OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA

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

Download "OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA"

Transcripción

1 OPMZACÓN ESRUCURAL CON MALLAS FJAS Y ANALSS DE SENSBLDAD ULZANDO VARAS APROXMACONES A LOS ELEMENOS DE FRONERA Wllam Ramírz Bítz, Maul Julo García Ruíz Prgrado gría Mcáca Uvrsdad EAF, Colomba. Ph.D. gría Aroáutca Uvrsdad d Sdy, Australa. RESUMEN Est artículo prsta u método d optmzacó basado aproxmacó por mallas fas utlzado dfrts métodos para obtr la matrz d rgdz d los lmtos d la frotra mplmtado Optmzacó Estructural Evolutva (ESO). E ESO, u valor d umbral d sfurzo s calculado y los lmtos qu s cutra por dbao d st so rmovdos. Dsafortuadamt s produc patros d tablro d adrz y frotras dtadas. E l método d mallas fas la rprstacó d frotras (B-Rp) s mat como ua aproxmacó lal a trozos. El método soeso utlza l método d mallas fas y l matral s rmovdo cortado l matral sobr la sosuprfc dl valor d umbral. Como la suprfc rsultat s suav, sta o cot frotras dtadas o patros d tablro d adrz, vtado la coctracó d sfurzos. El algortmo rsultat covrg u úmro rducdo d tracos cuado s compara co ESO. La prst aproxmacó computa ua fucó mplícta basada aálss d ssbldad. La B-Rp s asocada co sta fucó mplícta y l valor d umbral. La suprfc fal s obt movdo la frotra a la poscó d la so-curva dl valor d umbral d la fucó d ssbldad. Rsultados prlmars mustra las vtaas tmpo y caldad d suprfc rsultat dl prst método. PALABRAS CLAVE: Elmtos d la frotra, Mallas Fas, Optmzacó structural, ESO, Elmtos Ftos. NRODUCCON. A dfrca dl método tradcoal d lmtos ftos (FEM), l método d mallas fas o usa u mallado qu sgu la forma prfcta dl obto como domo d trabao. Est método hac uso d ua rtícula d lmtos cuadrados (o cúbcos 3D) qu s suprmpusta l modlo orgal dscrto por su frotra (B-rp). Los lmtos d la malla fa so lugo clasfcados d acurdo a s s cutra l tror xtror o la frotra dl obto. Dpddo d sta clasfcacó a stos lmtos s ls asga propdads dl matral, para los qu s cutra al tror dl domo, propdads d u mdo o tractvo a los lmtos dl xtror y propdads mxtas a los lmtos la frotra. Est procdmto trasforma l problma orgal u problma co múltpls matrals. Dpddo dl modlo matmátco usado para aproxmar los lmtos la frotra, dfrts grados d aproxmacó pud obtrs la solucó d sfurzos. Sgudo st modlo, los cambos gométrcos so fáclmt corporados cambado las propdads d los lmtos y por tato l tmpo d r aálss s rduc drástcamt. Estudos ralzados domos b-dmsoals mostraro la fcca dl método co u vl prmsbl d rror [1, 3,4,5]. S cotró qu l rror dl campo d sfurzos crmta rgos dod alrddor d los putos d coctracó d sfurzos a valors d hasta aproxmadamt l 1 % cuado s usa mallas d tamaño razoabl. S mbargo l promdo dl rror toma valors d aproxmadamt dl 5% o mos y l rror dl campo d dsplazamtos s d aproxmadamt l 1 %. Las aplcacos dl método s cutra las tapas cals dl dsño cocptual, l dsño tractvo y la optmzacó structural dod rápdas stmacos dl campo d dformacos y sfurzo so más mportats qu tdosos y prologados aálss d alta prcsó.[6,7] El cocpto clásco d optmzacó structural volutva fu dsarrollado calmt por X y Grat 1993 [8]. La da fudamtal s qu u obto volucoa haca ua structura compltamt sforzada rmovdo muy ltamt matral qu o prsta vls d sfurzos altos. Dfrts varats cluy l trabao d m y otros [9] l cual s utlza ua malla fa para aproxmar l domo. García y otros [1] usa curvas d sosfurzo para rmovr l matral. Los cocptos d aálss d ssbldad utlzados l prst trabao furo

