Expresiones racionales. la función racional. ... l--- Denominador (no nulo)

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

Download "Expresiones racionales. la función racional. ... l--- Denominador (no nulo)"

Transcripción

1 Epresones raconales Así como llamamos números raconales a los números de la forma % con a b enteros (b :t= O)llamaremos epresones raconales a las epresones de la forma: P() Q()... f--- umerador... l--- Denomnador (no nulo) donde P() Q() son polnomos de una sola ndetermnada sendo Q() no nulo. Ejemplo 1:-ª- es una epresón raconal porque el numerador P() = 3 es un polnomo el denomnador Q() = tambén es un polínomo Ejemplo 2: 3 + 6X2 + \12 es una porque P() = es un..: Q() =. Ejemplo 3: X3 + V no es una epresón raconal porque. la funcón raconal Llamamos funcones raconales a las funcones cua fórmula es una epresón raconal: f() = P() Q() Salvo que se ndque otra cosa debe quedar entenddo que el domno de una funcón es el conjunto más amplo de números reales para el cual la fórmula tene sentdo. Como la dvsón por Ono está defnda el domno de una funcón raconal es el conjunto de todos los valores de la varable que no anulan al denom'nador. que ten- Cuando trabajamos con funcones raconales como su domno puede no ser m es mu mportante qamos constantemente presente su domno. Ejemplo 1: El domno de la funcón g() = ~ es: Dom g = m - { } -2 Ejemplo 2: El domno de la funcón p() = ~ es: Dom p = Ejemplo 3: El domno de la funcón q() = es: Dom q =.. e + 3) X2 + 1 Ejemplo 4: El domno de la funcón r() = es: Dom r =. e -5)( + 2)

2 Ejemplo 5: Consderemos la funcón h() = X2-9 Para ndcar su domno necestamos eclur las de su denomnador como éste es un polnomo utlzaremos las técncas que aprendmos para hallarlas. Factorízamos el =. Raíces del denomnador: l = 2 = => Dom h = R - { } Ejemplo 6: Consderemos la funcón j() = Para ndcar su dornno factorzamos el denomnador: =. Raíces del denomnador: l = 2 = 3 = => Dom j =. Smplfcacón de epresones raconales Al trabajar con funcones raconales nos resultará convenente smplfcar sus fórmulas es decr sus epresones raconales. Es posble smplfcarlas cuando esten factores comunes al numerador al denomnador; de lo contraro la epresón raconal es rreducble. Consderemos la funcón j() del ejemplo 6. Una vez factorzados su numerador su denomnador podemos epresar su fórmula así: j() = _-"C--_-_1)<.>C""...+_1L)--:- ( + 3)( - 1)( + 1) Smplfcamos todos los factores comunes: j() = ~~ 1 (+3)~C~ =~ (» 1; ;-l) Las dos epresones raconales anterores son equvalentes. Es más sencllo trabajar con la rreducble pero sn perder de vsta que el domno de la funcón es el que quedó determnado a partr de la epresón orgnal.. "'>- Entonces podemos escrbr: j() = 1_ con Dom j = R - { } +3 r-: ract uen 2. ndquen el domno de cada funcón s es posble smplfquen sus fórmulas para que sean rreducbles. f()=~ 2 + X h() = () = J'( ) = ---:------: m () = ---'--'---'--':..:..:...::--=-:--'----'-----'--''-' ~ 3. Smplco afrma que el domno de la funcón f() = : r es R. Es certo? Por qué? ++ v5

