Modelos Probabilísticos comunes
|
|
- Eugenia Acuña Iglesias
- hace 7 años
- Vistas:
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.
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 detallesPROBLEMAS 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 detallesEl 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 detalles8. 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 detallesAnálisis 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 detallesUn 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 detallesAPÉNDICE 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 detallesVariables 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 detalles1. 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 detallesAnálisis 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 detalles3. 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 detallesAPUNTES 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 detalles5 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 detallesTabla 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 detalles5 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 detallesProblemas 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 detallesTema 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 detallesUniversidad 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 detallesObservación: 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 detallesPolítica 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 detalles3 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 detallesUNIVERSIDAD 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 detallesSe 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 detallesEXPONENTES 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 detallesNOTAS 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 detallesAUTOCORRELACION. 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 detallesRespuesta 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 detallesCap. 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 detallesIDENTIFICACION 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 detallesProyecciones 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 detallesCEPAL 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 detalles3. 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 detallesEl 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.
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 detallesPROBLEMAS 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 detallesTEMA 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 detalles2. 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 detallesIII - 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 detallesSEÑALES 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 detalles2.8.3 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 detalles2. 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 detalles1 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 detalles9 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 detallesCAPITULO 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 detallesa 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 detallesFonones: 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 detallesUNIDAD 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 detallesConsideremos 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 detallesal 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 detallesSe 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 detalles2. 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 detallesEXAMEN 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 detallesTEMA 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 detallesMATEMÁTICAS 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 detalles11 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 detallesMatemáticas. 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 detallesSeñales 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 detallesUNIVERSIDAD 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 detallesModelo 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 detallesTEMA 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 detalles4.1 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 detallesFACULTAD 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 detallesUn 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 detallesvariables 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 detallesx 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 detalles1.- 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 detallesAPLICACIONES 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 detallesPRACTICA 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 detallesPlanificación 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 detallesRegresión 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 detallesLECTURA 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 detallesAyu. 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 detallesCapítulo 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 detallesLa 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 detallesTEMA 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 detallesTEMA 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 detallesEstimacion 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 detallesPRÁCTICA 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 detallesMODULO 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 detallesEn 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 detallesVariables 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 detallesRegulación, 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 detallesProceso 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 detallesSISTEMAS 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 detallesTema 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 detalles4. 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 detalles8 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 detalles3. 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 detalles2. 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 detallesAutomá 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 detallesDETERMINANTES 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 detallesDesigualdad 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 detallesAnálisis 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 detallesValor 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 detalles6. 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 detallesT 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 detallesAproximación 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 detallesFÓRMULAS 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 detallesRespuesta 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