2 troducdos por Qug y otros [11] para l método d optmzacó structural volutva. El método prstado l prst artículo pud cosdrars s como ua volucó d los métodos mcoados atrormt. ANALSS DE SENBLDAD E optmzacó structural volutva ua structura s optmzada a través d rmovr o adcoar lmtos. Estos so tratados como las varabls d dsño tradcoalmt ESO. Por sta razó la ssbldad s pud calcular por lmto. Es dcr la ssbldad d la structura a la ausca o prsca d u lmto lla. Numro d ssbldad d Dsplazamto E l aálss por Elmtos Ftos (FEA) l comportamto státco d ua structura stá rprstado por la cuacó d qulbro: u=p (1) E dod s la matrz d rgdz global dl sstma, p s l vctor d cargas y u s l vctor d dsplazamtos. D la Eq. (1), s fácl cotrar qu la adcó o rmocó d u lmto rsulta ua varacó l dsplazamto u, qu stá dado por Δu= 1 Δ u () Dod Δ dota la varacó la matrz d rgdz global dbdo a la rmocó o adcó dl -smo lmto. Para cotrar l cambo la -sma compot dl dsplazamto u, s troduc ua carga vrtual utara f corrspodt a u. Multplcado la Eq. () por f, obtmos: Δu =f Δu= f 1 Δ u= u Δ u (3) Dod u rprsta la solucó a la Eq. (1) bao la carga vrtual utara f (s dcr u = f ). El cálculo d matrcal d la Eq. (3) pud hacrs a vl d los lmtos. Así l valor d α = ± u u (4) S df como l umro d Ssbldad dl dsplazamto qu s usado para stmar l cambo l dsplazamto d; -smo grado d lbrtad dbdo a la adcó (+) o rmocó (-) dl lmto, s la matrz d rgdz dl lmto, u y u so los dsplazamtos dl lmto dbdo a las cargas rals y vrtuals rspctvamt. Numro d Ssbldad d sfurzo E FEA l vctor d sfurzos d l k-smo lmto pud sr calculado a partr dl vctor u k d dsplazamto dl lmto d la sgut mara σ = DBu k, (5) Dod D y B rprsta las matrcs lástca y d dformacó rspctvamt. Combado los úmros d ssbldad d dsplazamto, l cambo l vctor d sfurzos dl k-smo lmto dbdo al la adcó o rmocó dl -smo lmto pud sr cotrado como Δσ = DBΔB k = DB Δu Δu,Δu,...,Δu DBαB 1,,... (6) k

3 Dod α s doma l vctor d ssbldad d dsplazamto dl lmto k, rprsta l umro d grados d lbrtad l lmto k. Usado la Eq. (6) l cambo dl sfurzo dl k-smo lmto pud sr calculado a partr d los cálculos d las varacos d todos los compots dl dsplazamto. Ua mdda scalar dl vl d sfurzos stá dada por l sfurzo d vo Mss _ (7) VM f ( xx, yy, xy ) xx yy xx yy 3 xy S pérdda d graldad, la varacó la fucó d sfurzos dl lmto pud sr calculada como f f. DB (8) f = f σ, f / σ, f / σ / rprsta l vctor gradt d la fucó d sfurzos y Dod xx yy xy k = f DB = γ,γ,...,γ,..., γ. γ Substtuydo Eq. (4) (8) da Rcordado qu =. 1 _ k 1 ( u u ) ( u ) u (9) 1 u 1. s la solucó dl -smo sstma vrtual d u = f. Multplcado por sta cuacó y sumado todas las cuacos d dsplazamto vrtual, tmos γ u = γ f 1 1 o u ~ = f, (1) k ~ Dod u~ k = γ u rprsta u vctor d dsplazamtos vrtuals y f = γ f 1 1 ~ dota ua carga vrtual. E otras palabras, Eq (1) troduc u uvo sstma vrtual dod compots dfrts d cro dl vctor d cargas f corrspod co los cofcts γ. Así qu la solucó (1) dtrma _, u ~.. u k u ~ provsta por l uvo sstma vrtual k (11) Como l umro d ssbldad d sfurzo dl lmto, l cual s usado para dcar l cambo dl sfurzo dl lmto k dbdo a la ausca o prsca dl lmto. Nóts qu Eq. (11) para aálss d ssbldad d sfurzo s smlar a la Eq. (4) para aálss d ssbldad d dsplazamto.. D hcho, los dos úmros d ssbldad so calculados xactamt la msma forma, co solamt dfrca la su rspctva vctors d carga vrtual. EL MEODO DE MALLAS FJAS Sa FG la más pquña caa qu crra compltamt l domo y s orta a lo largo dl sstma d coordadas stádar, s dcr FG x m y ( y ) x max y ( y )