3 Gráfcos de funcones raconales nterseccón con el eje La nterseccón del gráfco de una funcón f() con el eje se produce cuando la varable se anula. Esto es posble úncamente s = Opertenece al domno de f(); en caso contraro no ha nterseccón. Ejemplo: Consderemos la funcón f() = ~ Dom f = Nos preguntamos: = O pertenece al domno de f?: ; entonces calculamos feo) = - 2 = => La nterseccón del gráfco de ( con el eje es el punto P = ( ; ) 1. f f{[\ ~:. =. '\.; 1 :-r-;. R o V " \ " Ceros Las nterseccones del gráfco de una funcón raconal f() con el eje se producen para los valores de que anulan la funcón es decr para aquellos que anulan alnumerador que pertenecen al domno de f. Esos valores de síesten.son los ceros de f(). Ejemplo 1: Hallemos los ceros de la funcón f() = ~ -l Dom f'». Para hallar los ceros resolvemos la ecuacón: + 1 = O => =.::...:.. Como = -1 pertenece al domno de f el conjunto de ceros de f()~: co = { } Ejemplo 2: Consderemos la funcón g() = Dom g =. Factorzamos los polnomos smplfcamos: _(.>..._.._.. _.._.._.. _..t = -- ( )( ) Obtuvmos una epresón de g() que es gual a la de f() del ejemplo. Sn embargo g() f() no son la msma funcón a que sus domros son dstntos. ntentemos hallar los ceros de g(): Planteamos: = O => =. Obtuvmos un valor de que no pertenece al domríío de g. Luego Co =. 1- '. -. '. 1'\!...!'-J. r-o \. l r-.o ~ 1'\ 1\ : ~.1 'f~1 m :1 1 r- ~ J J "" + /1 +:1 J ~~ract uen 4. ndquen el punto de nterseccón del gráfco de cada una de las sguentes funcones con el eje ; s es que este: 4-16 g()= h()= Hallen los ceros de las funcones del ejercco 4 s es que ~ 6. esten. Analcen la valdez de las sguentes afrmacones: a) Una funcón corta el eje a lo sumo una vez. b) Una funcón corta el eje a lo sumo una vez. e) S Dom f = R => f() corta el eje. d) S Dom f = R => f() corta el eje.

4 Asíntotas vertcales Estudaremos una característca que suelen presentar algunas funcones raconales. Consderemos la funcón f() =!'cuo domno es: Dom f = Como no podemos calcular f(o) analzaremos las mágenes de f() para valores de mu prómos a O. A) S nos acercamos al por la derecha (0+): B) S nos acercamos al por la zquerda (0-): 0- --' ~ - o f(ooool) =. f(oooool) =. f(ooooool) =. res cada vez más prómos a Opor la derecha los valores de f() son cada vez Lo ndcamos así: S tende a 0+=> => f() tende a +00 (+00 ~e lee: más nfnto) A medda que toma valoo t r- f().-x f(-ooool) =. f(-oooool) =. f(-ooooool) =. A medda que toma valores cada vez más prómos a Opor la zquerda los valores de f() son cada vez Lo ndcamos así: S tende a 0- => => f() tende a -00 (-00 se lee: menos nfnto) ttt"t=-> 1/1 o f{) --X El gráfco de f() = ~ tene una rama derecha una rama zquerda S tende a 0 cada una de las ramas se aproma a la recta vertcal cua ecuacón es = (es el eje ). Esa recta es una asíntota vertcal de la funcón. Valores de f() t ~ cada vez maores \ 1 f(.-x -" ~ prómo a o Asíntota Val?res de f() r- vertcal cada vez maores = O.- " S el denomnador de la formulá de una funcón raconal no tene ceros esa funcón no tene asíntotas vertcales. En cambo s a es cero del denomnador no anula al numerador la recta de ecuacón = a es una asíntota vertcal. Por ejemplo: g() = 1 tene dos asíntotas vertcales cuas ecuacones ( + l)( - 2) on = -1 Y = 2.! gb1 -. : a' 1 1\... 1 \ o... '=- :2 ; \\ - 1-1\ ract uen 7. Es certo que la funcón f() = =l tene una asíntota ver ~ 8. tcal de ecuacón = O? Por qué? Consderen la funcón f() = 5 e ndquen qué suce-4 de con las mágenes de los valores de que tenden a 4+

