GENERALIDADES SOBRE MÓDULOS

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

Download "GENERALIDADES SOBRE MÓDULOS"

Transcripción

1 GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo Z Z 5 Q[ x] Q[ x] c) El Q[ x] -módulo ( x ) ( x ) d) El R-módulo M N, para M y N dos R-módulos cualesquera Sea R u domo de tegrdad y f : M N u morfsmo de R-módulos Probar: M T( M ) = b) S N es lbre de torsó, etoces T( M) Ker( f) c) S M es de torsó, etoces Im( f) T( N) a) T( ) T( M) 4 U homomorfsmo de allos es u somorfsmo s exste u morfsmo verso Se llama móco s es smplfcable a zquerda, y épco, s es smplfcable a derecha Probar que la clusó : Z Q es u morfsmo de allos móco y épco, pero o es u somorfsmo 5 Demostrar que el Z -módulo Q es descompoble, pero o es cíclco 6 Sea R { a b : ab, } = + Z Se defe ϕ : R R medate ϕ ( a+ b ) = a+ b Probar que ϕ es u edomorfsmo de Z -módulos, pero o de R-módulos Probar que R es somorfo a Z Z como Z -módulo 7 Sea V u K-espaco vectoral V de dmesó fta y α :V V u edomorfsmo a) Probar co detalle que V es u Kx-módulo [ ] medate la ley de composcó extera defda como sgue: s b) S {, } f = ax y v V, = 0 = 0 v v es ua base de V y ( kv kv ) kv kv descrbr todos los Kx-submódulos [ ] de V f v = aα () v α + = + para cualesquera k, k K, 8 Probar que el cojuto X = {,} forma u sstema geerador del Z -módulo Z, y que o cotee gua base lbre de Z Deducr de aquí ua dfereca esecal e el comportameto de los Z -módulos lbres y los K-espacos vectorales 9 Probar que u R-módulo R es lbre de torsó s y sólo s R = 0 o es u domo de tegrdad Probar que todos submódulo del R-módulo lbre R es lbre s y sólo s R = 0 o R es u DIP

2 SUBMÓDULOS DE MÓDULOS LIBRES FINITAMENTE GENERADOS SOBRE UN DIP 0 Sea F = Z y sea N = Z+ Z, co = (,0,0) y = (0,,) Se cosdera la clusó : N F, que es u morfsmo de Z -módulos Hallar las bases de F y N respecto de las cuales la matrz de es reducda Demostrar que el deal I = (, x) de Z [ x] o es lbre como Z[ x] -módulo Qué coclusó se puede sacar de este hecho? Dado el allo R= C [ xy, ], razoar s el R-módulo I = ( xy, ) es o o lbre Sea I R u deal del allo R Es certo que s R es u R-módulo lbre etoces I I = 0? 4 Sea I u deal del allo R Probar que I es lbre como R-módulo s y sólo s es u dea prcpal geerado por u elemeto o dvsor de cero 5 Probar que u allo R e el que todo R-módulo ftamete geerado es lbre, es el allo 0 o es u cuerpo 6 Sea A la matrz de u homomorfsmo ϕ etres los Z -módulos lbres que ϕ es yectva s y sólo s ra ( ) = m 7 Ecotrar ua base lbre para el Z -submódulo de (, 0, -), (,, -), (0,, ) y (,, 5) m Z y Z Probar Z geerado por los elemetos 8 Ecotrar ua base lbre del submódulo M de Z geerado por las solucoes del sstema de ecuacoes x+ y+ z = 0 x + 4y + 9z = 0 9 Sea A = la matrz de u edomorfsmo ϕ del Z -módulo Z, respecto de la base caóca Ecotrar ua base lbre de Im( ϕ ) y calcular su rago Es ϕ sobreyectvo?

3 MATRICES CON COEFICIENTES EN UN DIP Hallar la forma reducda de A= 4 M( Z ) Ecotrar matrces regulares X e Y sobre Z tales que XAY se la matrz dagoal correspodete al ejercco ateror Calcular la matrz de factores varates sobre Q [ x] de la matrz Calcular la matrz de factores varates sobre Q [ x] de la matrz 4 Idcar razoadamete cuáles de las sguetes matrces so vertbles: a) A = 5 e M ( Z ) b) A = 5 e M ( Q ) x c) A = 4 e M ( Q [ x] ) x x d) A4 = e M ( Q [ x] ) + x x 0 0 B= 0 x x x + x x C = x x + x x 5 Probar que x 0 A = x o es equvalete sobre Z [ x] a ua matrz dagoal 6 Dada la matrz a) M ( ) C b) M ( Z ) [] + E = , hallar ua forma reducda para E e: 7 Probar que s R es u DIP y A M ( R), etoces A es vertble s y sólo s es equvalete a I 8 Se cosdera los morfsmos de Z -módulos f, g: Z Z, defdos medate f (,0,0) = (,4,), f (0,,0) = (,0,), f (0,0,) = (,,0), g (,0,0) = (,,),