4 Etocs FG s doma l domo d mallas fas. U puto x FG s cosdra adtro s x.. U puto x FG s cosdra afura sí x. Para prsrvar las caractrístcas dl problma orgal, las propdads dl matral d afura so las quvalts a las d u mdo o tractvo. El obto s mbbdo ua caa d matral o tractvo. Nóts qu sta dfcó trasforma l problma lástco u problma d dos matrals. Fg. 1 mustra u mplo d u domo b-dmsoal. Para obtr la malla fa, l domo d mallas fas FG, s subdvddo u couto d lmtos cuadrados d dmsó h. U lmto s cada ua d las cldas d dmsó hh, las cuals FG s subdvd. Los lmtos m, m,..., 1s umra ord ascdt dsd l lmto la squa fror zqurda. D acurdo a la poscó d los lmtos co rspcto a la structura pud sr catalogados como sd (), Outsd (O), o Nthr sdr or Outsd (). Fg. 1 mustra u mplo d ua structura modlada co ua Malla Fa. Nóts qu los lmtos stá costtudos por dos tpos dfrts d matral y por tato sus propdads o so costats. Fgura 1: Aproxmacó d Mallas fas d la gomtría d ua structura. Para matrals lástcos lals la matrz d rgdz para u lmto la malla fa sta dada por la sgut cuacó: C ( Na ) ( Nb ) d (1) Dod C s la matrz costtutva, s l tsor d sfurzos, N a y N b so las fucos d forma y vctors utaros. La matrz costtutva para matral sotrópco sta dada por y so Dod y so las costats d Lamé y stá rlacoados co l modulo d Youg E y l rado d Posso, d la sgut forma Ev E, ( 1 v)(1 v) (1 v) (13) (14)

5 S y s df como Etocs la matrz costtutva s pud rscrbr como Ev E, (1 v)(1 v) (1 v) (15) C EC (16) Dod, ( ) C ( ) ( ) (17) S u lmto stá compusto por u solo matral como l caso d lmtos y O, tocs l modulo d Youg pud sr sacado fura d la tgral. Así la matrz d rgdz pud sr calculada como dod l trmo E (18) C ( N ) ( N ) (19) S doma la matrz d rgdz stádar y dpd solo d la gomtría dl lmto qu st caso s costat para todos los lmtos y O la Malla Fa. U lmto sta parcalmt dtro d la structura y sus propdads o so costats sobr l lmto. Así la matrz d rgdz pud sr computada térmos dl modulo d Youg dl matral dl tror ( E ) y dl xtror ( E O ) d la structura como, a b E C ( N ) ( N ) d E C ( N ) ( N ) d () a b a b O O dod y rprsta la part dl lmto adtro d la structura y por fura d lla rspctvamt, admás. Aproxmacó Dscrta - A Esta s la forma más smpl d calcular () y cosst aproxmar los lmtos s como o O dpddo d la catdad d matral adtro d la structura. Dbdo a qu las propdads dl matral solo toma valors dscrtos (propdads o O ) sta aproxmacó s doma aproxmacó dscrta. o E