5 h MnfO'»1ntrn Asíntotas horzontales Contnuaremos analzando la funcón f() = ~ para estudar otra característca que suelen presentar algunas funcones raconales. Analcemos las mágenes de f() para valores de cada vez maores para valores de cada vez menores. A) Valores de cada vez maores (+00): B) Valores de cada vez menores (-00): +00 [ )r-}-> -Hf: O O f(10 000) = f( ) =. f( ) =. f(l ) =. A medda que toma valores cada vez maores los valores de f() están cada vez más prómos a. f( ) =. f(-l ) =. A medda que toma valores cada vez menores lo valores de f() están cada vez más prómos a. S tende a +00 => f() tende a O S tende a -00 => f() tende a O 1 f{) =-; -ff[t -=========-----no-r--' ~O =========~~~ 1 f() = -; S tende a +00 o a -00 cada una de las ramas del gráfco de f() se aproma a la recta horzontal cua ecuacón es: = (es el eje... ). Esa recta es una asíntota horzontal de la funcón. Asíntota ~ horzontal 1 = O f() =-; ~ ~ Valores de. cada vez menores O Valores de cada vez maores de su e- Una funcón raconal tene asíntota horzontal s el qrado del numerador presón es menor o gual que el grado del denomnador. ~ract uen 9. Es certo que la funcón f() = -l tene una asíntota horzontal de ecuacón = O? Por qué? 10. a) Analcen cómo son las mágenes de la funcón f() = 2X: 1 para valores de cada vez maores para valores de cada vez menores. b) ndquen s f() tene asíntota horzontal. En caso afrmatvo escrban su ecuacón. 11. Escrban las ecuacones de las asíntotas vertcales horzontales de cada una de las funcones grafcadas: f- - >-=- p.==-t -1 '-- ~~- f---l-\ ~~3 v! )\.9 : \ lo r-- '.1< f-f-l- f-htx- l / l H Lc. / -- _.f- -- )L \ ;-- lr O ' r --í !

6 Construccón del gráfco Para grafcar una funcón raconal f() podemos segur estos pasos:.0 ndcamos el domno de f'() a partr de su fórmula orgnal. _0 os fjamos s la epresón de f() es reducble. En caso de serlo la smplfcamos obtenemos la epresón de una nueva funcón s(). ndcamos su domno. A partr del gráfco de s() obtendremos el gráfco de (). El gráfco de f() es como el de se) ecepto para los valores de que pertenecen al domno de s pero no al domno def En esos valores de el gráfco de f() tene "agujeros". ".0 Analzamos s la funcón tene asíntotas vertcales. En caso de que estan escrbmos sus ecuacones las trazamos en el gráfco con una línea punteada..0 Analzamos s la funcón tene asíntotas horzontales. Para ello consderando que fe) = ~~~ podemos utlzar este esquema:... f! gr[p{)] < gr[q{)] =o gr[p{)] = gr[q{)] = gr[p{)] > gr[q{)] coefcente prncpal de P() coefcente prncpal de Q() No tene En caso de que estan escrbmos las ecuacones de las asíntotas horzontales las trazamos en el gráfco con una línea punteada. 5. Hallamos el punto de nterseccón del gráfco de la funcón con el eje s es que este lo marcamos': 6. Hallamos los ceros de la funcón s es que esten los marcamos en el gráfco. 7. S es necesaro calculamos algunas mágenes de la funcón que nos auden a trazar el gráfco. Por ejemplo s ha asíntotas vertcales suele ser útl obtener las mágenes de los valores de prómos a ellas a uno otro lado de cada una. 0 Trazamos el gráfco de fe) de modo que la curva pase por los puntos que marcamos se aprome a las asíntotas s es que esten. Ejemplo 1: Grafquemos la funcón f() = X2-2 4 cuo domno es Dom f Smplfcamos la epresón: f() = (. )(. ) => s() = Dom s: Observamos que = 2 pertenece al domno de pero no al de Entonces hacemos así: 1. Grafcamos s() que es una funcón lneal.!! 2. Construmos el gráfco de fe) que es como el de s() pero con un "agujero" en el punto que correspondería a la magen de = 2.! ' b ; +. " í!! ' -+