4 g (0,,0) = (0,,0) y g (0,0,) = (,0,) Calcular la matrz de f g respecto de la base caóca lbre de Z e dcar s f ó g es u automorfsmo 9 Sea R u domo de tegrdad Probar que gú subcojuto del R-módulo lealmete depedete sobre R puede coteer más de elemetos 0 De ua matrz A M ( ) Z se sabe que el mayor de sus factores varates e valor absoluto es 6, que otro factor varate es y que 50< det( A) < 00 Puede calcularse el otro factor varate de A sobre Z? Puede calcularse det( A )? Idcar la relacó exstete etre los determates de ua matrz A M ( [] ) ua matrz dagoal D, equvalete a A Razoar s los sguetes subcojutos so bases lbres: (,,),(,0,),(,, ) del Z -módulo lbre Z a) { } b) {(,, ),(0,, ),(,,0)} xx x x del Q[ x] -módulo lbre c) {(, ),(, ) } + del Z[] -módulo lbre Z [] Q [ x] R Z y de Probar que cualquer matrz de determate o ulo A M ( K), co K u cuerpo, es equvalete a la matrz detdad, I Qué ocurre s det( A ) = 0? 4 Ecotrar la matrz D de factores varates sobre Q [ x] de la matrz x x G = x x + x + 5 Hallar matrces vertbles X e Y tales que D = XGY, para G y D las del ejercco ateror 6 Calcular los deales J( A ) geerados por los meores de orde,, para la matrz A= 0 M( Z ) 0 7 De ua matrz A M ( Z ) se cooce sus factores varates d =, d = 7 y J ( ) 9 A = Z Calcular, s es posble, el valor absoluto del determate de A 8 Detectar los casos e que se produzca ua cotradccó para ua matrz A M ( Z ), co matrz de factores varates D dag{ d, d, d } a) d = d =, d = y A= I b) d =, d =, d = 6 y det( A ) = 6 c) d = 5, d = 5 y det( A ) < 00 d) d =, d = 6, d = 0 y J ( A ) = 6Z =, sedo: 4

5 GRUPOS ABELIANOS 9 Clasfcar los grupos abelaos de orde 84 y calcular los varates de torsó de cada uo de ellos 40 Ecotrar el orde y los varates de torsó del grupo abelao A= ab, ;a+ b= 0,9a+ 4b= 0 4 Determar el rago lbre de torsó y los varates de torsó del grupo abelao A= abc,, ; a+ b= 0,9a+ c = 0 4 Dada la sguete presetacó del grupo abelao A: A= abc,, ; 4a+ b+ 6c= 0, 6a+ b+ 6c= 0,7a+ 4b+ 5c = 0 Probar que A = y hallar elemetos uv, A, de órdees 6 y respectvamete, tales que A=< u > < v> 4 Sea A = 0 la matrz de relacoes de u grupo abelao Ecotrar ua suma 0 drecta de grupos cíclcos que sea somorfa a dcho grupo abelao 44 Dado el grupo abelao A= abc,, ; a 4b= 0,a+ b+ c= 0, hallar los factores varates y el orde del grupo 45 Las relacoes de u grupo abelao A co geeradores a, b y c so a+ b= 0, a = 0, 4a+ b= 0 y 4a+ b+ c= 0 Descompoer A e suma drecta de subgrupos cíclcos 46 Determar el úmero de clases de somorfía de grupos abelaos de orde Hallar los factores varates de cada ua de las clases de somorfía del ejercco ateror 48 Hallar los varates de torsó y el orde del grupo abelao presetado por: A= abc,, ;7a+ 5b+ c= 0,a+ b= 0,a+ b+ c = 0 49 Ecotrar los factores varates del grupo presetado por: A= xyz,, ;x+ y = 0, x y+ z = 0 50 Aplcar el Teorema de estructura para descompoer e suma drecta tera de subgrupos cíclcos el grupo abelao co la sguete presetacó: A= xyz,, ;x+ y+ 8z = 0,x+ 4z = 0 5 Descompoer el grupo abelao 5 Z como suma drecta tera de subgrupos, dcado explíctamete cuáles so los elemetos de cada subgrupo 5

6 TEOREMAS DE ESTRUCTURA DE MÓDULOS FINITAMENTE GENRADOS SOBRE DIP 5 Descompoer el Z -módulo M = Z5 Z80 Z 54 e compoetes prmaras y e compoetes descompobles 5 Idcar, razoadamete, cuál es el rago lbre de torsó y la sucesó de factores varates de torsó para cada uo de los sguetes módulos: a) U K-espaco vectoral V de dmesó b) El Z p -módulo Z p, co p prmo c) El Z -módulo Z p, co p prmo 54 Probar que cada módulo cocete de u modulo cíclco de torsó M sobre u DIP es somorfo a u submódulo de M 55 Hallar las compoetes prmaras del sguete Z [ x] -módulo: Z [ x] Z [ x] M = Z [ x] ( x + ) ( x + ) 56 Hallar los factores varates del Z [ x] -módulo M del ejercco ateror 57 Hallar los factores varates del sguete Z[] -módulo: Z[] Z[] Z[] M = Z [] (Sugereca: utlzar que los prmos a+ b Z [], a 0 b, so los que cumple que a + b es prmo e Z ) 58 Sea M = xy, u Z[] -módulo tal que ( + x ) + ( y ) = 0 y x+ 5y = 0 Expresar M como suma drecta de módulos cíclcos, utlzado el Teorema de estructura 59 Aplcar el Teorema de estructura para obteer la descomposcó e sumados descompobles, la descomposcó prmara y los factores varates del Z -módulo Z Z Z Dado el Q -espaco vectoral Q y el morfsmo α : Q Q dado por α (,0,0) = (,,0), α (0,,0) = (0,,) y α (0,0,) = (0,,0), ecotrar para u vector v deducr de este hecho? = ( abc,, ) Q, u polomo o ulo f [ x] Q tal que f v = (0,0,0) Qué se puede 6 Dar tres ejemplos de módulos descompobles que tega dferetes propedades, y que sea dferetes del propo allo 6

7 FORMAS CANÓNICAS DE MATRICES CON COEFICIENTES EN UN CUERPO 6 Ecotrar las formas caócas de la matrz 0 A = 4 6 sobre C 6 Hallar el polomo mímo y el polomo característco sobre C de la matrz B = 0 64 Hallar la forma caóca racoal de la matrz compleja 0 0 A = Sea A ua matrz sobre C co ch( A) = ( x+ ) ( x ) y m( A) = ( x+ ) ( x ) Eumerar las posbles formas caócas de Jorda dsttas para A 66 Probar que la matrz Jorda A = es dempotete Hallar su forma caóca de 67 Sea V u C -espaco vectoral bdmesoal y sea Ed( V ) Razoar s el C[ x] -módulo V (vía α ) es o o cíclco α, co matrz C 0 68 Determar la forma caóca de Jorda de A sabedo que ch( A) = ( x ) ( x 5), que el espaco de vectores propos asocado al valor propo es udmesoal, y que el asocado a 5 es bdmesoal 69 Sea A M ( C ) Probar que A es semejate a ua matrz dagoal s y sólo s m( A ) o tee raíces múltples 70 Sea V u K-espaco vectoral de dmesó y sea α Ed( V K ) Probar que α es cíclco s y sólo s ch( α) = m( α) 7

8 Hallar la forma caóca de la matrz A= M4( C ) Hallar los dvsores elemetales y la forma caóca racoal de la matrz A= M4( Q ) Hallar las formas caócas racoal y racoal prmara de la matrz A= M( Z ) Probar que A o es semejate a ua matrz de Jorda Cosderemos la matrz A= M( Z ) Calcular ch( A, ) m( A, ) FCR, 0 FCRP y FCJ, s exste Hallar los varates prmaros y la FCJ de A= 0 4 M( Z 5) 0 76 Ecotrar u ejemplo de ua matrz A M ( ) R que o tega FCJ 8

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

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

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

2.5. Área de una superficie.

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

Más detalles

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

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

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

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

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

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

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

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Vectores y matrices. x 1. x 2. x n. vector columna. X x 1, x 2,...,x n vector fila. a 11 a a 1m. a 21 a a 2m... a n1 a n2...

Vectores y matrices. x 1. x 2. x n. vector columna. X x 1, x 2,...,x n vector fila. a 11 a a 1m. a 21 a a 2m... a n1 a n2... Vectores y matrices x 1 X x 2. x vector columa X x 1, x 2,...,x vector fila a 11 a 12... a 1m A a 21 a 22... a 2m............ a 1 a 2... a m Matriz traspuesta a 11 a 21... a 1 A a 12 a 22... a 2............

Más detalles

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

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

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

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

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Álgebra lineal numérica con. Matlab

Álgebra lineal numérica con. Matlab Álgebra leal umérca co Matlab Métodos Matemátcos de Especaldad (Mecáca-Máquas) Escuela écca Superor de Igeeros Idustrales Uversdad Poltécca de Madrd Javer García de Jaló de la Fuete Septembre 004 Álgebra

Más detalles

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS Números complejos SOLUCIONARIO Números complejos LITERATURA Y MATEMÁTICAS Las trbulacoes del estudate Törless Dme, etedste be todo esto? Qué? Ese asuto de los úmeros magaros. Sí, o es ta dfícl. Lo úco

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

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

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

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

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

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

Más detalles

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

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

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

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

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

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

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

mecánica estadística Estadísticas Cuánticas Capítulo 5

mecánica estadística Estadísticas Cuánticas Capítulo 5 mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó

Más detalles

EXPRESIONES ALGEBRAICAS

EXPRESIONES ALGEBRAICAS EXPRESIONES ALGEBRAICAS 1 Epresoes Algebrcs es l uó de úmeros y vrbles medte opercoes de sum, rest, multplccó, dvsó, poteccó y rdccó. Epresó lgebrc rcol: se llm sí quells e ls que ls vrbles está fectds

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

5. ANALISIS DE COLUMNAS DE ABSORCION

5. ANALISIS DE COLUMNAS DE ABSORCION 55 5. AALISIS DE COLUMAS DE ABSORCIO Se cosdera como a dad compleja la qe se etede costtda por cojto de dades smples, por ejemplo, a colma de absorcó o destlacó. La separacó qe se propoe e a de ellas se

Más detalles

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:...... 1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Transformada rápida de Fourier.

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

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes Segmetacó de obetos e movmeto utlzado GPCA, téccas algebracas y fluo óptco para aplcacoes e espacos telgetes Crsta Losada, auel azo, Sra Palazuelos Departameto de Electróca. Uversdad de Alcalá Alcalá de

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura

- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura - Ferado Sáchez - - 5 Números Cálculo I complejos 14 10 2015 E el cuerpo de los úmeros reales ecuacioes como x 2 + 1 = 0 o tiee solució: el poliomio x 2 + 1 o tiee raíces reales. Hace falta exteder el

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

Álgebra I Práctica 3 - Números enteros (Parte 1)

Álgebra I Práctica 3 - Números enteros (Parte 1) FCEyN - UBA - 1er cuatrimestre 015 Divisibilidad y algoritmo de divisió Álgebra I Práctica 3 - Números eteros (Parte 1 1. Decidir cuáles de las siguietes afirmacioes so verdaderas a, b, c Z i a b c a c

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Análisis Numérico: Matrices y Métodos directos de resolución de SEL

Análisis Numérico: Matrices y Métodos directos de resolución de SEL Matrces, aplcacoes leales y métodos drectos de resolucó de sstemas de ecuacoes leales Grupo de Dámca de Flujos Ambetales Uversdad de Graada Mauel Díez Mguto Ídce Ídce... 2 Lsta de Fguras...3 Lsta de Tablas...

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

AMORTIGUAMIENTO INTERNO EN ESTRUCTURAS. Grupo INME Universidad Industrial de Santander Iván Darío Gómez Araújo

AMORTIGUAMIENTO INTERNO EN ESTRUCTURAS. Grupo INME Universidad Industrial de Santander Iván Darío Gómez Araújo AMORIGUAMIENO INERNO EN ESRUCURAS Grupo INME Uversdad Idustral de Satader Ivá Darío Gómez Araúo Cotedo Datos expermetales (Bbloteca de Mllka) y recomedacoes para amortguametos modales. Dámca estructural

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

MATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero

MATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero ucesioes Ua sucesió es u cojuto de úmeros dados ordeadamete de modo que se pueda umerar: primero, segudo, tercero Ejemplos: a), 3, 5, 7, 9, b), 4, 9, 6, 25, 36 c) 2, 4, 8, 6, 32, 64 e llama térmios a los

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Los números complejos

Los números complejos Los úmeros complejos Los úmeros complejos Forma biómica Defiició z = a + bi, o bie, z = (a, b) siedo a la parte real y b la parte imagiaria. a = r cos α b = r se α Opuesto z = a bi Cojugado z = a bi Represetació

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD

FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD Blázquez J. Dvsó de Fsó Nuclear CIEMAT, Madrd INTRODUCCIÓN Co frecueca, las meddas de recueto radoactvo está sujetas a Garatía de Caldad (). Etre otras cosas,

Más detalles

Tema 1: Números Complejos

Tema 1: Números Complejos Números Complejos Tema 1: Números Complejos Deició U úmero complejo es u par ordeado (x, y) de úmeros reales Éste puede iterpretarse como u puto del plao cuya abscisa es x y cuya ordeada es y El cojuto

Más detalles