6 E E E f f V / V 1 1 V / V 1/ 1/ (1) Dod V ) volum( y V volum( ) Exprmtos umércos l caso d dos dmsos ha mostrado qu las aproxmacos A prsta u gra rror los campos d sfurzos. Para rducr l rror s csaro s csaro dsmur l tamaño d los lmtos d la malla. Como coscuca dl rfamto d la malla l costo computacoal s crmta a putos maabls. Aproxmacó por promdos podrados - A1 Esta s u procdmto más prcso pro s au aproxmado cuado s compara co mallas qu sgu compltamt la gomtría dl obto. Aproxmacos A1 trasforma l lmto costtudo d dos matrals por u matral homogéo sotrópco qu mor smula las caractrístcas dscotuas dl lmto. S s toma ua promdo podrada d los valors dl modulo d Youg dl tror y l xtror O, tocs () pud sr aproxmado como E E E ( 1) E Dod s la fraccó d volum dl lmto qu stá dtro d la structura V / V. D mara smlar a la aproxmacó A, la matrz d rgdz para l lmto pud calculars térmos dl la matrz d rgdz d u lmto stádar. Falmt, A y A1 aproxma los lmtos como lmtos homogéos aplcado (1) o (). S mbargo la aproxmacó A1 t ua prcsó supror s crmtar sgfcatvamt los tmpos d cómputo. Adcoalmt aproxmacó A1 prmt la lmacó parcal d matral Lo qu lo hac sgfcatvamt supror la aplcacó dl Optmzacó Estructural Evolutva (ESO). o () Aproxmacó por putos d Gauss E sta aproxmacó s utlza l método d Gauss-Lgdr para hacr la tgracó d la matrz d rgdz y s utlza la fucó d Havsd H ( r, s) g d gh( r, s) d (3) El uso d la fucó d Havsd causa qu la tgracó sa dscotua sobr todo l domo dl lmto. Para ua bua aproxmacó s db usar ua catdad d putos d Gauss dsa, lo qu hac qu l método sa computacoalmt costoso, ya qu la catdad d putos fluy sobr l umro d valuacos qu s db hacr. OPMZACÓN ESRUCURAL EVOLUVA E ESO clásco, los lmtos qu stá baamt sforzados so cosdrados lmtos co bao aport al soport structural dl obto y por tato so caddatos para sr rmovdos. El prst acrcamto al problma dfr dos aspctos fudamtals co l problma clásco. E prmr lugar s utlza úmros d ssbldad lugar d valors dl sfurzo como crtro d rmocó o adcó d matral. E sgudo lugar l matral s rmovdo d mara cotua usado aproxmacó A1 lugar d aproxmacó A.

7 El crtro d volucó para adcó o rmocó d matral s dtrma por comparacó dl umro d ssbldad dl sfurzo co su valor más alto cotrado la structura y qu satsfaga α RR α. Dod RR ss s doma l asa d Rchazo (dl gls rcto rat) para l stado stabl ss (dl gls stady stat). Aproxmacó A rmuv compltamt l lmto basado st crtro. S mbargo sto da lugar a suprfcs co caractrístcas rrgulars. Para corrgr st factor la rmocó d matral s hac a partr d calcular las curvas d so-suprfc dl umro d ssbldad calculado para toda la structura. Est procso d rmocó d matral s rptdo usado l msmo RR hasta qu s llga al stado stabl. El stado stabl s l stado l cual o s rmuv más matral co l prst RR. E st puto s csaro crmtar l RR para cotuar co la rmocó d matral. Dfrts crtros xst para crmtar st valor, sdo l más coocdo l uso d u cofct d tasa d volucó ER (dl gls Evoluto Rat) RR ss 1 = RR ss ER. ER varía tr valors d cro a uo. La dtrmacó d st valor s hac a través d prubas computacoals. σ ss σmax Algortmo. El algortmo d optmzacó costa d los sguts pasos 1. Dfcó dl domo cal. Dtrmacó dl domo d la malla fa FG 3. Ralzar u Aálss d Elmtos Ftos (FEA) dl sstma para dtrmar l máxmo sfurzo y las cargas vrtuals f dado por Eq, (1). 4. Ralzar otro FEA para los sstmas vrtuals 5. Dtrmar los úmros d ssbldad dtrmados por la Eq. (11) 6. Calcular las curvas d so-sfurzo dl úmro d ssbldad ασt = RRss ασmax 7. Rmovr l matral a través d las curvas d so-sfurzo α σt 8. S s ha alcazado l stado stacoaro, crmtar la tasa d rchazo SS. d acurdo a RR ss+1 = RR ss + ER. cotrado l mímo máxmo sfurzo. y volvr al paso atror. D otra forma volvr al paso 3 a 7 hasta qu s haya Emplo La hstora volutva d la optmzacó d ua vga d Mchll s mustra la Fg.. La Fg.q mustra la gomtría cal y las cargas aplcadas. La part c, d y mustra la volucó d la structura dfrts stados. Los rsultados prlmars d sta vstgacó mustra qu l prst algortmo llga a vls smlars d rduccó d matral (4%) solamt 84 tracos. E cotrast ESO clásco csta 838 tracos. El tmpo d rduccó total fu dl 8 al 98 % cuado s compara co dfrts varats dl método ESO. Fgura : Evolucó d d la structura d Mchll utlzado úmros d ssbldad d sfurzos y rmocó d matral a través d curvas d so-ssbldad.