7 Ejemplo 2: Grafquemos la funcón f() = ndcamos su domno: Dom f =. Es reducble la epresón de la fórmula de f()?. Analzamos s tene asíntota vertcal: El valor de que anula al denomnador de la fórmula de f() es: = Nos preguntamos: anula tambén al numerador? => La ecuacón de la asíntota vertcal es: =. Trazamos una línea punteada para marcar esa asíntota. Analzamos s tene asíntota horzontal: Como los grados de los polnomos numerador denomnador son calculamos el cocente de los coefcentes. Ecuacón de la asíntota horzontal: = --- Trazamos una línea punteada para marcar esa asíntota. Hallamos la nterseccón del gráfco con el eje : f( ) = => P = ( ; ) ~ -B.1 r- v 4 J.. ~ 1 o : - -) - 4 Marcamos ese punto. Hallamos los ceros: Planteamos: = O => = => co = { } Marcamos ese punto en el gráfco. Calculamos algunas mágenes más marcamos esos puntos: ~ - f(l) =... f(2) =. f(-3) =... f(-4) =... Trazamos las dos ramas de la curva de f() hacéndola pasar por los puntos que marcamos antes apro-.. mándola a las Debemos tener en cuenta que: sr.1-~ende a -1- => f() tende a s tende a -1+ => f() tende a s tende a +00 o a _00 => f() tende a. ~~ract uen 12. Grafquen la funcón f() = Para ello después de ndcar su domno smplfquen la epresón de la fórmula de f() llamen s() a la funcón que obtuveron cua epresón es rreducble e ndquen su domno. Analcen grafquen s() después sobre la base de ese gráfco obtengan el de f() tenendo en cuen- '. ta que s un valor de pertenece al domno de s() pero.. no al de f() en esa abscsa habrá un "agujero" en el gráfco de f(). ~ 13. Grafquen las sguentes funcones: f() = g() h() = X

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1 NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

ANEXO B SISTEMAS NUMÉRICOS

ANEXO B SISTEMAS NUMÉRICOS ANEXO B SISTEMAS NUMÉRICOS Sstema Decmal El sstema ecmal emplea ez ferentes ígtos (,,,, 4, 5, 6, 7, 8 y 9). Por esto se ce que la base el sstema ecmal es ez. Para representar números mayores a 9, se combnan

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

ACTIVIDADES INICIALES

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

Más detalles

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS. 4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

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

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

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

Propiedades Asintóticas

Propiedades Asintóticas Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,

Más detalles

TEMA 3. VARIABLE ALEATORIA

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

Más detalles

FUNCIÓN RACIONAL. 1 es racional x. es racional. es racional. es racional. es racional. El dominio de toda función racional es igual al conjunto ( ) 0

FUNCIÓN RACIONAL. 1 es racional x. es racional. es racional. es racional. es racional. El dominio de toda función racional es igual al conjunto ( ) 0 FUNCIÓN RACIONAL Función Racional. Dados polinomios p( ) q( ) tales que no tienen actores comunes, se deine la unción racional como la unción ormada por el cociente de los polinomios Ejemplos de unciones

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

Expresiones racionales. MATE 0008 Departamento de Matemáticas UPRA

Expresiones racionales. MATE 0008 Departamento de Matemáticas UPRA Epresiones racionales MATE 0008 Departamento de Matemáticas UPRA EXPRESIONES RACIONALES En las matemáticas, la palabra racional se asocia a epresiones con forma de fracción; o sea que tienen un numerador

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

Tema 4. Números Complejos

Tema 4. Números Complejos Tema. Números Complejos. Números complejos...... Defncón de números complejo..... Conjugado y opuesto de números complejos..... Representacón gráfca de los complejos.... Operacones con complejos..... Suma

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

OSCILACIONES 1.- INTRODUCCIÓN

OSCILACIONES 1.- INTRODUCCIÓN OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.

Más detalles

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

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

Más detalles

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones

Más detalles

2x 1. compatible determinado, luego tiene una única solución. Para resolverlo aplicaremos reducción, 23y = 0

2x 1. compatible determinado, luego tiene una única solución. Para resolverlo aplicaremos reducción, 23y = 0 RELACIÓN DE ECUACIONES Y SISTEMAS. Considera el sistema. 7 Atención a los coeficientes del sistema! 7. Sabemos antes de resolverlo que el sistema es compatible determinado, luego tiene una única solución.

