelo de análss de la varanza con dos factores. En lo que sgue y salvo que se ndque lo contraro, trataremos sempre con modelos equlbrados. Sean dos factores, que denomnaremos A, con t nveles y B, con r nveles, s el dseño es cruzado tendremos tr clases en total, s además es equlbrado, con n observacones en cada clase, el número total de observacones es N = trn. El modelo de análss de la varanza con dos factores sn nteraccón se puede escrbr como: X = µ + A + B + ε j j j Donde X j es una varable aleatora que representa al conjunto de valores posbles de la varable dependente correspondente al nvel -ésmo del factor A y al nvel j-ésmo del factor B, µ es la meda general, A es el efecto adtvo que sobre esa meda produce el nvel -ésmo del factor A, B j el correspondente al nvel j-ésmo del factor B y ε j es el error o resduo del modelo. Los dstntos elementos que componen el modelo se defnen como: A = µ µ, sendo µ la meda poblaconal del nvel -ésmo del factor A, sn consderar el factor B. B j = µ j µ sendo µ j la meda poblaconal del nvel j-ésmo del factor B, sn consderar el factor A. ε = X µ µ + µ j j j En el caso de que se consdere la nteraccón, el modelo se formula como: X = µ + A + B + + ε jk j j j Donde j es el efecto de la combnacón del nvel -ésmo del factor A con el j-ésmo del factor B no contemplado por dchos nveles ndvdualmente. En este caso, s defnmos µ j = µ + A + B j + j como la meda total correspondente a los nveles - ésmo de A y j-ésmo de B, el modelo se puede expresar como: X = µ + ε, con lo que el resduo es jk j j ε = X µ, y la nteraccón: j j j = X µ A B ε = µ µ µ + µ j j j j j j Vemos que el modelo sn nteraccón está ncludo en el modelo con nteraccón, sn más que consderar en este últmo caso que j es cero, por ello, en lo que sgue se consdera sempre modelo con nteraccón, procedendo a anular dcho térmno en el caso de que no lo haya.

3 Análss de la varanza de dos factores fjos cruzados. Cuando los factores son fjos, los dstntos nveles de cada uno de ellos son todos los posbles (o todos los que nteresa estudar), en ese caso cada uno de los térmnos A B j j son constantes, verfcándose además que ΣA = 0, ΣB j =0, = 0 y que j = 0. j Sea cual sea el carácter de los factores, se consdera que los térmnos ε j son todos varables aleatoras Normales e ncorreladas, de meda cero y varanza gual para todos los grupos. El contraste de análss de la varanza se plantea como: H 0 : todos los A, los B j y los j son cero. H 1 : alguno de ellos no es cero. La hpótess nula supone que s todos los efectos de todos los nveles de los factores son nulos, todas las medas de todos los grupos consderados son guales entre sí e guales a la meda general y no hay nteraccón. Para resolver el contraste se toma una muestra aleatora de cada una de las combnacones de categorías de los factores consderados, s el dseño es equlbrado todas estas muestras son de gual tamaño n, por lo tanto, como se djo al prncpo, s A tene t nveles, B tene r nveles y s el dseño es cruzado tendremos tr clases en total, s además es equlbrado, con n observacones en cada clase, el número total de observacones es N = trn = n Fnalmente, se estma el modelo con las observacones obtendas y sus correspondentes medas: x = x + a + b + ab + e, sendo: jk j j jk x jk la k-ésma (k toma valores entre 1 y n) observacón correspondente al nvel -ésmo ( entre 1 y t) del factor A y el j-ésmo (j entre 1 y r) nvel del factor B. x es la meda de todos los datos consderados como una sola muestra. a = x x la estmacón del efecto del nvel -ésmo del factor A, con x la meda de todos los datos ncludos dentro del nvel -ésmo del factor (rn datos). b = x j x la estmacón del efecto del nvel j-ésmo del factor B, con x j la meda de todos los datos ncludos dentro del nvel j-ésmo del factor (tn datos). abj = xj x x j + x, con xj la meda de todos los datos meddos para la combnacón j de los nveles de los factores. ejk = xjk x j los resduos o dferencas de cada observacón a la meda de los datos correspondentes a la combnacón j de los factores. Pasando al prmer membro el térmno x, elevando al cuadrado y sumando, tenendo en cuenta que todos los dobles productos se anulan al sumar, queda: j

4 ( xjk x ) = ( x x ) + ( x j x ) + ( xj x x j + x ) + ( xjk x ) Que es la expresón para dos factores del teorema de descomposcón de la varanza. Los grados de lbertad de cada uno de los sumandos son: N-1 = trn-1 para la suma de cuadrados total t-1 para la suma de cuadrados de A r-1 para la suma de cuadrados de B (t-1)(r-1) para la suma de cuadrados de la nteraccón. N-tr = tr(n-1) para la suma de cuadrados del error. Abrevadamente, este teorema se expresa: SC = + + SC + Además cada uno de los térmnos es una varable aleatora Ch cuadrado con sus respectvos grados de lbertad e ndependentes entre sí. El paso sguente es determnar la meda de cuadrados, dvdendo cada suma de cuadrados entre sus correspondentes grados de lbertad. La esperanza matemátca de cada una de las medas de cuadrados son las sguentes. A E(MCA) = E = + 1 rn t t 1 j B E(MCB) = E = + 1 tn r r 1 SC E(MC) = E = + n E(MCE) = E = N tr ( t 1)( r 1) ( t 1) ( r 1) Por lo tanto, s es certo H 0, todas las medas de cuadrados estman la msma cantdad, la varanza de común, mentras que s alguno de los nveles de algún factor o la nteraccón no son nulos, su meda de cuadrados será mayor que la meda de cuadrados del error, el contraste, que se resuelve de modo unlateral, termna por comparar el cocente entre cada meda de cuadrados y la meda de cuadrados del error con el cuantl correspondente de la dstrbucón F de Snedecor con los grados de lbertad respectvos del numerador y del denomnador. Se resume todo en una tabla como la sguente: j

5 Fuente de varacón Grados de lbertad Suma de cuadrados Meda de cuadrados Factor A t-1 1 x = x rn N t 1 Factor B rt-1 1 x = x j tn N r 1 Interaccón (t-1)(r-1) 1 x SC SC= xj n N (t 1)(r 1) Error N-tr 1 = xjk xj jk n j j N tr Esperanza M. C. A + rn t 1 B j j F exp + tn r 1 j SC + n (t 1 )(r 1 ) En las fórmulas de la anteror tabla, las equs cuyos subíndces han sdo susttudos por puntos ndcan la suma de todo los valores de la varable dependente correspondentes a los subíndces susttudos. Los sumatoros con más de un subíndce ndcan dobles o trples sumatoros para todos los posbles valores de los subíndces.

6 Análss de la varanza de dos factores aleatoros con nteraccón. Dseño cruzado y equlbrado. En este caso, los nveles de los factores A y B, y por tanto los de su nteraccón son una muestra aleatora de todos los nveles posbles de ambos factores, que se consderan nfntos. En este caso, los efectos producdos por dchos nveles son varables aleatoras Normales, ndependentes, de meda cero y varanzas respectvas A, B,, gual para todos los nveles. Por su parte, el error es una varable aleatora Normal, ndependente de las anterores, de meda cero y varanza gual para todas las combnacones de nveles. El contraste a realzar es: H 0 : Las varanzas de los factores y la nteraccón son nulas. H 1 : Alguna de ellas no lo es. La hpótess nula supone que todos los factores son constantes y no nducen varabldad en la varable dependente, por lo que las medas de todas las combnacones de factores han de ser guales. el planteamento del modelo es déntco al de dos factores fjos, y la descomposcón en sumas de cuadrados tambén, pero la esperanza de las meda de cuadrados ya no son guales, por lo que las F expermentales no se calculan del msmo modo. Los resultados son los sguentes: E(MCA) = E = n rn A t E(MCB) = E = n tn B r SC E(MC) = E = + ( 1) ( 1) n t r E(MCE) = E = N tr Por tanto, s hay nteraccón pero los factores de modo ndvdual no tenen nfluenca, las medas de cuadrados de los factores son mayores que la meda de cuadrados del error, pero serán aproxmadamente guales que la meda de cuadrados de la nteraccón. S la nteraccón no afecta, su meda de cuadrados será parecda a la meda de cuadrados del error. Así, para realzar el contraste sobre los factores, se calculan los cocentes de sus medas de cuadrados entre la meda de cuadrados de la nteraccón y se comparan con una F de Snedecor con los grados de lbertad correspondentes, mentras que para realzar el contraste sobre la nteraccón se dvde su meda de cuadrados entre la del error y se compara con la adecuada F de Snedecor. Análss de la varanza de dos factores cruzados. Modelo mxto equlbrado. Sn pérdda de generaldad, supondremos que el factor A es el fjo, mentras que el B es aleatoro.

7 Ahora, los efectos de A son constantes de suma nula, mentras que los de B y la nteraccón son varables aleatoras de meda cero y varanzas respectvas B y, gual para todos los nveles. Por su parte, el error es una varable aleatora Normal, ndependente de las anterores, de meda cero y varanza gual para todas las combnacones de nveles. El contraste se planteará: H 0 : Los A son todos nulos. Las varanzas del factor B y de la nteraccón, tambén. H 1 : Alguna de ellas no lo es. Se resuelve planteando un modelo gual que el que ya vsto, con déntca descomposcón en suma de cuadrados y grados de lbertad, pero nuevamente, las esperanzas de las medas de cuadrados son dstntas, ahora son: A E(MCA) = E = n rn t t 1 E(MCB) = E = + 1 tn B r SC E(MC) = E = + ( 1) ( 1) n t r E(MCE) = E = N tr Ahora, la meda de cuadrados del factor fjo A se comparará con la meda de cuadrados de la nteraccón, mentras que la meda de cuadrados del factor aleatoro y la de la nteraccón se han de comparar con la meda de cuadrados del error. La tabla sguente resume todos los casos:

8 Fuente varacón de Grados de lbertad Esperanza Meda de Cuadrados F exp Suma de cuadrados Meda de cuadrados Fjo Aleatoro Mxto (A es Fjo) Fjo Aleatoro Mxto Factor A t-1 1 x = x rn N t 1 Factor B rt-1 1 x = x j tn N r 1 Interaccón (t-1)(r-1) 1 x SC SC= xj n N (t 1)(r 1) Error N-tr 1 = xjk xj jk n j j N tr A + rn + n + rn A t 1 B j j + tn + n + tn B r 1 j + n n (t 1 )(r 1 ) + A + n + rn t 1 + tn B + n SC SC SC SC SC SC

9 Realzacón de contrastes de análss de la varanza con dos factores medante SPSS. Para realzar estos contrastes se tendrá que desplegar el menú Statstcs-General Lnear Model-GLM Factoral, que nos lleva a un cuadro de dálogo como el sguente: Donde se puede selecconar la varable dependente y los factores, tanto fjos como aleatoros. Por defecto se realzará un modelo con nteraccón. S se desea realzar un modelo sn nteraccón, se puede pulsar el botón Model que nos lleva a un nuevo cuadro de dálogo: En el que se puede selecconar los factores que entran en el modelo, pulsando en el botón Custom y arrastrándolos desde el recuadro Factor & Covarates al recuadro Model. Los factores que nteractúan se pueden selecconar pulsando el cuadro desplegable Interacton. El cuadro de verfcacón Include ntercept n Model permte consderar la meda general como parte del modelo o consderarla en el prmer membro con lo cual estará ncluda en la suma de cuadrados total. Ejercco: Abrr el fchero Gastos famlares.sav y analzar la varable Consumo como s ambos factores fuesen fjos, como s ambos fuesen aleatoros o como s uno fuese aleatoro y el otro fjo.

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 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

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

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

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

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

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

1.1 Ejercicios Resueltos Tema 1

1.1 Ejercicios Resueltos Tema 1 .. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

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

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

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

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS.

TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. GESTIÓN FINANCIERA. TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. 1.- Funconamento de las cuentas bancaras. FUNCIONAMIENTO DE LAS CUENTAS BANCARIAS. Las cuentas bancaras se dvden en tres partes:

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

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Lección 4: Suma y resta de números racionales

Lección 4: Suma y resta de números racionales GUÍA DE MATEMÁTICAS II Lección : Suma y resta de números racionales En esta lección recordaremos cómo sumar y restar números racionales. Como los racionales pueden estar representados como fracción o decimal,

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

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

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Figura 1

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

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Tema 7: Variables Ficticias

Tema 7: Variables Ficticias Tema 7: Varables Fctcas Máxmo Camacho Máxmo Camacho Econometría I - ADE+D /2 - Tema 7 Varables fctcas Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema 2: El modelo de regresón

Más detalles

Algoritmo para la ubicación de un nodo por su representación binaria

Algoritmo para la ubicación de un nodo por su representación binaria Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

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

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Aspectos fundamentales en el análisis de asociación

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

Más detalles

Sistemas de numeración

Sistemas de numeración Sistemas de numeración Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. Los sistemas de numeración actuales son sistemas posicionales, que se caracterizan

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

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

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

Ejercicios de Trigonometría

Ejercicios de Trigonometría Ejercicios de Trigonometría 1) Indica la medida de estos ángulos en radianes: a) 0º b) 45º c) 60º d) 120º Recuerda que 360º son 2π radianes, con lo que para hacer la conversión realizaremos una simple

Más detalles

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal

Más detalles

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES

Más detalles

Respuesta A.C. del FET 1/14

Respuesta A.C. del FET 1/14 espuesta A.C. del FET 1/14 1. Introduccón Una ez que se ubca al transstor dentro de la zona saturada o de corrente de salda constante, se puede utlzar como amplfcador de señales. En base a un FET canal

Más detalles

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los

Más detalles

Para calcular el Ranking de nadadores, seleccionaremos la opción desde el menú de Ranking, opción Cálculo. Obtendremos la siguiente pantalla:

Para calcular el Ranking de nadadores, seleccionaremos la opción desde el menú de Ranking, opción Cálculo. Obtendremos la siguiente pantalla: Cálculo 38 SECCIÓN 7 CAPÍTULO 38 RANKING CÁLCULO Cálculo. Para calcular el Ranking de nadadores, seleccionaremos la opción desde el menú de Ranking, opción Cálculo. Obtendremos la siguiente pantalla:

Más detalles

PROPUESTAS COMERCIALES

PROPUESTAS COMERCIALES PROPUESTAS COMERCIALES 1. Alcance... 2 2. Entidades básicas... 2 3. Circuito... 2 3.1. Mantenimiento de rutas... 2 3.2. Añadir ofertas... 5 3.2.1. Alta desde CRM... 5 3.2.2. Alta desde el módulo de Propuestas

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C RESISTENCIS EN SERIE Y LEY DE LS MLLS V V 2 V 3 C D Fgura R R 2 R 3 Nomenclatura: Suponemos que el potencal en es mayor que el potencal en, por lo tanto la ntensdad de la corrente se mueve haca la derecha.

Más detalles

2. Aquí se muestra la fecha de captura y el número de folio correspondiente a la solicitud, ambos datos son capturados por el sistema.

2. Aquí se muestra la fecha de captura y el número de folio correspondiente a la solicitud, ambos datos son capturados por el sistema. 1 Captura de una Solicitud de Viático En la pantalla principal se realiza la captura de una solicitud de viático. Esta sección se compone de dos partes principales. En la primera se encuentran los datos

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

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

SISTEMAS DE NUMERACIÓN. Sistema de numeración decimal: 5 10 2 2 10 1 8 10 0 =528 8 10 3 2 10 2 4 10 1 5 10 0 9 10 1 7 10 2 =8245,97

SISTEMAS DE NUMERACIÓN. Sistema de numeración decimal: 5 10 2 2 10 1 8 10 0 =528 8 10 3 2 10 2 4 10 1 5 10 0 9 10 1 7 10 2 =8245,97 SISTEMAS DE NUMERACIÓN Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. La norma principal en un sistema de numeración posicional es que un mismo símbolo

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u

Más detalles

rsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos.

rsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos. PRÁCTICA INTEGRACIÓN Práctcas Matlab Práctca : Integracón Objetvos o Calcular ntegrales defndas de forma aproxmada, utlzando sumas de Remann. o o o Profundzar en la comprensón del concepto de ntegracón.

Más detalles

INSTRUCCIONES PARA EL SEGUIMIENTO DE ENCUESTAS LIMESURVEY

INSTRUCCIONES PARA EL SEGUIMIENTO DE ENCUESTAS LIMESURVEY INSTRUCCIONES PARA EL SEGUIMIENTO DE ENCUESTAS LIMESURVEY 1. ACCESO A LA HERRAMIENTA El acceso a la herramienta Limesurvey se hace a través del enlace que aparece en el correo electrónico que se remite

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en

Más detalles

EJERCICIOS DEL TEMA 1

EJERCICIOS DEL TEMA 1 EJERCICIOS DEL TEMA 1 Introducción a los ordenadores 1) Averigua y escribe el código ASCII correspondiente, tanto en decimal como en binario, a las letras de tu nombre y apellidos. Distinguir entre mayúsculas/minúsculas,

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

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

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

Creación de usuarios Acceso a Alexia

Creación de usuarios Acceso a Alexia Creación de usuarios INTRODUCCIÓN 2 OBJETIVOS 2 Capítulo 1: Proceso de creación de usuarios 3 1.1 Glosario 3 1.2 Condiciones previas 3 1.3 Alta en el sistema 4 1.4 Creación de perfiles 5 1.5 Creación de

Más detalles

Mantenimiento Limpieza

Mantenimiento Limpieza Mantenimiento Limpieza El programa nos permite decidir qué tipo de limpieza queremos hacer. Si queremos una limpieza diaria, tipo Hotel, en el que se realizan todos los servicios en la habitación cada

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

- MANUAL DE USUARIO -

- MANUAL DE USUARIO - - MANUAL DE USUARIO - Aplicación: Kz Precio Hora Instagi Instagi Teléfono: 943424465-943466874 Email: instagi@instagi.com GUIA PROGRAMA CALCULO PRECIO HORA 1. Introducción 2. Datos de la empresa 2.1.Gastos

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

Clase 25. Macroeconomía, Sexta Parte

Clase 25. Macroeconomía, Sexta Parte Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos

Más detalles

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 7 CAPÍTULO V ESTRUCTURAS ALGEBRAICAS Estructura Algebraca es todo conjunto no vacío en el cual se han defndo una o más leyes de composcón nterna, luego de cumplr certas propedades

Más detalles

Extrapresupuestarios 8.6. LIQUIDACIÓN DE IVA.

Extrapresupuestarios 8.6. LIQUIDACIÓN DE IVA. Extrapresupuestarios 8.6. LIQUIDACIÓN DE IVA. El tratamiento contable de las operaciones con IVA en las Entidades Locales, debe tener en cuenta la influencia del régimen presupuestario por lo que deben

Más detalles

Matemática Financiera - Rentas constantes

Matemática Financiera - Rentas constantes Matemátca Fnancera - Rentas constantes Marek Šulsta Jhočeská unverzta v Českých Budějovcích Ekonomcká fakulta Katedra aplkované matematky a nformatky Unversdad de Bohema Sur Faculdad de Economía Departmento

Más detalles

UNIDAD 1. LOS NÚMEROS ENTEROS.

UNIDAD 1. LOS NÚMEROS ENTEROS. UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar

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

Selectividad Junio 2008 JUNIO 2008 PRUEBA A

Selectividad Junio 2008 JUNIO 2008 PRUEBA A Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo

Más detalles

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

Más detalles

CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS

CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS Nuestra empresa es una pequeña editorial que maneja habitualmente su lista de ventas en una hoja de cálculo y desea poder realizar un análisis de sus

Más detalles

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos

Más detalles

PRUEBA ESPECÍFICA PRUEBA 2014

PRUEBA ESPECÍFICA PRUEBA 2014 PRUEBA DE ACCESO A LA UNIVERSIDAD MAYORES DE 5 AÑOS PRUEBA ESPECÍFICA PRUEBA 014 PRUEBA SOLUCIONARIO HAUTAPROBAK 5 URTETIK 014ko MAIATZA DE 5 AÑOS MAYO 014 Aclaraciones previas Tiempo de duración de la

Más detalles

ENCUESTA A LAS AFILIADAS INFORME DE RESULTADOS RESUMEN

ENCUESTA A LAS AFILIADAS INFORME DE RESULTADOS RESUMEN Enseñanza ENCUESTA A LAS AFILIADAS INFORME DE RESULTADOS RESUMEN Marzo, 2014 Secretaría de Mujer, Igualdad y Política Social 1. Introducción La Federación de Enseñanza de CCOO aprobó, en su Consejo Federal

Más detalles

www.fisicaeingenieria.es

www.fisicaeingenieria.es 2.- PRIMER PRINCIPIO DE LA TERMODINÁMICA. 2.1.- Experencas de Joule. Las experencas de Joule, conssteron en colocar una determnada cantdad de agua en un calorímetro y realzar un trabajo, medante paletas

Más detalles

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.

Más detalles

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

Sistema de Gestión Académica TESEO. Revisión 1.0. Servicio de Informática Área de Gestión (GESTIÓN DE RESÚMENES DE TESIS DOCTORALES)

Sistema de Gestión Académica TESEO. Revisión 1.0. Servicio de Informática Área de Gestión (GESTIÓN DE RESÚMENES DE TESIS DOCTORALES) Sistema de Gestión Académica TESEO (GESTIÓN DE RESÚMENES DE TESIS DOCTORALES) Revisión 1.0 Servicio de Informática Área de Gestión Mayo de 2004 INDICE INDICE... 1 1 Introducción... 1 2 Procedimiento....

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS101M. Sección 03. José Mejía López. jmejia@puc.cl

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS101M. Sección 03. José Mejía López. jmejia@puc.cl PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS11M Seccón 3 José Mejía López jmeja@puc.cl http://www.s.puc.cl/~jmeja/docenca/s11m.html JML s11m-1 Capítulo Dnámca Trabajo y energía

Más detalles

Facturación Automática de Ventas WhitePaper Noviembre de 2006

Facturación Automática de Ventas WhitePaper Noviembre de 2006 Facturación Automática de Ventas WhitePaper Noviembre de 2006 Contenidos 1. Propósito 3 2. Particularidades del asistente 3 2.1. Accesos en PrefGest 3 2.2. Requisitos de los documentos a albaranar / facturar

Más detalles

TEMA 4: Variables binarias

TEMA 4: Variables binarias TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables

Más detalles

Gestión de Retales WhitePaper Noviembre de 2009

Gestión de Retales WhitePaper Noviembre de 2009 Gestión de Retales WhitePaper Noviembre de 2009 Contenidos 1. Introducción 3 2. Almacén de retales 4 3. Propiedades de los materiales 6 4. Alta de retales 8 5. Utilización de retales en un lote de producción

Más detalles

no descompone no descompone no descompone

no descompone no descompone no descompone Problema 1. Sea I n el conjunto de los n primeros números naturales impares. Por ejemplo: I 3 = {1, 3, 5, I 6 = {1, 3, 5, 7, 9, 11, etc. Para qué números n el conjunto I n se puede descomponer en dos partes

Más detalles

Bases de datos en Excel

Bases de datos en Excel Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Bases de datos en Excel Hojas de cálculo Tema 5 Bases de datos en Excel Hasta ahora hemos usado Excel básicamente para realizar cálculos

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

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

Más detalles