8 CONCLUSONES Cuado s utlza ESO clásco los lmtos so rmovdos utlzado u crtro dscrto d rmocó por lmto. El rsultado s ua suprfc rrgular qu troduc coctracos locals d sfurzo. La rmocó d matral utlzada aquí sgu trayctoras suavs vtado las coctracos locals d sfurzo. Dbdo a sto los dos métodos sgu dfrts trayctoras d volucó. Los rsultados prlmars mustra covrgcas mucho mas rápdas dl método utlzado l prst studo. ampoco s obsrva formacó d patros d tablro d adrz. NOMENCLAURA Matrz d rgdz d u lmto u vctor dsplazamtos α Númro d ssbldad d dsplazamto α Númro d ssbldad d sfurzo σ FG Domo d Mallas Fas RR ss ER asa d rchazo para l stado stacoaro ss asa d volucó Matrz d rgdz stádar REFERENCAS 1. M. García Fxd Grd Ft Elmt Aalyss Structural Dsg ad Optmzato. PhD thss Uvrsty of Sydy.. Garca M.J. ad Stv G.P. Dsplacmt Error for Fxd grd FEA lastcty problms. cogrso Colombao lmtos ftos y modlacó matmátca. Mdll 1-11 d Octubr d Maul García ad Grat P. Stv. Fxd Grd Ft Elmts Elastcty Problms. Egrg Computatos. Volum 16 Numbr, pp Maul García ad Grat Stv. Fxd grd ft lmts ad global/local aalyss. V world cogrss o computatoal mchacs, Buos Ars, Juo H. m, M. J. García, O. M. Qur, G. P. Stv ad Y. M X Fxd Grd Ft Elmt Aalyss Evolutoary Structural Optmsato World Cogrss o Structural ad Multdscplary Optmsato, Nw York, Mayo Maul García ad Grat Stv. Optmsato of structurs by usg Fxd Grd rprstato of th ft lmt doma. Australasa Cofrc structural optmsato, Sydy Fbrro d Maul García ad Grat Stv. tractv Arospac dsg usg Fxd Grd Ft Elmt Aalyss. tratoal Arospac Cogrss, Sydy, Fbrro X, Y. M. ad Stv, G. P. (1993), A smpl volutoary procdur for structural optmzato, Computrs ad Structurs, vol. 49, o. 5, pp m, H., García, M. J., Qur, O. M., Stv, G. P. ad X, Y. M. (), Fxd grd ft lmt aalyss volutoary structural optmsato. Egrg Computatos, vol. 17, o. 4, pp García, M., Ruz, O. ad Stv, G. (1), Egrg dsg usg volutoary structural optmsato basd o so-strss-drv smooth gomtry rmoval, NAFEMS World Cogrss 1, pp

9 11. Qug L, Grat P Stv, Osvaldo M Qur y Y.M. X, Evolutoary Shap Optmzato for Strss Aalyss, Mchacs Rsarch Commucatos, Vol 6 No. 6 pp , 1999.

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

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

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 8º CNGRES BERAMERCAN DE NGENERA MECANCA Cusco, 23 al 25 d ctubr d 2007 PTMZACÓN ESTRUCTURAL CN MALLAS FJAS Y ANALSS DE SENBLDAD Maul García*, Pirr Boulagrº, Aljadro Rstrpo* *Dpartamto d giría Mcáica Uivrsidad

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles

Q c 0 en V (5.1a) y z k. y n

Q c 0 en V (5.1a) y z k. y n V.- PROBLEM DE CMPO ECLR 5..- Itroduccó dfrca d los problmas abordados los capítulos atrors, dod las cógtas rlacoados co los msmos ra catdads vctorals, st ua gra gama d problmas dod las cógtas so d aturala

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

FINITOS Introducción

FINITOS Introducción I.- ORMULACIÓN ARIACIONAL INITO DL MÉTODO D LO LMNTO 4..- Itroduccó l Capítulo II, las cuacos d los lmtos s dduro usado l método drcto. Como a s mcoó, st método, a psar qu mustra claramt l squma d ucoamto

Más detalles

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

Teoría de errores. Tema 4

Teoría de errores. Tema 4 Toría d rrors Tma 4 Tma 4 Toría d rrors 4. El rror rdadro 4. Clasfcacó d rrors Sgú las causas qu los prooca Sgú los fctos qu produc 4.3 Ly d rrors d Gauss Postulados d Gauss y dstrbucó d rrors Valor más

Más detalles

Automá ca. Capítulo4.RespuestadeRégimenTransitorio

Automá ca. Capítulo4.RespuestadeRégimenTransitorio Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..

Más detalles

APLICACIÓN DEL MÉTODO (PFEM) A LA SIMULACIÓN DE PROCESOS INDUSTRIALES CON GRANDES DEFORMACIONES

APLICACIÓN DEL MÉTODO (PFEM) A LA SIMULACIÓN DE PROCESOS INDUSTRIALES CON GRANDES DEFORMACIONES APLICACIÓ DEL MÉTODO (PFEM A LA SIMULACIÓ DE PROCESOS IDUSTRIALES CO GRADES DEFORMACIOES Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr * * Uvrsdad Poltécca d Cataluña (UPC Campus ord UPC, Edfc C Jord

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

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

Elementos de Probabilidad y Estadística

Elementos de Probabilidad y Estadística Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco

Más detalles

APUNTE Y PROBLEMAS DE FÍSICA III

APUNTE Y PROBLEMAS DE FÍSICA III APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

Obtención de la matriz de varianzas y covarianzas a través de los productos Kronecker en modelos balanceados de dos y tres vías con aplicaciones en R

Obtención de la matriz de varianzas y covarianzas a través de los productos Kronecker en modelos balanceados de dos y tres vías con aplicaciones en R Matrz d varazas covarazas modlos balacados d dos trs vías Dspobl lía : www.javraa.du.co/uvrstas_sctarum, Vol. 6 N : 6-7 SICI: 7-5(9/)6:..S;-L Artículo orgal Obtcó d la matrz

Más detalles

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly CAPÍTULO III MODELOS DE REGRESIÓN LOGÍSTICA 3. ANTECEDENTES La rgrsó logístca s ua d las

Más detalles

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

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

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

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

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

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

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

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

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL. Graldads Estadístca: Cojuto d torías y téccas para la rcoplacó, l aálss, la trprtacó y la prstacó d datos umércos Etapas

Más detalles

Ampliació de Química-Física Curs Introducció

Ampliació de Química-Física Curs Introducció Itroduccó F Curs 7-8 mplacó d uímca-físca Curs 7-8 Itroduccó Cotdo ma : Cocptos báscos d Mcáca Cuátca Postulados d la Mcáca Cuátca Sstmas scllos Caja Cuátca rdmsoal Rotor Rígdo Osclador armóco promacó

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

CURSO DE ESPECIALIZACIÓN.,QWURGXFFLy D 0pWRG G (OHPHQWR )LQLWRV. Dr. Ing. Claudio E. Jouglard

CURSO DE ESPECIALIZACIÓN.,QWURGXFFLy D 0pWRG G (OHPHQWR )LQLWRV. Dr. Ing. Claudio E. Jouglard 8QLYHUVLGD 7HFQROJLF DFLRQDO )DFXOWD 5HJLRQD %XHQR $LUHV CURSO DE ESPECIALIZACIÓ,QWURGXFFL D pwrg G (OHPHQWR )LQLWRV )RUPXODFL 9DULDFLRQD G (OHPHQWR )LQLWRV Dr. Ig. Clado E. Joglard otas dl Crso dctado

Más detalles

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

Más detalles

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente UNIVERSIDAD NACIONA MAYOR DE SAN MARCOS FACUTAD DE CIENCIAS MATEMÁTICAS UNIDAD DE POSGRADO Bootstrap los modlos d lccó dscrta: ua aplcacó l método d valoracó cotgt TESIS Para optar l Grado Académco d Magístr

Más detalles

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

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

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

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

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

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

Termodinàmica Química i Estadística Curs Part de Termodinàmica Estadística

Termodinàmica Química i Estadística Curs Part de Termodinàmica Estadística rmodámca ItroduccóEstadístca F Curs 7-8 rmodàmca uímca Estadístca Curs - Part d rmodàmca Estadístca Cotdo ma : Fudamtos d rmodámca Estadístca Colctvos Postulados Colctvo Caóco: cofguracos psos cofguracó

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta APNTE DE CLAE ECONOMETRÍA I. DI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJNTA EN EL MBRL Prof. Rafal d Arc Rafal.darc@uam.s I. Cotrast d sgfcacó cojuta dl modlo a

Más detalles

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1.

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1. AÁLISIS DE DATOS PROVEIETES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIOES A LA ECUESTA DE HOGARES Y EMPLEO DE LA PROVICIA DE BUEOS AIRES. Autors: Damot C, Motvrd M 3, Prz V 4 y Sotlo R 5 (VERSIÓ DEL 3 DE

Más detalles

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Estadístca

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

PASCAL THEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING NOISE GENERATED BY AN INDUCTION MOTOR SQUIRREL CAGE TYPE

PASCAL THEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING NOISE GENERATED BY AN INDUCTION MOTOR SQUIRREL CAGE TYPE ISSN: 169-757 - Volum 1 - Númro 15 - Año 010 Rvsta Colombaa d Tcologías d Avazada Rcbdo: 01 d agosto d 009 Acptado: 15 d octubr d 009 PASCAL TEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

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

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

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

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

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

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

DISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL

DISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL BNP DISTRIBUCIONES BINOMIAL, DE POISSON NORMAL Dstrbucó bomal BNP I a. S ucará acá d uvo l problma ya cosdrado NP X : Dado u sucso A cuya probabldad d ocurrca ua pruba aslada s p, s qur hallar la probabldad

Más detalles

I.AURIOL - E.OLIVERA ) convexity for the set of equilibrium in n-person cyclic game s wit h. en en los cuales la función de pago de

I.AURIOL - E.OLIVERA ) convexity for the set of equilibrium in n-person cyclic game s wit h. en en los cuales la función de pago de Rvsta d a U ó Matmátca Agta Voum 9 994 I INTRCAMBIABILIDAD DL CNUNT D PUNTS D QUILIBRI N UGS N-PRSNALS C CL ICS IAURIL - LIVRA ) Abstact I ths pap w show th quvac of tchagabt ad covxt fo th st of qubum

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

Introducción. Descripción del espacio físico Coordenadas curvilíneas: propiedades Líneas y superficies coordenadas Elementos de geometría diferencial

Introducción. Descripción del espacio físico Coordenadas curvilíneas: propiedades Líneas y superficies coordenadas Elementos de geometría diferencial I. Fundamntos mat. Coordnadas d curvlínas Góm, 00/ Dpto. Físca Aplcada III (U. Svlla) Campos Elctromagnétcos Ingnro d Tlcomuncacón I. Fundamntos mat. Coordnadas curvlínas Introduccón. Dscrpcón dl spaco

Más detalles

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS www.ova.ud.s/wbags/ild/wb/d.htm -mal: mozas@l.ud.s TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS Dstbucó dgada u uto c.- Fucó d obabldad: P( = c) = ; P( c) = 0. Fucó d dstbucó: F() = 0, c, c Momtos: E()

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

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s

Más detalles

METODO DE ELEMENTOS FINITOS

METODO DE ELEMENTOS FINITOS METODO DE EEMENTOS FINITOS El Método d Elmtos Ftos (MEF) s u método uméro ara rsolvr uaos dfrals or mdo d "aromaos dsrtas". A dfra dl método d dfras ftas (MDF), l ual la zoa d soluó s u outo d utos dsrtos,

Más detalles

APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA

APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emrsarals Dartamto d Ecoomía Alcada Profsor: Satago d la Fut Frádz APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA

Más detalles

7 Máquinas Estocásticas

7 Máquinas Estocásticas 7 Máqua Etocátca 7. Itroduccó Cuado tudamo lo modlo rcurrt d Hopfld o cotramo co l covt d qu la rd qu buca la cofguracó d míma rgía computacoal ul qudar atrapada mímo local qu o o global puto qu l qu ua

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES

Más detalles

Tema IV: Ruidos e Interferencias: Técnicas de reducción.

Tema IV: Ruidos e Interferencias: Técnicas de reducción. SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak

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

COLEGIO DE POSTGRADUADOS

COLEGIO DE POSTGRADUADOS OLEGIO E POSTGAUAOS INSTITUIÓN E ENSEÑANZA E INVESTIGAIÓN EN IENIAS AGÍOLAS AMPUS MONTEILLO SOIOEONOMÍA, ESTAÍSTIA E INFOMÁTIA ESTAÍSTIA VALIAIÓN E MOELOS MEANÍSTIOS BASAA EN LA PUEBA JI-UAAA E FEESE,

Más detalles

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS Dpartamto d Matmáticas. IE.S. Ciudad d Arjoa º Bach Socials. LÍMITES Propidads: TEMA : LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS. LÍMITES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. LÍMITES. RESOLUCIÓN DE INDETERMINACIONES.

Más detalles

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción Vrsó 014 CAITULO 4 OYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE Dvsó Mcáca d Torllos Torllos d trasmsó Torllo d ajust y sujcó UTN-BB Cátdra: Elmtos d Máquas. rofsor: Dr. Ig. Marclo Tulo ova Vrsó 014

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Resumen TEMA 6: Momentos de inercia

Resumen TEMA 6: Momentos de inercia EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

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

Potencial periódico Término de corrección Término sin de segundo orden perturbación Término de corrección de primer orden

Potencial periódico Término de corrección Término sin de segundo orden perturbación Término de corrección de primer orden Bds d rgí otdo Tor d Boch. Torí d ctró cs r.org d ds. Modo d Krog-Py. jo. stdo Sódo Potc áss otc qu s usó áss tror fu u otc tt. s áss d uy u rsutdo s s ctr trs tá us ocurr u tto d ctros. S rgo, otros trs

Más detalles

FÓRMULAS DE MATEMÁTICAS FINANCIERAS

FÓRMULAS DE MATEMÁTICAS FINANCIERAS FÓRMULAS DE MATEMÁTIAS FINANIERAS TEMAS Y 2: ONEPTOS BÁSIOS... 2 Ly facra. Suma facra. Potulado d quvalca facra. Saldo facro. TEMA 3: MAGNITUDES DERIVADAS... 3 Factor, rédto, rédto acumulado, tato (d captalzacó

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

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

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

( ) ( ) ( )( ) ( )( ) ( )

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

Más detalles

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

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

Más detalles

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange Capítulo 4-. El poblma d la tpolacó. Polomo tpolado d Lagag 4 El poblma d la Itpolacó. Sa f ua fucó cotua [a, b] d la qu s cooc l valo qu toma putos dsttos (odos):...... S tata d calcula l valo apomado

Más detalles

4. Funciones básicas

4. Funciones básicas 4. Fucos báscas Fucó Epocal Sa, dfmos la fucó pocal como: Por qué? (cos s (cos s 3 / 3 (cos / s / 3 ( s rduc a cuado s ral (cuado 0. ( s ua fucó tra (s aalítca todo puto. (3 Su drvada cocd co la fucó msma,

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS

Más detalles

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.

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

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

Técnicas de análisis de tendencias en mediciones espectrales y de nivel total de parámetros de diagnóstico

Técnicas de análisis de tendencias en mediciones espectrales y de nivel total de parámetros de diagnóstico Igría Mcáca (000) 7-3 7 Téccas d aálss d tdcas mdcos spctrals d vl total d parámtros d dagóstco L. Paad Saz, E. Palomo Marí, I. Pérz Malla Facultad d Igría Mcáca. Isttuto Supror Poltécco José A. Echvrría

Más detalles