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES

PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES OBJETIVOS ESPECÍFICOS 1) Identfcar y manejar el materal básco de laboratoro. ) Preparar

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

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

Más detalles

Problemas sobre números complejos -1-

Problemas sobre números complejos -1- Problemas sobre números complejos --.- Representa gráfcamente los sguentes números complejos y d cuáles son reales, cuáles magnaros y, de estos, cuáles magnaros puros: 5-5 + 4-5 7 0 -- -7 4.- Obtén las

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire 4 Undad II: Análss de la combustón completa e ncompleta. 1. Are El are que se usa en las reaccones de combustón es el are atmosférco. Ya se djo en la Undad I que, debdo a que n el N n los gases nertes

Más detalles

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

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

Más detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c. Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una

Más detalles

Lección 12: Sistemas de ecuaciones lineales

Lección 12: Sistemas de ecuaciones lineales LECCIÓN 1 Lección 1: Sistemas de ecuaciones lineales Resolución gráfica Hemos visto que las ecuaciones lineales de dos incógnitas nos permiten describir las situaciones planteadas en distintos problemas.

Más detalles

Números complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro

Números complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro Matemátcas Bachllerato? Soluconaro del Lbro Actvdades Dado el número complejo se pde: qué valor ha de tener x para que x? Calcula el opuesto de su conjugado Calcula el conjugado de su opuesto x x x El

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

INECUACIONES. Por ejemplo 2 3 x 6.

INECUACIONES. Por ejemplo 2 3 x 6. INECUACIONES 1. Desigualdades Una desigualdad es una expresión en la que interviene uno de los signos: ,. Por ejemplo, 3 + 10, que es una desigualdad cierta. 3+ > 5 es una desigualdad falsa.. de primer

Más detalles

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena. UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es

Más detalles

Capítulo V. Teoremas de Fermat, Euler y Wilson

Capítulo V. Teoremas de Fermat, Euler y Wilson Capítulo V Teoremas de Fermat, Euler y Wlson En este capítulo utlzamos los conceptos desarrollados en dvsbldad y conteo para deducr tres teoremas báscos de la teoría de números. En el próxmo capítulo,

Más detalles

Apellidos: Nombre: para x 1, determina sus asíntotas. 4. Halla el valor de los parámetros m y n para que la función f sea continua en todo.

Apellidos: Nombre: para x 1, determina sus asíntotas. 4. Halla el valor de los parámetros m y n para que la función f sea continua en todo. EXAMEN DE MATEMÁTICAS CONTINUIDAD Y DERIVABILIDAD Apellidos: Nombre: Curso: º Grupo: C Día: 3- II- 6 CURSO 05-6. Halla el dominio de definición y recorrido de las funciones a) f(x)= 9 b) g(x)= 4. Calcula

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

3.1 Resolver mediante el método de la transformada de Laplace el problema 1.1.

3.1 Resolver mediante el método de la transformada de Laplace el problema 1.1. rcutos y Sstemas Dnámcos Ejerccos tema 3 Método de la transformada de aplace 3. esolver medante el método de la transformada de aplace el problema.. 3. esolver medante el método de la transformada de aplace

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

CENTRO DE ESTUDIOS ESTADÍSTICOS DE JUSTICIA CONSTITUCIONAL

CENTRO DE ESTUDIOS ESTADÍSTICOS DE JUSTICIA CONSTITUCIONAL CENTRO DE ESTUDIOS ESTADÍSTICOS DE JUSTICIA CONSTITUCIONAL Ajuste de modelo de regresón logístca para la medcón de accón de tutela como factor de congestón de los Trbunales y Juzgados de las Jursdccones

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

(p +Q 222 P +Q P +Q )

(p +Q 222 P +Q P +Q ) TEMA S.- PUNTOS. RECTAS Y PLANOS EN EL ESPACO. TEMA 5.- PUNTOS, RECTAS Y PLANOS EN EL ESPACO..- PUNTOS. Sstema de referenca: Un sstema de referenca en el espaco 93 consste en un conjunto formado por un

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departamento Admnstratvo Naconal de Estadístca Dreccón de Censos Demografía METODOLOGIA ESTIMACIONES Y PROYECCIONES DE POBLACIÓN, POR ÁREA, SEXO Y EDAD PARA LOS DOMINIOS DE LA GRAN ENCUESTA INTEGRADA DE

Más detalles

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

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

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

EJERCICIOS REPASO 2ª EVALUACIÓN

EJERCICIOS REPASO 2ª EVALUACIÓN MATRICES Y DETERMINANTES 1.) Sean las matrices: EJERCICIOS REPASO 2ª EVALUACIÓN a) Encuentre el valor o valores de x de forma que b) Igualmente para que c) Determine x para que 2.) Dadas las matrices:

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles

DE LA GRÁFICA A LA EXPRESIÓN ALGEBRAICA

DE LA GRÁFICA A LA EXPRESIÓN ALGEBRAICA De la gráfica a la expresión algebraica DE LA GRÁFICA A LA EXPRESIÓN ALGEBRAICA Rectas, Parábolas, Hipérbolas, Exponenciales Logarítmicas LA RECTA Comencemos localizando el punto donde la recta corta al

Más detalles

= 1. x = 3: Lím = Asíntota vertical en x = 3: = 0 ; No se anula nunca. Punto de corte con OY es (0, 3) 3 x

= 1. x = 3: Lím = Asíntota vertical en x = 3: = 0 ; No se anula nunca. Punto de corte con OY es (0, 3) 3 x Modelo 4. Problema A.- (Calificación máima: puntos) 4 si Se considera la función real de variable real f ( ) si > a) Determínense las asíntotas de la función y los puntos de corte con los ejes. a. Asíntotas

Más detalles

Correlación y regresión lineal simple

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

Más detalles

Índice de Precios de las Materias Primas

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

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

En este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de

En este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO

Más detalles

Trabajo y Energía Cinética

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

Más detalles

EXPRESIONES RACIONALES

EXPRESIONES RACIONALES EXPRESIONES RACIONALES a El conjunto de las fracciones b, donde a b son enteros (0, ±1, ±, ±, ) b 0, se le conoce como los números racionales. En matemática, la palabra racional se asocia a epresiones

Más detalles

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

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

Más detalles

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

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

Más detalles

Disoluciones. Disolución ideal. Disolución ideal. Disolución ideal. Disolución ideal

Disoluciones. Disolución ideal. Disolución ideal. Disolución ideal. Disolución ideal Dsolucones TEM. Dsolucones reales. otencal químco en dsolucones reales. Concepto de actvdad. Una dsolucón es una mezcla homogénea de un componente llamado dsolvente () que se encuentra en mayor proporcón

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

La variable compleja permite resolver problemas muy diferentes dentro de. áreas tan variadas como pueden ser hidráulica, aerodinámica, electricidad,

La variable compleja permite resolver problemas muy diferentes dentro de. áreas tan variadas como pueden ser hidráulica, aerodinámica, electricidad, 17 Análss matemátco para Ingenería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 1 Los números complejos La varable compleja permte resolver problemas muy dferentes dentro de áreas tan varadas

Más detalles

CAPÍTULO. Funciones. y D f.x/ f.x/ Œx; f.x/ x x

CAPÍTULO. Funciones. y D f.x/ f.x/ Œx; f.x/ x x PÍTULO Funciones. Gráfica de una función real de variable real Definimos la gráfica G f de una función f real de una variable real como: G f def D {.; / R R D R Df & D f./ } : La epresión anterior se lee:

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

TEMA 4. TRABAJO Y ENERGIA.

TEMA 4. TRABAJO Y ENERGIA. TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

EXPRESIONES ALGEBRAICAS RACIONALES

EXPRESIONES ALGEBRAICAS RACIONALES Epresiones Algebraicas Racionales EXPRESIONES ALGEBRAICAS RACIONALES Llamaremos epresiones algebraicas racionales a las de la forma A() donde A() y B() son B() polinomios de variable, y B() 0. Por ejemplo,

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

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

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

Más detalles

Límite de una función

Límite de una función Idea intuitiva de límite Límite de una función El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es

Más detalles

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles