Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

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

Download "Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas"

Transcripción

1 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z

2 Defcó y Propedades 5º Curso-Tratameto Dgtal de Señal Se defe la Trasformada Z, X( de ua secueca x[] : X ( xk [] k k La catdad compleja geerala el cocepto de frecueca al domo complejo, r exp(jπft s. 0 Para ua secueca x[]{6 3-3}, la Trasformada Z es X( El valor - es el operador de retraso udad. Ya que X( es ua seres de potecas, podría o coverger para todo. Los valores de para los cuales X( coverge defe la regó de covergeca (ROC. Toda X( lleva asocada ua ROC, ya que podría ocurrr que dos secuecas dsttas produca ua X( détca co dferetes ROCs. 7//99 Capítulo 7: Trasformada Z

3 Defcó y Propedades 5º Curso-Tratameto Dgtal de Señal Para ua secueca x[] de logtud fta, X( coverge para todo, excepto para 0 y/o (depededo de s X( tee térmos -k y/o k. Trasformadas Z de alguas secuecas ImpulsoUdad PulsoRectagula r Escalo U dad Expoeca l X X X X [] δ[] ( ROC: [] u[] u[ N] x x ( [] u[] x ( N k 0 k 0 k [] u[] x N ( ( ( ( k k ( ( k 0 k k k 0 k ROC: 0 ( ROC: > ROC: > 7//99 Capítulo 7: Trasformada Z 3

4 Defcó y Propedades 5º Curso-Tratameto Dgtal de Señal Trasformadas Z de alguas secuecas (Cotuacó Expoecal [] [ ] x u,,,... k k m m ( ( X k ( ( [ ] ( m m ROC: < m E estos dos últmos ejemplos se observa que la Trasformada Z es détca para las dos secuecas. S embargo la ROC es dstta. Para la secueca causal, la ROC es >, metras que para la atcausal <. La ROC depederá de s la señal es causal (defda e el eje postvo, atcausal (eje egatvo o o causal (dos ejes. 7//99 Capítulo 7: Trasformada Z

5 Defcó y Propedades Propedades de la Trasformada Z 5º Curso-Tratameto Dgtal de Señal Superposco ax[] by[] ax( by( Desplaameto x [ ] X ( x[ ] N ( N x [ N] X ( x[ ] x[ N] N N N x [ N] X ( x[] 0 x[] xn [ ] Escalado x [] X ( / ( x[] dx d ( x[] d dx d d [ { } { }] { } { ( } ( ω 0T x[] X exp( jω 0T X exp( jω 0T ( ω 0T x[] j X ( jω 0T X jω 0T cos cos [ ] s s exp exp 7//99 Capítulo 7: Trasformada Z 5

6 Defcó y Propedades Covoluco Dfereca Teorema Valor Ical Secueca Trasformada Z ROC [ ] 5º Curso-Tratameto Dgtal de Señal δ [] todo δ m m> [ ] δ m m> u [], 0 -m >0, 0 m < [ ] u x [] y [] XY ( ( [] [ ] ( ( x x X [] 0 lm X( Teorema del Valor Fal lm x [] lm( X ( x ( ( > < 7//99 Capítulo 7: Trasformada Z 6

7 Defcó y Propedades Secueca Trasformada Z ROC au au [] [ ] a u[] ( a ( a a ( a [ cosω 0 T] u[] ( cosω ( cosω 0T sω 0T [ s T] u[] 5º Curso-Tratameto Dgtal de Señal > a < a > a [ ] ω 0 ( cosω 0T r cos ω 0 ( cosω 0T ( cos ω 0 r( cosω 0T s ω 0 ( cos ω 0 r [ T] u[] r [ T] u[] > > [ ] r T r r T r > r > r 7//99 Capítulo 7: Trasformada Z 7

8 Trasformada Z Iversa 5º Curso-Tratameto Dgtal de Señal Realaremos la Trasformada Z Iversa utlado fraccoes parcales. La Trasformada Z Iversa de cada ua de estas fraccoes parcales puede ser detfcada fáclmete e las tablas de Trasformadas Z. Ejemplos X ( X ( ( ( X ( ( ( ( ( ( ( [] 8δ[] 6( [] 8( [] x u u X ( X ( A B C [( ( ] ( ( ( ( ( X ( ( ( ( ( ( ( [] [] [] ( [] x u u u 7//99 Capítulo 7: Trasformada Z 8

9 X ( X ( ( 3 ( ( ( Trasformada Z Iversa X ( ( 3 A B C ( ( ( ( ( ( X ( ( ( 5º Curso-Tratameto Dgtal de Señal ( ( 5 ( ( ( [] ( [] ( π 5 ( [] ( π cos s( [] x u u u X ( ( ( ( ( ( X ( ( ( 3 [] ( [] ( [] x u u //99 Capítulo 7: Trasformada Z 9

10 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta Fucó de Trasfereca Dscreta La fucó de trasfereca se defe sólo para sstemas LTI co codcoes cales ulas. S la respuesta al mpulso es h[], la respuesta y[] a ua etrada arbtrara x[] es la covolucó y[]x[]*h[]. Como la covolucó se trasforma e u producto, Y ( Y ( XH ( ( H ( X ( U sstema LTI també puede expresarse medate ua ecuacó dfereca : y [] Ay [ ] Ay [ ] ANy [ N] Bx 0 [] Bx [ ] BMx [ M] Aplcado la Trasformada Z a ambos membros, teemos la fucó de Trasfereca dscreta del sstema H(, H ( B0 B BM A A N M N 7//99 Capítulo 7: Trasformada Z 0

11 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta Podemos expresar la fucó de Trasfereca de forma factorada, Se deoma polos del sstema a los valores p,p,...,p N. Determa la forma de la respuesta del sstema (modos aturales del sstema. Los ceros del sstema (,,..., M determa las frecuecas bloqueadas por el sstema. El plao y Establdad del Sstema B0 B BM H ( A A N M N ( ( M ( p ( pn K La establdad de u sstema LTI dscreto requere que la respuesta al mpulso h[] sea absolutamete sumable (tegrable e cotuo. Esto quere decr que h[]0 e. Para ello es ecesaro que los polos de la fucó de trasfereca H( esté todos detro del círculo udad e el plao ( p <. Esto evta que la respuesta tega expoecales crecetes. 7//99 Capítulo 7: Trasformada Z

12 5º Curso-Tratameto Dgtal de Señal Capítulo 7: Trasformada Z 7//99 Fucó Fucó de de Trasfereca Dscreta Trasfereca Dscreta La establdad de ua fucó de Trasfereca puede determarse smplemete speccoado los coefcetes del deomador de la fucó de Trasfereca. Para ello, debe estar e forma de térmos de º Orde, Para cada uo de los térmos de º Orde podemos calcular las raíces (λ y λ del deomador de la sguete forma, Para las raíces del polomo y los coefcetes se cumple, La raíces debe estar detro del círculo udad, por lo que λ < y λ <. Esto mplca que el coefcete <. ( ( ( t 0 0, N L a D N H L β β ( ( ( D λ λ ( λ λ λ λ

13 3 5º Curso-Tratameto Dgtal de Señal Capítulo 7: Trasformada Z 7//99 Fucó Fucó de de Trasfereca Dscreta Trasfereca Dscreta Las raíces del polomo so,, λ λ < < < < - - -

14 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta Respuesta a sstemas co codcoes cales ulas Cosderamos el sstema descrto por y[]y[-]x[] ( El sstema es causal (depede de valores pasados o presetes. Queremos coocer la respuesta del sstema a ua etrada x[] u[] ( Aplcamos la Trasformada Z a ambos membros de (: Y ( Y ([ ] X ( H ( { } [] X ( Z x [] Z u ( ( ( X { } ( Y ( Y ( XH ( ( ( ( ( ( Y ( ( ( y [] u [] u [] ( u [] 7//99 Capítulo 7: Trasformada Z

