Modelos Probabilísticos comunes

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

Download "Modelos Probabilísticos comunes"

Transcripción

1 Modlos robabilísicos comus M. A. Vícor D. iilla Morá Faculad d Igiría, UNAM Rsum Iroducció. sayo d Broulli. Disribució d Broulli, drmiació d su mdia y d su variaza. rocso d Broulli. Disribució biomial, drmiació d su mdia y su variaza. Disribució gomérica, drmiació d su mdia y su variaza. Disribució biomial gaiva, drmiació d su mdia y su variaza. Disribució hirgomérica, drmiació d su mdia y su variaza. rocso d oisso. Disribució d oisso, drmiació d su mdia y su variaza. Aroximació r las disribucios biomial y d oisso. 4. sayo d Broulli. Disribució d Broulli, drmiació d su mdia y variacia. Tal y como ocurr los modlos drmiisas, los cuals ciras rlacios fucioals dsmña u al imora (Tals como lials, cuadráicas, xocials, rigooméricas, c.), al laborar modlos alaorios ara fómos obsrvabls, ambié s cura qu ciras disribucios d robabilidads aarc más a mudo qu oras. Ua razó d so s qu, como l caso drmiisa, alguos modlos mamáicos rlaivam simls arc sr más caacs d dscribir u gra úmro d fómos. sayo y disribució d Broulli. Si u xrimo sólo aarc dos osibls rsulados: éxio y fracaso, ha dicho xrimo s l cooc como xrimo d Broulli. l sacio musral d u xrimo d Broulli i solo dos uos. Si la variabl alaoria X rrsa l rsulado dl xrimo: S{éxio, fracaso}{,} A la robabilidad d éxio, s dcir, (X) s l rrsa co, s dcir, (X) dod. or ora ar, a la robabilidad dl fracaso s l rrsa co q, s dcir, (X)q, dod +q. x (X) q robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 59

2 rocso d Broulli. Si l xrimo d Broulli s llva a cabo varias vcs y las rubas so iddis r sí, s coforma u xrimo d Broulli. 4. sayo biomial. Disribució biomial, drmiació d su mdia y variacia. Disribució gomérica, drmiació d su mdia y variacia. Disribució d ascal, su mdia y variacia. Disribució Biomial. U rocso d Broulli s como d ua scucia d ocurrcia d éxios y fracasos, odos u úmro d vcs. sayos iddis, y la robabilidad d éxio d cualquira d ésos. S dic ocs qu X i ua disribució biomial co fució d robabilidad: ( ) ara,,,..., ( X ) oro valor dod jmlo. S ira ua moda vcs coscuivam. Drmiar su disribució d robabilidad. A i {lazar ua moda} l irés radica drmiar la robabilidad d obr -éxios dura los sayos; so rquir d dos suosicios: ) La robabilidad d éxio rmac cosa ara cada sayo. ) Los sayos so iddis r sí. ara obr la fució d robabilidad d la disribució biomial, rimro s drmia la robabilidad d r, h sayos, -éxios coscuivos sguidos d -x fracasos coscuivos. Ya qu s suo qu los sayos so iddis: (A,A,A,...,A )(A )(A )(A )...(A )... (-)(-)(-) (-) - K érmios - érmios La robabilidad d obr éxios y - fracasos cualquir oro ord s la misma, uso qu los facors y (-) s rorda d acurdo co l ord aricular. or lo ao, la arior robabilidad s l roduco (-) - or l úmro d combiacios disias, so úlimo omado objos a la vz d oal. Cosidrado al vo co robabilidad, y al vo A i como u éxio, Ai como u fracaso, co robabilidad q-, s dfi la variabl alaoria X como l úmro d éxios l xrimo. Si éxios X ( X ) ( A A A ) q. q q q U éxio X. Si X s ua variabl alaoria qu rrsa úmro d éxios robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 6

3 Dos éxios X Trs éxios X ( X ) ( A A A ).. X (X) q q q Ahora bi, a arir d la disribució biomial: ( x ) q ( x ) q ( x ) q ( x ) q q ( ) q ( ) q ( ) q q q q ( ) xraydo los érmios iddis a la sumaoria y hacido l cambio d variabl r -. μ ( ) [( ) r] r q r [( ) r] l biomio d Nwo s dfi como: r r ( a + b) a b r r or aalogía μ μ ( + q) Var{ X } si + q { } {} ara simlificar los cálculos s roo co ( ) +, d calcular { } al forma { } ( ) { } { }. + valuado { ( ) } Ambos rsulados so coicids. μ μ μ Mdia y Variaza d la disribució biomial. A arir d las roidads d los oradors { } y Var{ }. { x } ( ) ( ) [( ) ( ) ] ( ) q q q [( ) ( ) ] Nós qu los asos ariors s scribió la suma a arir d dos orqu los dos rimros érmios so cro. Hacido l cambio d variabl. y m { ( ) } ( ) m ( m y ) y m y y q m y robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 6

4 m virud d qu: y m y q ( + q) ( m y) y { ( ) } ( ) y m m y y + q c) La robabilidad d qu acir, cuado mos, la miad d odos sus iros. Subsiuydo hacia arás: { } ( ) Var { } + { } ( ) + { x } ( ) + ( ) [ ( ) + ] [ + ] ( ) s rocdimio s igualm válido ara obr las mdidas dscriivas d la disribució biomial. jmlo. La robabilidad d qu u xcl jugador d fúbol ao u iro libr s d ¾ (robabilidad frcuisa). S cosidra qu sus iros so iddis. Si s sima qu ud hacr 5 iros librs u arido, calcul: a) La robabilidad d qu acir odos sus iros 5 iros 5 aoacios /4 y q ¼ jmlo. U sudia rsa u xam d slcció múlil qu coi 8 rguas, cada ua co rs rsusas ocioals si s suo qu l alumo sá adiviado al rsodr cada roblma, ocs la robabilidad d rsodr corrcam s d /. Drmiar la robabilidad: a) D qu rsoda icorrcam a odas las rguas. b) La robabilidad d qu arub si s rquir rsodr corrcam a sis o más rguas. c) La robabilidad d qu las 8 rguas las rsoda coscuivam mal. S mla disribució biomial. x( x ) C 8 / q q / 5 ( x 5) b) La robabilidad d qu fall odos sus iros 5 5 ( x ) robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 6

5 c) s lo mismo qu a) orqu so iddis. jmlo. Todos los días s slccioa d mara alaoria 5 uidads d u rocso d maufacura co l roósio d vrificar l orcaj d uidads dfcuosas la roducció. Co bas iformació asada, la robabilidad d r ua uidad dfcuosa s dl 5%. La grcia ha dcidido dr la roducció cada vz qu ua musra d 5 uidads xisa dos o más dfcuosas. Cuál s la robabilidad d qu cualquir día, la roducció s dga? aalogía co l biomio d Nwo susiuydo [ ] q ( + q) Éxio {corar uidad dfcuosa} 5.5 ara obr la variaza Fució Grariz d Momos d la disribució Biomial. m( ) ( ) l caso d la disribució biomial m( ) m( ) K q [ ] q susiuydo robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 6

6 Disribució d ascal. Sa u scario biomial qu s obsrva ua scucia d sayos iddis; la robabilidad d éxio cada sayo s cosa igual a. Fució Gradora d Momos d la Disribució d ascal. Si ahora, lugar d fijar l úmro d sayos s y obsrvar l úmro d éxios, suógas qu s coiúa los sayos hasa qu haya ocurrido xacam -éxios. és caso, la variabl alaoria s l úmro d sayos csarios ara obsrvar -éxios. ara drmiar la robabilidad d qu l -ésimo sayo ocurra l -ésimo éxio, ocs l rsulado dl úlimo sayo fu éxio. As dl úlimo sayo, había ocurrido - éxios - éxios. l úmro d maras disias las qu ud obsrvars - - sayos s or lo ao, la robabilidad d r - éxios -sayos co l úlimo sayo sido u éxio s: σ { x } μ d { } ( + q ) x m( ) d ( q ) ( + q) ( q) ( q) ( + q) q Db hacrs hicaié qu la variabl alaoria X rrsa l úmro d xrimos rquridos ara obr ocurrcias (éxios) Si la variabl alaoria d ascal s dfi a la variabl alaoria Y qu caracriza l úmro d oocurrcias (fracasos) qu ocurr as d obr -éxios, d al forma qu YX-, s cra la Disribució Biomial Ngaiva. robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 64

7 Adquir su ombr dbido a qu las robabilidads dadas or la arior xrsió corrsod a los érmios sucsivos d la xrsió biomial d: A difrcia dl modlo d ascal, qu la variabl s dfi a arir d, s l modlo biomial-gaivo la variabl s dfi a arir d cro. La mdia y la variaza ud corars a arir dl modlo d la variabl alaoria X. a) Cuál s la robabilidad d qu la 5ª uidad obsrvada sa la ª obsrvada. b) l úmro romdio d uidads qu s db obsrvar ara corar la 5ª dfcuosa. a). q.9 5 b) 5 ( ) 4 ( x ) C q (.) (.9) (.9) μ x 45 uidads. Disribució Gomérica. Si la disribució biomial gaiva s i l caso scial d, s l cooc como disribució gomérica, cuya fució d robabilidad sá dada or: l caso qu l valor d o sa ro, como ocurr cuado s ajusa los arámros dl modlo a arir d obsrvacios rals. Cuado ocurr so, s l dvulv su ombr d Disribució d ascal, auqu los coficis biomials o sá dfiidos, or lo qu s iroduc a la fució gamma. l modlo quda: (x) q - La variabl alaoria gomérica rrsa l úmro d fallas qu ocurr as d qu s rs l rimr éxio. jmlo. Cuál s la robabilidad d qu su rcr io, l xcl jugador ao su rimr gol? 4 4 ( x ). 46 so s irra como l imo qu hay qu srar ara qu ocurra l -éxio. jmlo. u rocso d maufacura s sab qu romdio ua d cada mil izas sá dfcuosa. Cuál s la robabilidad d qu la 5ª iza isccioada sa la ª dfcuosa? jrcicio. ua fábrica d auomóvils s ha obsrvado qu l % d las uidads sal dfcuosas d la lía d roducció, si s slccioa u lo d 5 ara sr obsrvado ( x 5). 96 robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 65

8 ( x) A arir d las xrsios obidas ara la disribució biomial gaiva, subsiuydo : μ σ La fució grariz d momos s: m( ) q jmlo. l roiario d rros camsrs l cro urísico, sá raado d vdrlos or mdio d rvisas rsoals co los osibls comradors. Cosidra qu al rvisars co u osibl comrador, xisa la misma osibilidad d vdr qu d o vdr y qu l rsulado d ua rvisa s iddi d lo qu ocurr lo dmás. q.5 x a) Cuál s la robabilidad d qu la 4ª rsoa rvisada sa la ª qu comr? N q b) La mdia d la variabl N qu rrsa l úmro d clis qu s i qu rvisar ara ralizar la ª va. μ x rvisas.5 Disribució Hirgomérica. La difrcia r la disribució Biomial y la Hirgomérica radica la forma qu s raliza l musro. 4 ( )( ) % C ara la disribució gomérica, su variabl alaoria o rquir iddcia, or lo cual l musro s hac si rmlazo. jmlo. S dsa coocr la robabilidad d obr caras rojas 5 riros d u aqu comú d 5 caras. S ud slccioar, 5 caras saradas al azar, rojas d 6, gras d 6, d u oal d 5 caras d 5, odo si rmlazo. C ( 6 ) ( 6 ) ( 5 5) l úmro oal d musras d amaño slccioadas d N rsulados s: N S suo qu sas musras so igualm robabls. or ora ar, hay x formas d slccioar x éxios d osibls y or cada ua d sas formas s ud slccioar -x fracasos formas. N x C5 ocs l úmro oal d musras favorabls r las musras N N osibls s:. x x.5 l musro, l caso d la Biomial, s rquir la iddcia r los vos: si s alicas s coco a u rocso co u aqu d ais o ua ura, db habr rmlazo. robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 66

9 Dfiició. La disribució d robabilidad d la variabl alaoria hirgomérica, l úmro d éxios ua musra alaoria d amaño slccioada d N rsulados osibls, d los cuals so cosidrados como éxios y N- como fracasos s: N ( ) x x x N dod x,,,..., x x N ua disribució hirgomérica db idificars dos ars d daos: Los qu corrsod a la oblació. Los qu corrsod a la musra. jmlo. Los d 4 comos c/u s cosidra acabls si o coi más d dfcuosos. l rocdimio d musro dl lo cosis a slccioar 5 comos alaoriam y rchazar l lo si s cura u como dfcuoso, Cuál s la robabilidad d qu xacam dfcuoso s cur la musra si hay dfcuosos odo l lo? Toal d lmos d la oblació N Toal d lmos d la musra Toal d éxios d la oblació Toal d éxios d la musra x or lo ao N Toal d fracasos d la oblació N x Toal d fracasos d la musra jmlo. Cuál s la robabilidad d obr caras rojas 5 riros d ua baraja amricaa? N5 5 6 x N4 5 x ( x ). ara drmiar la mdia d la disribució s sigu u rocdimio aálogo al uilizado ara la disribució biomial. {} x { x} x( x) x x N x. x x N robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 67

10 y N N si ( ) Var N N {} x ( ) or las roidads d los úmros combiaorios: s dcir: ( N ) susiuydo: N N N ( N ) ( )( ) N N N Romado a la fució d robabilidad hirgomérica, cuado u drmiado fómo, l amaño d la musra s sólo ua quña fracció d la oblació N, y al raars d u musro si rmlazo, la difrcia r la robabilidad dl vo uo y l sigui s isigifica. sos casos s mla la disribució biomial ara aroximar a la disribució hirgomérica cuado l coci /N s quño. Si s dfi a la roorció /N la fució d robabilidad hirgomérica s dfi como: ( x ) N N N x x N sa xrsió, si N, s obi la disribució biomial. Hacido u cambio d variabls: MN- N {} x r- s- yx- s y r M r y s y M s or l mismo rocdimio: Var {} x N ( N ) ( N ) N N D sa forma, la disribució hirgomérica id a la biomial co arámros y coform. N N la rácica s uiliza sa aroximació si <.N. Co rsco a la variaza hirgomérica, ésa s más quña qu la corrsodi a la variabl alaoria biomial or u N facor. N Si mbargo, db oars qu N s grad, s facor id a, dado como rsulado robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 68

11 ua variaza rácicam igual a la biomial. 4. rocso d oisso. Disribució d oisso, drmiació d su mdia y variacia. Aroximació r las disribucios biomial y oisso. Disribució xocial, drmiació d su mdia y variacia. Disribució d oisso. Los xrimos qu rsul valors uméricos d ua variabl alaoria X, misma qu rrsa l úmro d rsulados dura u irvalo d imo dado, o ua rgió scífica, frcum s llama xrimos d oisso. jmlo. Llamadas or miuo, clis or hora, oladas or hcára, rrors or ágia, c. D u xrimo d oisso, surg l rocso d oisso qu i las siguis roidads:. l úmro d rsulados qu ocurr u irvalo d imo o rgió scíficos s iddi dl úmro qu ocurr cualquir oro irvalo d imo o rgió.. La robabilidad d qu u rsulado scillo ocurra u irvalo d imo coro o ua rgió quña s roorcioal a la logiud dl irvalo d imo o al amaño d la rgió y o dd dl úmro d rsulados qu ocurr fura d és irvalo o rgió.. La robabilidad d qu más d u rsulado ocurra s irvalo d imo a coro o sa rgió a quña s dsrciabl. La disribució d oisso s obi a arir d la disribució biomial, cosidrado qu id a (l úmro d xrimos d Broulli) miras qu id a cro (robabilidad d éxio). S l irra como la variabl alaoria qu rrsa l úmro d vos iddis qu ocurr a ua vlocidad cosa l imo o l sacio. robabilidad y sadísica lim si ; ( x ) ( x ) C M.A. Vícor Damiá iilla Morá. q s l úmro romdio d rsulados or uidad d imo o rgió (vlocidad o raidz d cambio). La disribució d oisso ud susiuir a la biomial ara ua grad y ua quña: 5 5 Cosidrado la xrsió gral ara la robabilidad biomial: ( x ) ( ) ( )( ) K( + ) ( ) Sa ; or ao y susiuydo: ( x ) () () ( ) K ( + ) ( ) ( ) L L Sa d al forma qu rmazca cosa. so sigifica qu cuado (d igual forma qu y d al forma qu ). la úlima xrsió, los érmios d la forma,,l Novimbr 9 69

12 id a si, al igual qu or ora ar, la dfiició dl úmro s cuado si lim x fialm ( ) Fució Gradora d Momos. m( ) si y m( ) { } y, ara y ( ) Cálculo d la mdia y la variaza d oisso. d d {} ( x m( ) ) d d ( ) [ ] {} x { x } {} x d d { } ( x m( ) ) Var ( + ) ( ) Var d d {} x ( ) o jmlo. Si l % d los rasisors roducidos or ua fábrica sal dfcuosos corar la robabilidad d qu u lo d rasisors haya cuado más 5 rasisors dfcuosos. or biomial:. C ( x 5) ( x ) + ( x ) + ( x ) + ( x ) ( x 4) + ( x 5) (.) (.98) LC (.) 5 (. ) or oisso: ( x 5) 4 (.) L L ( x 5) ; jmlo. Si la robabilidad da qu ua viga d cocro fall a la comrsió s d.5. Obr la robabilidad d qu 5 vigas: a) Nigua fall b) Cuado más fall c) 5 fall Daos a) ( X ). 8 b) ( x ).547 c) ( x 5) (.5) robabilidad y sadísica M.A. Vícor Damiá iilla Morá. Novimbr 9 7

13 jmlo. l comuador lfóico d ua comañía s rcib romdio llamadas or miuo, suoido qu sas llamadas sigu u rocso d oisso. a) cual s la robabilidad d rcibir 8 llamadas 5 miuos. b) Nigua llamada miuos. c) Mos d llamadas miuos. llamadas a ) x b ) x c ) llamadas mi ( x 8 ) ( x ) ( ) ( 6) 8 or 8 mi () 5 llamadas mi llamadas mi x 6 uo llamadas mi.6 () llamadas 6 mi 6 (). 48 ( ) 4 llamadas 4 mi ( x < ) jmlo. S sab qu s l úmro romdio d camios aqu qu llga or día a ua cira sació; las isalacios sólo ud adr cuado mucho 5 camios or día, Cuál s la robabilidad d qu u drmiado día s ga qu rgrsar los camios? ( x 5 ) ( x 5 ) + ( x 5 ) jmlo. A arir d ciros xrimos s ha sablcido qu la robabilidad d qu u idividuo sufra ua racció or la alicació d u drmiado suro s d.. Drmiar la robabilidad d qu d u oal d idividuos, ga racció: a) xacam b) Más d L jmlo. l STC ha drmiado ua asa d suicidios d or día coicidido qu ud sr cosidrado como u rocso d oisso, drmiar: a) La robabilidad d qu ocurra 4 murs or smaa. b) Al mos murs or smaa. a ) b) 7 ( x 4 ) ( 4 ) 4 robabilidad y sadísica s / dia 4 4 ( 7 dias ).58 ( x ) ( x ) i.5 Caura y dició: M.A. María Torrs Hrádz. 4 suicidios.9995 a) b) éxio. ( x ) Bibliografía ( x ) ( x > ) ( x ) Caavos, robabilidad y sadísica, di. Mc Graw Hill, México 988. Borras,. al. Aus d robabilidad y sadísica, Faculad d Igiría UNAM, México 985. Villarral, robabilidad y Modlos robabilísicos, UAM, México 989. His, Mogomry; robabilidad y sadísica, di. CCSA, ª dició, México 99. M.A. Vícor Damiá iilla Morá. Novimbr 9 7

Demostraremos estos resultados por medio de la Función generatriz de momentos y algunos de los resultados ya obtenidos en la Práctica 4.

Demostraremos estos resultados por medio de la Función generatriz de momentos y algunos de los resultados ya obtenidos en la Práctica 4. ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 8: UESTREO EJERCICIO Dmosrarmos sos rsulados or mdio d la Fució grariz d momos y alguos d los rsulados ya obidos la Prácica 4. Sa, ocs, + + +, al qu Broulli (. Eocs: (

Más detalles

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal) PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad

Más detalles

El transistor bipolar de unión (BJT)

El transistor bipolar de unión (BJT) l rasisor biolar d uió (JT roducció 1948-1949: illia hockly, Joh ard y alr H. raai dscubr s disosiivo y modla su riciio d fucioamio. s l rasisor más uilizado circuios discros. Prsa mayors vlocidad d rsusa

Más detalles

8. Distribuciones continuas

8. Distribuciones continuas 8. Disribucios coiuas Trasformacios d variabls alaorias rso l f 3/ / 3 > + < F / w u u u Y Dsidad Disribució Trasformació o cambio d variabl alaoria Cuál srá la fució d dsidad d probabilidad rasformada

Más detalles

Análisis y resolución del régimen transitorio de circuitos de corriente continua

Análisis y resolución del régimen transitorio de circuitos de corriente continua Aálisis y rsolució dl régim rasiorio d circuios d corri coiua solució d cuacios difrcials. Dfiició Ua cuació difrcial lial, ordiaria, d ord y a coficis cosas rlacioa las ésimas drivadas d ua fució x(,

Más detalles

Un ejercicio relacionado con la función Li(x)

Un ejercicio relacionado con la función Li(x) Uivrsidad Iramricaa d Puro Rico - Rcio d Poc U jrcicio rlacioado co la fució Por: Eriqu Díaz Gozálz Uivrsidad Iramricaa d Puro Rico, Rcio d Poc. U poco d hisoria. E la búsquda para ua l qu idicara la disribució

Más detalles

APÉNDICE B HIDRÁULICA DEL REACTOR DE MEZCLA COMPLETA

APÉNDICE B HIDRÁULICA DEL REACTOR DE MEZCLA COMPLETA APÉNDIE B HIDRÁULIA DEL REATOR DE MEZLA OMPLETA B.1 REATOR DE MEZLA OMPLETA (fluj idal) El mdl d fluj u racr ral s cura algú pu r las cdicis d mzcla d ls racrs idals (racr d mzcla cmpla (RM) y racr d fluj

Más detalles

Variables aleatorias discretas

Variables aleatorias discretas Probabilidads y stadística Comutació Facultad d Cicias actas y aturals. Uivrsidad d Buos Airs Aa M. Biaco y la J. Martíz 4 Variabls alatorias discrtas istribució Biomial: Muchos rimtos alatorios satisfac

Más detalles

1. Ecuaciones de Chapman-Kolmogorov. Probabilidad absoluta de encontrarse en un estado tras n transiciones.

1. Ecuaciones de Chapman-Kolmogorov. Probabilidad absoluta de encontrarse en un estado tras n transiciones. SESIÓN b CASIICACIÓN d CAENAS d ARKOV Ecuacios d Chama-Kolmogorov robabilidad absolua d corars u sado ras rasicios Timos d r aso Clasiicació d sados Class d ua Cada d arov riodicidad Ejmlos robabilidads

Más detalles

Análisis de Señales Capítulo III: Transformada de Fourier discreta. Profesor: Néstor Becerra Yoma

Análisis de Señales Capítulo III: Transformada de Fourier discreta. Profesor: Néstor Becerra Yoma Aálisis d Sñals Capíulo III: Trasormada d Fourir discra Prosor: ésor Bcrra Yoma 3. Torma dl Musro Gra dsarrollo d la compuació > digializació d sñals mdia musro, posrior rcosrucció d la sñal Codició csaria

Más detalles

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes 3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la

Más detalles

APUNTES DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA. Y = Xβ + U, donde los parámetros se han

APUNTES DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA. Y = Xβ + U, donde los parámetros se han APNTS D CLAS CONOMTRÍA I DI CONOMTRÍA INFORMÁTICA Prof. Rafal d Arc Rafal.darc@uam.s "CONTRAST DL PRDICTOR" o INTRVALO D CONFIANZA D LA PRDICCIÓN PNTAL N L MBRL a d las mdidas d bodad a posriori más frcum

Más detalles

5 Primitiva de una función

5 Primitiva de una función Primiiva d ua fució y Ejrcicios rsulos EJERCICIOS PROPUESTOS Uiliza la abla d drivadas para calcular sas igrals: r r a) d + C r + + ( r, r ) b) d l + C c) d + C d) ( a >, a ) a a d + C la ) cos d s + C

Más detalles

Tabla de contenido. Página

Tabla de contenido. Página Tabla d coido Págia Opradors difrcials sismas d cuacios Opradors difrcials Oprador aulador 6 fiició 6 Sismas d cuacios difrcials lials 9 Solució d u sisma, méodo d los opradors 9 Rsum 5 Bibliografía rcomdada

Más detalles

5 Primitiva de una función

5 Primitiva de una función Primiiva d ua ució y. Ejrcicios rsulos. EJERCICIOS PROPUESTOS. Uiliza la abla d drivadas para calcular sas igrals: r r d + C r + + ( r, r ) b) d l + C c) d + C d) ( a > 0, a ) a a d + C la ) cos d s +

Más detalles

Problemas Tema 2: Sistemas

Problemas Tema 2: Sistemas SISTEMAS Y CIRCUITOS ~ PROBLEMAS Curso Académico 00900 Problmas Tma Sismas PROBLEMA. Dados los siguis sismas impo coiuo las sñals d rada idicadas, drmi las sñals d salida corrspodis ( ) x sñal d rada x

Más detalles

Tema 6. Sistemas de Ecuaciones Diferenciales Lineales.

Tema 6. Sistemas de Ecuaciones Diferenciales Lineales. Tma 6 Sismas d Ecuacios Difrcials Lials. INTRODUCCIÓN Es ma sá ddicado a la discusió d sismas d cuacios difrcials ordiarias simuláas. Dichos sismas aparc problmas qu i rlació co varias variabls dpdis qu

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

Observación: si en la urna hubiese 1500 bolillas blancas y 500 verdes y se extraen dos bolillas al azar sin reemplazo, entonces

Observación: si en la urna hubiese 1500 bolillas blancas y 500 verdes y se extraen dos bolillas al azar sin reemplazo, entonces art Variabls alatorias rof. María B. itarlli.- Variabls alatorias discrtas imortats Distribució biomial Sa ε u xrimto alatorio. Sa u vto asociado a ε y aotamos Suogamos u xrimto alatorio ε u cuml los siguits

Más detalles

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos Política Fiscal Goiros d coalició o d itrss oráficos disrsos Goiros d coalició o d itrss oráficos disrsos Escario olítico dod l oiro stá comusto or dos artidos coalició:. Partidos ti rfrcias distitas sor

Más detalles

3 Distribuciones de variable aleatorias

3 Distribuciones de variable aleatorias 3 Distribucios d variabl alatorias Edgar Acua ESMA 4 Uivrsidad d Purto Rico 3.. Distribució Biomial. U rimto s llamado d Broulli, si satisfac las siguits caractrísticas: E cada rtició ud ocurrir sólo ua

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE QUÍMICA DEPARTAMENTO DE MATEMÁTICAS Ecuaciones Diferenciales [Guia]

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE QUÍMICA DEPARTAMENTO DE MATEMÁTICAS Ecuaciones Diferenciales [Guia] UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE QUÍMICA DEPARTAMENTO DE MATEMÁTICAS Ecucio Difrcil [Gui] E l hoj d orcio or l úmro d rgu, l drrollo qu juifiqu u ru, u ru co i crrd u rcágulo lugo u

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3 Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más

Más detalles

NOTAS DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA

NOTAS DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA MDIDAS D BONDAD A POSTRIORI CONTRAST D JANS NOTAS D CLAS CONOMTRÍA I DI CONOMTRÍA INFORMÁTICA Prof. Rafal d Arc rafal.darc@uam.s Rvisado dicimbr 8 CONTRAST DL PRDICTOR" o INTRVALO D CONFIANZA D LA PRDICCIÓN

Más detalles

AUTOCORRELACION. El modelo y el no cumplimiento de los supuestos quedarían planteados de la siguiente manera:

AUTOCORRELACION. El modelo y el no cumplimiento de los supuestos quedarían planteados de la siguiente manera: AUTOCORRELACION La auocorrlació la rlació qu da r la variabl rurbadora( ), coraviido uo d lo uuo ara imar l modlo a arir d la iddcia qu dbría xiir r a variabl E roblma ra fudamalm cuado raliza udio coomérico

Más detalles

Respuesta al escalón unitario

Respuesta al escalón unitario Rpua al caló uiario Epcificacio l domiio dl impo La ampliud duració d la rpua raioria db mar dro d lími olrabl dfiido E ima d corol lial la caracrizació dl raiorio comúm raliza uilizado u caló uiario a

Más detalles

Cap. II: Principios Fundamentales del Flujo de Tránsito

Cap. II: Principios Fundamentales del Flujo de Tránsito Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos

Más detalles

IDENTIFICACION DE SISTEMAS DE SEGUNDO ORDEN

IDENTIFICACION DE SISTEMAS DE SEGUNDO ORDEN Ediorial d la Uivridad Tcológica Nacioal IDENTIFICACION DE SISTEMAS DE SEGUNDO ORDEN Ig. Robro Agl Rivro* Rum Para l diño d ima d corol, xi umroo méodo qu rmi r darrollado dro d ua amlia gama d caracríica.

Más detalles

Proyecciones de hogares METODOLOGÍA. 1. Introducción. 2. Objetivo. 3. Ámbito de investigación. 4. Definiciones

Proyecciones de hogares METODOLOGÍA. 1. Introducción. 2. Objetivo. 3. Ámbito de investigación. 4. Definiciones Proyccios d hogars METODOLOGÍA. Iroducció Las proyccios d hogars hac posibl aicipar los cambios qu s producirá su úmro, amaño y composició, y rprcuirá los sudios driados qu s obga, por jmplo, l ámbio d

Más detalles

CEPAL SERIE Manuales Nº 9. Sexta parte

CEPAL SERIE Manuales Nº 9. Sexta parte CEPAL SERIE Mauals Nº 9 Sxa ar 7 CEPAL SERIE Mauals Nº 9 Caíulo 4 El rocso d risió Sísis Ua caracrísica imora d los daos qu ublica acualm los INEs s qu sul xrimar u rocso d risió rcurr as d cosidrarlos

Más detalles

3. ANÁLISIS DE LOS SISTEMAS DE CONDUCTOS

3. ANÁLISIS DE LOS SISTEMAS DE CONDUCTOS 3. NÁLISIS DE LOS SISTEMS DE CONDUCTOS 3. Iroducció cualm, la mayoría d las vcs, l disño d silciadors s raliza simplm modificado los xiss. Si mbargo, dbido al amaño y l coso d sos, s muy bficioso l podr

Más detalles

El error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2

El error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2 EJERCICIO 8.1 U ivstigador dispo d 0.000 para ralizar las trvistas d ua custa ua gra ciudad. El custioario s admiistrará mdiat trvistas tlfóicas, sido l cost d cada trvista d 0. Qué marg d rror dbrá asumir

Más detalles

! 1 3 <1 la serie converge (y confirma a n! 0 ). a n. x 2 >0; f 0 (x)<0 si x>1; R 1 f (x)dx = 1 2 e x2 1 = 1 2e. ) Convergente. n! 0 ) Convergente.

! 1 3 <1 la serie converge (y confirma a n! 0 ). a n. x 2 >0; f 0 (x)<0 si x>1; R 1 f (x)dx = 1 2 e x2 1 = 1 2e. ) Convergente. n! 0 ) Convergente. Solucios d los roblmas d Matmáticas (07-08) {a } acotada ifriormt or 0 (los a so ositivos) y dcrcit us + + )9líma a ) a a ) a0 Como a + a < la sri covrg (y cofirma a 0 ) a) (a ) / Divrgt (O orqu {a

Más detalles

PROBLEMAS resueltos DE ECUACIONES DIFERENCIALES

PROBLEMAS resueltos DE ECUACIONES DIFERENCIALES ª CURSO-PRIMER CUATRIMESTRE PROBLEMAS rsulos DE ECUACIONES DIFERENCIALES. Calular las raorias orogoals d la familia d urvas + k k R Calulamos primr lugar la uaió difrial d la familia: + +. La uaió difrial

Más detalles

TEMA 2. ESPACIOS Y OPERADORES LINEALES CONTENIDO

TEMA 2. ESPACIOS Y OPERADORES LINEALES CONTENIDO TEMA. ESPACIOS Y OPERADORES LINEALES CONTENIDO ESPACIOS LINEALES SOBRE UN CAMPO INDEPENDENCIA LINEAL, BASES Y CAMBIOS DE BASES OPERADORES LINEALES Y SUS REPRESENTACIONES SISTEMAS DE ECUACIONES ALGEBRÁICAS

Más detalles

2. Definición de Cadena de Markov Propiedad Markoviana y estacionariedad. 3. Matriz de Probabilidades de transición y Diagrama de estados.

2. Definición de Cadena de Markov Propiedad Markoviana y estacionariedad. 3. Matriz de Probabilidades de transición y Diagrama de estados. SESIÓN a CAENAS E ARKOV INTROUCCIÓN Noción d rocso Esocásico finición E asociados a un sisma finición d Cadna d arov roidad aroviana y sacionaridad 3 ariz d robabilidads d ransición y iagrama d sados 4

Más detalles

III - Enfoques teóricos alternativos sobre inflación

III - Enfoques teóricos alternativos sobre inflación III - Efoqus óricos alraivos sobr iflació Iflació Dfiició y Mdició S dfi l ídic d rcios como: P =X g i f i i dod asumimos P = 1 (ivl d rcios dl ríodo bas). Para l caso cocro d uilizació d u ídic d Lasyrs

Más detalles

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro

Más detalles

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros .8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito

Más detalles

2. Utilizando el método adimensional basado en el factor de calidad Q, determine:

2. Utilizando el método adimensional basado en el factor de calidad Q, determine: Uivrsidad Simó Bolívar Dpartamto d Covrsió y Trasport d Ergía Autor: Eduardo Albaz. Cart: 06-391 Profsor: J. M. Allr Máquias Eléctricas II CT-311 U motor d iducció coxió strlla d 100 kw, 416 V, rdimito

Más detalles

1 Realizar los ejercicios resueltos números 1 y 2 del tema 3 de Integración de. 2 Terminar los ejercicios de la práctica realizada este día.

1 Realizar los ejercicios resueltos números 1 y 2 del tema 3 de Integración de. 2 Terminar los ejercicios de la práctica realizada este día. Est documto coti las actividads o prscials propustas al trmiar la clas dl día qu s idica. S sobrtid qu tambié s db ralizar l studio d lo plicado clas auqu o s icluya sa tara st documto. Clas 5 d ovimbr

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

CAPITULO V FUNCIONES DE RED

CAPITULO V FUNCIONES DE RED UTOS EÉTOS g. Guvo A. Nv Buillo APTUO FUNONES DE ED 5. Frcuci col 5. Fució d dci y Adici 5. d rford 5.4 Fucio d rd 5.5 Polo y ro d fucio d rd 5.. FEUENA OMPEJA Much fucio ud dcriir l for grl f ( ) K dod

Más detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

Más detalles

Fonones: Cuantización de las vibraciones de la red cristalina.

Fonones: Cuantización de las vibraciones de la red cristalina. Foo: Cuatizació d la ibracio d la rd critalia. Oda d logitud larga Oda lática... Oda d logitud corta λ a o πa tmo qu tr cuta la tructura atómica dl crital. foó logitudial foó traral a mooatómica: Coidrmo

Más detalles

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.

Más detalles

Consideremos los siguientes experimentos aleatorios

Consideremos los siguientes experimentos aleatorios 69 Veremos e lo que sigue uevas variables aleatorias discretas. Estas variables y sus distribucioes se utiliza como modelos e muchas alicacioes estadísticas. Distribució Biomial Cosideremos los siguietes

Más detalles

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

Se plantea para el sistema térmico un circuito eléctrico equivalente en donde Tc es la temperatura del calefactor y Th es la temperatura del líquido.

Se plantea para el sistema térmico un circuito eléctrico equivalente en donde Tc es la temperatura del calefactor y Th es la temperatura del líquido. La figura musra n forma squmáica un sisma d calnamino d líquidos conocido como pava lécrica. Un rsisor d masa dsprciabl calfacciona una placa málica cuya capacidad érmica la suponmos concnrada n C1 y su

Más detalles

2. MODELIZACIÓN DE LA VARIABLE DE PERTURBACIÓN ALEATORIA

2. MODELIZACIÓN DE LA VARIABLE DE PERTURBACIÓN ALEATORIA Aálisis d Auocorrlació ANÁLISIS DE AUTOCORRELACIÓN. DEFINICIÓN Y CAUSAS DE AUTOCORRELACIÓN E s ma s cusioar, para los modlos qu rabaja co daos d sris d impo, ua d las hipósis qu dfi l Modlo d Rgrsió Lial

Más detalles

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc la

Más detalles

TEMA 1 INTRODUCCIÓN A LA TEORÍA DE LA SEÑAL

TEMA 1 INTRODUCCIÓN A LA TEORÍA DE LA SEÑAL EMA INRODUCCIÓN A LA EORÍA DE LA SEÑAL Vicor Moisés Hrádz Cham hdzcham@ux.s Sismas d rasmisió d Daos.ELEMENOS BÁSICOS DE UN SISEMA DE COMUNICACIÓN U sisma d comuicació básico sá compuso por: - fu - caal

Más detalles

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE MATEMÁTICAS Y CULTURA B O L E T Í N 23.04.20 No. 273 COORDINACIÓN DE MATEMÁTICAS MATEMÁTICAS MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE E l Boltí Matmáticas Y Cultura No. 257 dl 23 d abril

Más detalles

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS)

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) Los sistmas o lials pud llgar a tr comportamitos ralmt sorprdts alguos casos: por u lado pud llgar a tr diámicas totalmt difrts sgú l valor qu

Más detalles

Matemáticas. Si f es una función periódica de período 2T seccionalmente continua, admite la siguiente representación en los puntos de continuidad:

Matemáticas. Si f es una función periódica de período 2T seccionalmente continua, admite la siguiente representación en los puntos de continuidad: Mmáics Pági dod s coró s iormció hp://www.losskkdos.com ANÁLISIS LINEAL SERIES DE FOURIER Ejrcicios Rsulos CONCEPOS BÁSICOS Ls sris d Fourir prmi rprsr ucios priódics mdi combicios d sos y cosos sri rigooméric

Más detalles

Señales y Sistemas. Análisis de Fourier.

Señales y Sistemas. Análisis de Fourier. Sñals y Sistmas Aálisis d Fourir. Itroducció El foqu d st capítulo s la rprstació d sñals utilizado sos y cosos ( otras palabras, xpocials complas). El studio d sñals y sistmas utilizado xpocials complas

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia

Más detalles

Modelo de Regresión Logística

Modelo de Regresión Logística Modlo d Rgrsión Logística Modlo d rgrsión qu lica l comortaminto d una variabl dndint discrta, Y, dicotómica n función d una o más variabls indndints cualitativas o cuantitativas. Los valors qu toma la

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

FACULTAD DE INGENIERÍA

FACULTAD DE INGENIERÍA FCULD DE INGENIERÍ Uivrdd Nciol uóo d Méico Fculd d Igirí ális d Siss y Sñls Profsor: M.I. Elizh Fosc Chávz SERIE DE FOURIER LUMN: Sáchz Cdillo Vicori GRUPO: 6 SERIE DE FOURIER od sñl priódic s pud prsr

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A cors loros. só más d dos dmsos Dcó: S... rbls lors dscrs l ucó d robbldd cou dl cor loro... s d como: ddo culqur couo A R...... P... P... A...... A...... s ucó ssc ls sgus rodds:.................. orm

Más detalles

x a es una serie de la forma que el radio de convergencia de la serie geométrica es el intervalo abierto

x a es una serie de la forma que el radio de convergencia de la serie geométrica es el intervalo abierto ERIE DE POTENCIA ERIE DE POTENCIA. Diició. U sri d pocis c s u sri d l orm c c c c... c... Por jmplo. i c y l sri d pocis om l orm....... Por jmplo. i c y l sri d pocis om l orm....... TEOREMA. El cojuo

Más detalles

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1: .- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim

Más detalles

APLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS DE MEZCLAS

APLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS DE MEZCLAS APLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS DE MEZCLAS 0 Considérs un anqu qu in un volumn inicial V 0 d solución (una mzcla d soluo y solvn). Hay un flujo ano d

Más detalles

PRACTICA 5: SISTEMA DE CONTROL DE VELOCIDAD. PRECISIÓN.

PRACTICA 5: SISTEMA DE CONTROL DE VELOCIDAD. PRECISIÓN. PRAIA 5: SISEA E ONROL E ELOIA. PREISIÓN. Aigaura: Sima Lial. º d Igiría Auomáica y Elcróica ESIE. paramo d Auomáica y Elcróica uro 006-007 Prácica º 5: Sima d orol d locidad. Prciió.. Sima d orol d locidad.

Más detalles

Planificación contra stock. Presentación. Introducción

Planificación contra stock. Presentación. Introducción Plaificació cora sock 09.0.07 Preseació Fabricar cora sock? No iee que ser cero el iveario? Se vio e el capíulo de iroducció. Plaificar cora sock Ciclo de pedido y fabricació idepediees. Demada aual coocida.

Más detalles

Regresión Lineal Simple

Regresión Lineal Simple REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría

Más detalles

LECTURA 06: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE II) TEMA 12: INTERVALOS DE CONFIANZA PARA LA PROPORCION POBLACIONAL

LECTURA 06: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE II) TEMA 12: INTERVALOS DE CONFIANZA PARA LA PROPORCION POBLACIONAL Uivridad Católica o Ágl d Chimbot ECTURA 6: ITERVAOS DE COFIAA Y TAMAÑO DE MUESTRA (PARTE II) TEMA : ITERVAOS DE COFIAA PARA A PROPORCIO POBACIOA. ITRODUCCIO Mucha vc la dciio dd d arámtro qu o biario,

Más detalles

Ayu. Ignacio Trujillo Silva (alias nao) Integrales Impropias

Ayu. Ignacio Trujillo Silva (alias nao) Integrales Impropias Mamáicas II Ingrals Impropias Mamáicas II IMPORTANTE: Es ipo d ingrals s llaman ipo P (EN ESTE CASO TIPO ALFA) Mamáicas II Mamáicas II Ejmplo 7.5. (Problma 5.f) Dcida si la siguin ingral convrg d ln( )

Más detalles

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores Capíulo Iroducció a la Elecróica de oecia. Iroducció a la Elecróica de oecia. Clasificació de los Coeridores Como su ombre lo idica su fució es coerir ua fuee de ua esió y frecuecia dada a ora de diferees

Más detalles

La cinética de reacción y su influencia en la distribución de pesos moleculares, en un sistema de polimerización en emulsión sembrado

La cinética de reacción y su influencia en la distribución de pesos moleculares, en un sistema de polimerización en emulsión sembrado Rvisa d la Socidad Quíica d éxico, Vol. 47, ú. 3 (3) 3-39 Ivsigació La ciéica d racció y su iflucia la disibució d sos olculars, u sisa d oliriació ulsió sbrado José oio rcos asarrubias, * Robro Olayo,

Más detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 3: INFERENCIA ESTADISTICA ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.

Más detalles

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar

Más detalles

Estimacion puntual y por Intervalo

Estimacion puntual y por Intervalo Eimacio uual y or Iervalo El objeivo e efecuar ua geeraliació de lo reulado de la muera a la oblació. Iferir o adiviar el comoramieo de la oblació a arir del coocimieo de ua muera. E geeral o iereará coocer

Más detalles

PRÁCTICA 1: Análisis en el dominio del tiempo de sistemas continuos simples

PRÁCTICA 1: Análisis en el dominio del tiempo de sistemas continuos simples Sismas Sñals Crso 4/5 Igiría Iformáia PRÁCTICA : Aálisis l omiio l impo sismas oios simpls I.- Prosamio sñal Malab Tal omo s vio l rso arior Malab rabaa o úio ipo lmos: las maris. Los ipos aos básios o

Más detalles

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL MODULO IV. ETIMACIÓN POR INTERVALO DE CONFIANA ANÁLII DE CAO DOCENTE: JUAN CARLO VERGARA CHMALBACH ETADÍTICA INFEREIAL CAO : ETIMACIÓN DE LA MEDIA CON DEVIACIÓN POBLACIONAL CONOCIDA La rimera esimació

Más detalles

En esta unidad vamos a aprender el proceso inverso de derivar, que se llama integrar. 2, la función F(

En esta unidad vamos a aprender el proceso inverso de derivar, que se llama integrar. 2, la función F( . PRIMITIV DE UN FUNCIÓN E sa uidad vaos a aprdr l procso ivrso d drivar, qu s llaa igrar. Diició: Ua ució F diros qu s ua priiiva d ora ució dada, si la drivada d F s, s dcir: F s priiiva d F Ejplo :

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Probabilidads y Estadística Comutación Facultad d Cincias Eactas y Naturals. Univrsidad d Bunos Airs Ana M. Bianco y Elna J. Martín 4 Variabls alatorias continuas Distribución Uniorm: Rcordmos qu tin distribución

Más detalles

Regulación, Cobertura y Competencia en el Mercado de la Banda Ancha *

Regulación, Cobertura y Competencia en el Mercado de la Banda Ancha * Rgulació Cobrura Comcia l Mrcado d la Bada Acha * Fabiá Basso V. C. Maul Willigo Dicimbr 6 REUMEN E los úlimos años s ha dsarrollado ua varidad d cologías alraivas qu ha rmiido cambiar las caracrísicas

Más detalles

Proceso estocástico (PE) Tema 5: PROCESOS ESTOCÁSTICOS. Concepto de VA. Concepto de Proceso Estocástico. a = a2

Proceso estocástico (PE) Tema 5: PROCESOS ESTOCÁSTICOS. Concepto de VA. Concepto de Proceso Estocástico. a = a2 Tma 5: POCESOS ESTOCÁSTICOS Carlos Albrola Lóz Lab. Procsado d Imagn, ETSI Tlcomunicación Dsacho D4 caralb@l.uva.s, casasc@l.uva.s, h://www.li.l.uva.s/sar Procso socásico (PE Término sinónimo d sñal alaoria

Más detalles

SISTEMAS DE ECUACIONES DIFERENCIALES DE PRIMER ORDEN

SISTEMAS DE ECUACIONES DIFERENCIALES DE PRIMER ORDEN TEMA Nº SISTEMAS DE ECUACIONES DIFERENCIALES DE PRIMER ORDEN. TEOREMA PRELIMINAR INTRODUCCIÓN.- Sism d cucios dircils lils co icógis d l orm P D P D P D P D P P D D... P... P... P D D D b b b dod ls P

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes 3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u primto admit dos catgorías: Acptabl y Dfctuoso. S rpit l primto vcs. La probabilidad d dfctuoso

Más detalles

2. ALGEBRA LINEAL (2.1_AL_T_062, Revisión: , C12)

2. ALGEBRA LINEAL (2.1_AL_T_062, Revisión: , C12) . ALGEBRA LINEAL (._AL_T_06, Rvisió: 8-03-06, C). CONCEPTOS FUNDAMENTALES: ESPACIOS VECTORIALES, BASES, DIMENSIONES... INTRODUCCIÓN. Notació: utilizamos abcdario latio para vctors, grigo para scalars (úmros).

Más detalles

Automá ca. Apéndice:TransformadadeLaplace. JoséRamónLlataGarcía EstherGonzálezSarabia DámasoFernándezPérez CarlosToreFerero MaríaSandraRoblaGómez

Automá ca. Apéndice:TransformadadeLaplace. JoséRamónLlataGarcía EstherGonzálezSarabia DámasoFernándezPérez CarlosToreFerero MaríaSandraRoblaGómez Auomáca Apédic:Tafomadadaplac JoéRamólaaGacía EhGozálzSaabia DámaoFádzPéz CaloToFo MaíaSadaRoblaGómz DpaamodTcologíaElcóica IgiíadSimayAuomáca Apédic: Tafomada d aplac Apédic Tafomada d aplac A.. INTRODUCCIÓN

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

Desigualdad de Tchebyshev

Desigualdad de Tchebyshev Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más detalles

Valor de Rescate. Elementos Actuariales para su Determinación Por: Pedro Aguilar Beltrán. Octubre de 2008

Valor de Rescate. Elementos Actuariales para su Determinación Por: Pedro Aguilar Beltrán. Octubre de 2008 alor de escae Elemeos Acuariales ara su Deermiació Por: Pedro Aguilar Belrá Ocubre de 28 El alor de rescae es u coceo que se refiere al moo que le oorgará la aseguradora al asegurado o beeficiario, e caso

Más detalles

6. Intervalos de confianza

6. Intervalos de confianza 6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros

Más detalles

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos: T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD

FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD APÉNDICE: FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD Fórmula uificada d Kimbr Kimbr aglutia la xpricia d muchos años d sayos ralizados por l TRRL Gra Brtaña y propo ua fórmula uificada para l cálculo

Más detalles

Respuesta en frecuencia. Procesado Digital de Señales.4º Ingeniería Electrónica. Universitat de València. Profesor Emilio Soria.

Respuesta en frecuencia. Procesado Digital de Señales.4º Ingeniería Electrónica. Universitat de València. Profesor Emilio Soria. Rspusta frcucia. Procsado Digital d Sñals.4º Igiría Elctróica. Uivrsitat d Valècia. Profsor Emilio Soria. 1 Itrés uso PDS. Ti l mismo uso qu sistmas cotiuos: dtrmiar la salida d u sistma stado stacioario;

Más detalles