15 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta Respuesta a sstemas co codcoes cales o ulas Cosderar el sstema ateror e el que las codcoes cales so y[-] Aplcado el prcpo de superposcó podemos calcular la respuesta de u sstema co codcoes cales o ulas (y c [], sumado la respuesta del sstema co codcoes cales ulas más la respuesta del sstema a etrada cero (x[]0 y codcoes cales especfcadas (y ec []. E el apartado ateror hemos calculado y c [] y [] ( u[] c La respuesta al estado cero es: y [] y [ ] { } ( ( [] [ ] Y Y y Y ec ec ec [] [ ] [] [] y y u u ec y [ ] ( y[ ] ( 7//99 Capítulo 7: Trasformada Z 5

16 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta La respuesta total del sstema es y [] y [] y [] ( u [] u [] ( u [] ( 3 c Comprobacó ec y[-] x[] y[] ( y[] (3 0 ( ( ( (3 (3 3 (3 3 ( 3 ( 3 ( 3 (5 (5 7//99 Capítulo 7: Trasformada Z 6

17 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta Fucó de Trasfereca e el estado estacoaro S la fucó de Trasfereca se evalúa para los valores de exp(jπft s, es decr, e el círculo udad, se obtee la fucó de trasfereca e el estado estacoaro o la respuesta frecuecal del sstema, H(f. Esta fucó H(f es peródca co perodo t s /f s y es la DTFT de h[] (ver Tema 6, Traspareca º 3. Para calcular la respuesta frecuecal de y[]y[-]x[], susttumos por exp(jπft s, de forma que H ( H( f exp π cos π s π ( ( H f cos( πfts { } ( j fts ( fts j ( fts φ ( f ta cos s ( πfts ( πfts 7//99 Capítulo 7: Trasformada Z 7

18 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta Círculo udad e el plao j Ω0.5π f0.5f s exp(jπft s Ωπ f0.5f s Ωπft s Ω0 f0-0.5 abs( j Ω-0.5π f-0.5f s //99 Capítulo 7: Trasformada Z 8

19 5º Curso-Tratameto Dgtal de Señal Fucó de Trasfereca Dscreta magtude vs dgtal frequecy Ff/f s phase degrees vs dgtal frequecy Ff/f s //99 Capítulo 7: Trasformada Z 9

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordacó de Cecas Computacoales - INAOE Matemátcas Dscretas Cursos Propedéutcos 0 Cecas Computacoales INAOE Dr. Erque Muñoz de Cote jemc@aoep.m http://ccc.aoep.m/~jemc Ofca 80 Dapostvas basadas e prevas

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011 Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN 0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto

Más detalles

SOLUCIONES SEGUNDA HOJA EJERCICIOS 1º BACHILLER CIENCIAS. Ejercicio nº 1.- a) Calcula, utilizando la definición de logaritmo:

SOLUCIONES SEGUNDA HOJA EJERCICIOS 1º BACHILLER CIENCIAS. Ejercicio nº 1.- a) Calcula, utilizando la definición de logaritmo: SOLUCIONES SEGUNDA HOJA EJERCICIOS º BACHILLER CIENCIAS Ejercco º.- a) Calcula, utlado la decó de logartmo: log log log Halla el valor de, aplcado las propedades de los logartmos: log log log Solucó: a)

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

Problemas de Polímeros. Química Física III

Problemas de Polímeros. Química Física III Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9

Más detalles

Teoría de Sistemas y Señales

Teoría de Sistemas y Señales Teoría de Sistemas y Señales Trasparecias: Aálisis de Sistemas LE e TD e el Domiio Trasformado Z Autor: Dr. Jua Carlos Góme Aálisis de Sistemas LE e TD e el Domiio Trasformado Z. Trasformada Z Bilateral

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Teoría de Sistemas y Señales

Teoría de Sistemas y Señales Teoría de Sistemas y Señales Trasparecias: Aálisis de Sistemas LE e TD e el Domiio Trasformado Z Autor: Dr. Jua Carlos Góme Aálisis de Sistemas LE e TD e el Domiio Trasformado Z. Trasformada Z Bilateral

Más detalles

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados.

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados. Estado cuátco: Prcpo de superposcó de los estados: Cualquer movmeto o perturbado que esté restrgdo por tatas codcoes como sea posble teórcamete s que exsta terferecas o cotradccoes etre ellas. Estado e

Más detalles

Sist. Lineales de Ecuaciones

Sist. Lineales de Ecuaciones Ttulacó: Asgatura: Autor: Igeero Geólogo Aálss Numérco César Meédez Ultma actualzacó: //007 Sst. Leales de Ecuacoes Plafcacó: Materales: Coocmetos prevos: 6 Teoría+4 Práctcas+ Laboratoro MATLAB Coocmetos

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

UNIVERSISDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA ELÉCTRICA

UNIVERSISDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA ELÉCTRICA UNIVERSISDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA ELÉCTRICA ASIGNACIÓN DE COSTOS POR SERVICIOS COMPLEMENTARIOS EN EL MERCADO DE ENERGÍA ELÉCTRICA: CASO CHILENO ALUMNO:

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Tema 2 Transformada Z y análisis transformado de sistemas LTI

Tema 2 Transformada Z y análisis transformado de sistemas LTI Tem Trsformd Z y álss trsformdo de sstems LTI rlos Óscr Sáche Soro 4º Ig. Telecomuccó EPS Uv. S Pblo EU Bblogrfí: Oppehem I p., Oppehem II p. 3, Pros p. 3 y Fucoes props de los sstems LTI x h h h h H x

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones. Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo

Más detalles

Transparencias de clase

Transparencias de clase Trasparecas de clase Dada ua tabla de datos se ha de ecotrar ua ucó que tome los valores requerdos e los putos dados; e el caso que os ocupa la ucó buscada será de carácter polómco Teorema: El polomo de

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

CAPÍTULO 20: NÚMEROS COMPLEJOS (II)

CAPÍTULO 20: NÚMEROS COMPLEJOS (II) CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Date Guerrero-Chaduví Pura, 05 FACULTAD DE IGEIERÍA Área Departametal de Igeería Idustral y de Sstemas CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Esta obra está bajo ua lceca Creatve

Más detalles

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

Más detalles

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad 4. Defcó y cálculo de probabldades 4.. Fucó de probabldad Defcó: Sea la famla de sucesos asocada a u expermeto aleatoro de espaco muestral Ω. Se cosdera ua fucó : R, que verfca las dos propedades 0 y Ω

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Transformada rápida de Fourier.

Transformada rápida de Fourier. Capítulo 24 Trasformada rápda de Fourer. Es cosderado u algortmo clásco, que permte obteer a partr de ua sere de valores temporales las compoetes espectrales e frecueca, y vceversa co u costo O( log ).

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Laboratorio de Propulsión, DMT-UPM

Laboratorio de Propulsión, DMT-UPM CONCEPTOS BÁSICOS ECUACIONES DE CONSERVACION Cosderemos las ecuacoes de Naver-Stokes como modelo básco t ρ ρ v 0 ρ v + ρ v v + p I τ = ρ f v ρ E ρ v H τ v k T q H que puede ser escrtas e forma coservatva

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Teorema de aproximación de Weierstrass y grandes desviaciones

Teorema de aproximación de Weierstrass y grandes desviaciones UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA Teorema de aproxmacó de Weerstrass y grades desvacoes Trabajo Especal de Grado presetado ate la lustre Uversdad Cetral de Veezuela

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

ALN - Valores y vectores propios

ALN - Valores y vectores propios ALN - Valores y vectores propos I. Co. Facultad de Igeería Uversdad de la Repúblca Versó. Plateo del problema Propedades matemátcas Método de las potecas Varates Trasformacoes de semeaa Gves Householder

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles