2. GENERACIÓN NUMEROS ALEATORIOS
|
|
- Agustín Montes Pérez
- hace 6 años
- Vistas:
Transcripción
1 2. GENERACIÓN NUMEROS ALEATORIOS GENERAR úmeros aleatorios de ua cierta distribució de probabilidad sigifica obteer VALORES DE LA DISTRIBUCIÓN que se pueda cosiderar INDEPENDIENTES. E u proceso e tres fases:. Obteció de los valores 2. Comprobació de que perteece a la distribució elegida (test de hipótesis) 3. Comprobació de que puede cosiderarse idepedietes (test de hipótesis) GENERACIÓN NUMEROS ALEATORIOS La obteció de los valores se hace e dos pasos:. Obteció de valores de ua distribució U(0,) 2. Trasformació de los valores ateriores e valores de la distribució elegida. Estudiaremos las dos fases por separado.
2 GENERACIÓN NUMEROS ALEATORIOS U(0,) Por orde croológico: Extracció co reemplazamieto de bolas de ua ura o similares. Método cuadrado medio (940). Métodos cogrueciales lieales (95). Métodos cogrueciales multiplicativos módulo primo (962). Métodos múltiplemete recursivos (990). Combiació de métodos de los dos últimos tipos. GENERACIÓN NUMEROS ALEATORIOS U(0,) Método más atiguo: Elecció, co reemplazamieto, de úmeros del 0 al 9 sacado bolas umeradas de ua bolsa. Si se quiere, por ejemplo, 4 decimales, se extrae 4 bolas y se poe u puto decimal delate. Vetaja: los úmeros obteidos so totalmete idepedietes. Icoveiete: la geeració es muy leta. Se busca métodos mecaizados. 2
3 GENERACIÓN NUMEROS ALEATORIOS U(0,) Método cuadrado medio (940) Vo Newma: Se elige u etero de cuatro cifras, Z 0. Cada valor Z i+ se obtiee a partir de Z i tomado los cuatro dígitos cetrales de Z i2. Si Z i2 o tiee ocho dígitos se completa co ceros a su izquierda hasta que sí los tega. Se poe u puto decimal delate obteiédose el valor U i, úmero aleatorio de ua U(0,) MÉTODO CUADRADO MEDIO 2 Zi Zi Ui Icoveiete: la geeració o es idepediete e absoluto y la secuecia preseta ua fuerte tedecia a 0. 3
4 GENERACIÓN NUMEROS ALEATORIOS U(0,) TODOS los geeradores que se usa tiee este icoveiete: los úmeros NO so idepedietes. Si embargo, si se geera co cuidado, puede obteerse úmeros que PARECEN idepedietes (pasa los test de hipótesis) Por este motivo, los úmeros o se llama aleatorios sio PSEUDOALEATORIOS. MÉTODOS CONGRUENCIALES LINEALES (95; Lehmer) Se elige cuatro eteros iiciales: Z 0 (semilla), m (módulo), a (multiplicador) y c (icremeto); 0 < Z 0, a, c < m. Se usa la fórmula recursiva: ( ) Z = i az + + i c mod m Se defie U i como: U i Zi = m 4
5 OBJECCIONES A LOS MÉTODOS CONGRUENCIALES LINEALES Cada valor de la secuecia está totalmete determiado desde el pricipio a partir de Z 0, m, a y c: i c( a i ) Zi = az0+ mod m a Los valores U i solamete puede ser 0, /m, 2/m,..., (m-)/m y si m es pequeño hay muchos úmeros del itervalo [0,] que o puede salir. Esto se resuelve tomado m grade. Ejemplo co Z 0 = 7, m = 6, a = 5 y c = 3. i Z i U i i Z i U i
6 OBSERVACIONES El comportamieto cíclico de este ejemplo es INEVITABLE. La logitud del ciclo se llama PERIODO del geerador. Claramete, el periodo siempre es meor o igual que m. Si el periodo es m se dice que el geerador tiee PERIODO COMPLETO. Como e ua simulació se usa cietos de miles de úmeros aleatorios iteresa que los geeradores tega periodo lo más largo posible y, si se puede, que tega periodo completo. CARACTERÍSTICAS DE UN BUEN GENERADOR Los úmeros geerados debe de parecer idepedietes y veir de U(0,) (pasar los test). Debe de ser rápidos y ecesitar poca memoria (almaceamieto). Debe de poder producir secuecias largas (periodo máximo m) para asegurar que e ua secuecia de m úmeros aleatorios, cada uo sólo se repite ua vez. Debe de poder reproducir la misma secuecia de úmeros aleatorios. Debe de poder producir secuecias idepedietes para poder modelizar las distitas fuetes de aleatoriedad del sistema. 6
7 MÉTODOS CONGRUENCIALES LINEALES CON PERIODO COMPLETO TEOREMA: (Hull-Dobell, 962) u método cogruecial lieal tiee periodo completo m sí y solo sí:. El úico etero positivo que divide de maera exacta a m y c es (m.c.d.{m,c}=). 2. Si q es u úmero primo que divide a m, etoces q tiee que dividir a (a-). 3. Si 4 divide a m, etoces 4 divide a (a-). MÉTODOS CONGRUENCIALES LINEALES CON PERIODO COMPLETO La codició del teorema hace que sea diferete el trato de los métodos e los que c = 0 o c 0. Si c 0: MÉTODOS MIXTOS: se puede verificar la codició del teorema y obteer periodo completo. Si c = 0: MÉTODOS MULTIPLICATIVOS: o se puede obteer periodo completo pero so más secillos de implemetar. Se estudiaro e primer lugar métodos mixtos (puede obteerse periodo completo) pero los úmeros obteidos o teía bueas propiedades estadísticas. 7
8 MÉTODOS CONGRUENCIALES LINEALES MULTIPLICATIVOS Elecció de m: dividir por m para obteer el resto es ua operació relativamete leta. Es deseable o teer que hacer la divisió e forma explícita. Si b = logitud de palabra del ordeador, eligiedo m = 2 b se puede evitar la divisió utilizado el overflow de eteros. MÉTODOS CONGRUENCIALES LINEALES MULTIPLICATIVOS Ejemplo: Z 0 = 5, b = 4 (m = 2 4 =6), a = 5 y c = 3. Cómo obteer Z = 2 si hacer la divisió etre m = 6? 5 Z = 28. Su represetació biaria es 00. Como solo se puede almacear 4 dígitos, se pierde el de la izquierda, resultado 00, que es la represetació biaria de Z = 2. 8
9 MÉTODOS CONGRUENCIALES LINEALES MULTIPLICATIVOS No se puede obteer periodo completo m pero co ua elecció adecuada de m y a se puede obteer periodo m- (casi completo). La elecció de m = 2 b parece adecuada pero solo se obtiee u periodo máximo de 2 b-2 = = 2 b /4 como mucho (sólo se obtiee la cuarta parte de los valores que podría obteerse e (0,)). Cosecuecia: o se obtiee valores de ua U(0,). Se observó que si se elige m primo, se obtiee mejores resultados. Esto llevó a los métodos cogrueciales lieales multiplicativos módulo primo. MÉTODOS CONGRUENCIALES LINEALES MULTIPLICATIVOS MÓDULO PRIMO TEOREMA (Hutchiso-Lehmer, 966):. Si m es primo 2. Elegimos a de maera que el meor etero, k, para el cual a k es divisible por m es k = m- 3. Z 0 < m-, etero, etoces, el método cogruecial multiplicativo resultate tiee periodo (m-). 9
10 MÉTODOS CONGRUENCIALES LINEALES MULTIPLICATIVOS MÓDULO PRIMO El caso de logitud de palabra b = 32 bits ha sido muy estudiado porque muchos ordeadores y compiladores e uso fucioa co esta logitud de palabra. Para este caso, tomado m = 2 3 hay 534 milloes de úmeros que cumple la codició para a. Fucioa bie a = 7 5 o a = Todos los leguajes de simulació tiee implemetados métodos cogrueciales lieales multiplicativos módulo primo. MÉTODOS CONGRUENCIALES MÚLTIPLEMENTE RECURSIVOS So métodos propuestos e la década de los 90. La secuecia obteida satisface la relació recursiva: Zi+ = ( az 0 i + az i + az 2 i az k i k) mod m Dode m, k, a i eteros positivos, co 0 < a i < m-. El máximo periodo coseguido co estos geeradores es m k, que se alcaza cuado m es primo y y el poliomio característico de la relació recursiva aterior verifica ua serie de codicioes. 0
11 MÉTODOS CONGRUENCIALES MÚLTIPLEMENTE RECURSIVOS Co estos métodos se obtiee secuecias mucho mayores que co los métodos cogrueciales lieales (se pasa de periodo m- a periodo m k ) Si embargo, las propiedades estadísticas de la secuecia sigue si ser óptimas. Éstas mejora si se trabaja co ua combiació de métodos cogueciales lieales (MacLare, 965))o métodos múltiplemete recursivos (L Ecuyer, 996). Pascal utiliza ua combiació de métodos cogrueciales lieales para geerar úmeros aleatorios de U(0,). TEST DE HIPÓTESIS Ua vez geerada la secuecia de úmeros aleatorios es FUNDAMENTAL verificar que cumple las propiedades estadísticas requeridas: Los úmeros obteidos so idepedietes: TEST DE INDEPENDENCIA. Los úmeros aleatorios viee de U(0,): TEST DE DISTRIBUCIÓN (cotraste de Kolmogorov- Smirov)
12 GENERACIÓN NUMEROS ALEATORIOS Vimos que la obteció de úmeros aleatorios de ua distribució se hace e dos pasos:. Obteció de valores de ua distribució U(0,) (YA HECHO) 2. Trasformació de los valores ateriores e valores de la distribució elegida. E la fase 2, hay métodos específicos para cada distribució. Sólo estudiaremos los que os hace falta para realizar el trabajo: distribucioes expoecial y Erlag (cotiuas) y distribució discreta cualquiera. Distribució expoecial Método de la trasformada iversa: Si U es ua v.a. co distribució U(0,) y X es ua v.a. co fució de distribució F(x), etoces, la v.a. defiida por F - (U) tiee fució de distribució F(x). Si se desea geerar u úmero aleatorio de ua expoecial co parámetro β,x,. Geerar u úmero aleatorio de U(0,), u, segú el método elegido (e Pascal, u:= radom); 2. Aplicar la fórmula : x : = l( u) β 2
13 Distribució Erlag Reproductividad: si X i, i=,..,, so v.a. expoeciales de parámetro β, idepedietes X+ X X γ (, β) = Erlag(, β) Si se desea geerar u úmero aleatorio de ua Erlag (,β),x,. Geerar º aleatorios de U(0,), u, u 2,..., u, segú el método elegido (e Pascal, u i : = radom, i =,..,); 2. Aplicar la fórmula : x : = lu = l u β i i= β i= i Distribució discreta Se desea geerar u úmero aleatorio,x, de ua variable discreta que toma valores, {, 2,..., }, < 2 <... < { } x x x x x x co probabilidades p, p2,..., p Paso.- Dividir el itervalo [0,] e subitervalos cada u de logitud p i (cerrados por la izquierda y abiertos por la derecha). Paso 2.- Geerar u º aleatorio de ua U(0,), u, segú el método elegido. Paso 3.- Si u cae e el itervalo i-ésimo, hacer x = x i. 3
14 Ejemplo Se desea geerar u úmero aleatorio,x, de ua variable discreta que toma 4 valores, { 0,, 2, 3} co probabilidades,,, Paso.- El itervalo [0,] se divide e los subitervalos [0,/6), [/6,/2), [/2, 3/4) y [3/4, ). Paso 2.- Se geera valores de ua U(0,), u i : u = , u 2 = , u 3 = 0.57,... Paso 3.- Si u cae e el itervalo i-ésimo, hacer x = x i.etoces, x =, x 2 = 3, x 3 =,... Distribució discreta Para el trabajo: se ecesita geerar u úmero aleatorio,x, de ua variable discreta que toma dos valores, NODO 2 y NODO 3 co probabilidades 0.4 y 0.6, respectivamete:.- Geerar u úmero aleatorio de U(0,) (e Pascal, u:= radom); 2.- Si u < 0.4, hacer x:= NODO 2, si u > = 0.4, hacer x:= NODO3. 4
15 3.- DECIDIR EN UNA SIMULACIÓN CUANDO SE ALCANZA EL ESTADO ESTACIONARIO Objetivo de la simulació: estimar algú parámetro de redimieto e estado estacioario. Periodo estacioario: mometo a partir del cual las codicioes iiciales de la simulació deja de ifluir sigificativamete e los resultados. Periodo trasitorio: desde que comieza la simulació hasta que se alcaza el estado estacioario. Ejemplo: al simular u proceso de producció, el sistema comieza vacío e iteresa estudiar este sistema fucioado a pleo redimieto. Procedimieto habitual: o teer e cueta la parte iicial de la simulació, iiciado la cotabilidad después de ua catidad de tiempo adecuada. Primera idea: Se realiza u ejecució larga, se parte e trozos y para cada uo, se calcula algua medida de redimieto del sistema. Si esta medida se estabiliza a partir del istate t E, tomar éste como iicio del periodo estacioario. Mejora: Realizar el proceso aterior varias veces. Obteer de la ª ejecució t E y comezar el resto de simulacioes co las codicioes que tiee el sistema e el istate t E, obteer u istate de tiempo para cada ejecució y tomar el mayor de todos ellos como mometo e que comieza el periodo estacioario. 5
16 4.- ANÁLISIS ESTADÍSTICO DE LOS RESULTADOS Como los resultados de ua simulació so aleatorios, la forma de trabajar es REALIZAR EJECUCIONES y estimar los parámetros de redimieto mediate técicas estadísticas a partir de los resultados para las ejecucioes del programa. a) Estimació de medidas de redimieto e estado estacioario. b) Itervalos de cofiaza. c) Número de ejecucioes (réplicas) a realizar y logitud de las mismas. Obteció de réplicas idepedietes. 4.-ESTIMACIÓN DE MEDIDAS DE RENDIMIENTO EN ESTADO ESTACIONARIO ESTADÍSTICA: Sea X la característica e estudio, tal que E[X]=θ, descoocido. Forma de trabajo: Tomar ua m.a.s. (v.a. INDEPENDIENTES) X ˆ, X2,..., X y θ = Xi = X i= Maera de medir el error: itervalo de cofiaza para θ, co ivel -α. θ 2 ˆ θ S 2 ± h, S = ( Xi X), P( h< t h) α < = i= 6
17 ESTIMACIÓN DE MEDIDAS DE RENDIMIENTO EN ESTADO ESTACIONARIO A partir del itervalo de cofiaza para θ, se defie: ˆ S θ θ ± h ˆ S EA = θ θ < h ERROR ABSOLUTO: S θ ˆ θ h ERROR RELATIVO: ER = < ˆ θ X No depede de las uidades de medida i de la magitud de los datos. Se puede medir e % y se llama precisió del itervalo. ESTIMACIÓN DE MEDIDAS DE RENDIMIENTO EN ESTADO ESTACIONARIO Aplicació e ua simulació: Sea, por ejemplo, L, la característica a estimar (se razoa igual para cualquier otro parámetro, p k o W) Forma de trabajo: Realizamos ejecucioes INDEPENDIENTES. E cada ua de ellas obteemos ua estimació para L, L i : ˆ Teemos L, L,..., L idepedietes y L = L = L 2 Error absoluto e la estimació de L: S ( ) 2 i 2 EA= L L < h, S = L L i= i = i 7
18 4.-RELIZACIÓN DE EJECUCIONES INDEPENDIENTES MÉTODO : Ejecutar veces la simulació, cada ua co úmeros aleatorios distitos y descotar e cada ua el periodo trasitorio. MÉTODO 2: Realizar ua sola simulació larga y partirla e trozos. Así solo se cueta ua vez el periodo trasitorio pero las ejecucioes o so idepedietes. MÉTODO 3: Igual que el dos pero dejar etre dos trozos u periodo si cotar, más pequeño que el trasitorio. Es el más utilizado. MÉTODO 4 (REGENERATIVO): Localizar istates e el tiempo e los que el proceso se reiicie (putos de regeeració). 4.- NÚMERO DE EJECUCIONES Y LONGITUD DE LAS MISMAS Se obtiee resultados equivaletes usado meos ejecucioes más largas o más ejecucioes meos largas. Procedimieto: - Fijar la logitud de las ejecucioes. Fijar el error relativo γ máximo a cometer e la estimació del parámetro de iterés, θ. 2.- Realizar u úmero 0 de simulacioes (8 ó 9 e la práctica). Comprobar si la estimació de θ preseta u error relativo meor que γ. * si : ER < γ, termiar las ejecucioes * sio, 0 = 0 + y repetir el proceso. 8
Intervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesTest de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo
Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.
Más detalles14. Técnicas de simulación mediante el método de Montecarlo
4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 1) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua fábrica de muebles dispoe de 600 kg de madera para fabricar librerías de 1 y de 3 estates.
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesConvolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesINTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS
INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS Ua ecuació diferecial es ua ecuació que cotiee las derivadas de ua o más variables depedietes co respecto de ua ó mas variables idepedietes. Clasificació
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detalles2 CARTAS DE CONTROL POR ATRIBUTOS
2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detalles2.- 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 detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Frontera
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detallesMétodos Numéricos/ Calculo Numérico/ Análisis Numérico. Raíces de ecuaciones Teoría General de la iteración
Métodos Numéricos/ Calculo Numérico/ Aálisis Numérico. Raíces de ecuacioes Teoría Geeral de la iteració Bibliografía: Métodos Numéricos G. Pacce Editorial EUDENE -1997. Problemas resueltos de Métodos Numéricos.
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesDISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN
DISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN Ídice. INTRODUCCIÓN2 2. SISTEMAS DE ECUACIONES LINEALES2 Defiicioes básicas.2 Iterpretació vectorial3
Más detallesDERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:
DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesResolución de ecuaciones no lineales
Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesCÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007
CÁLCULO Ejercicios Resueltos Semaa 0 Julio al Agosto 007 Ejercicios Resueltos. Estime el área ecerrada por la curva de ecuació y, el eje X y, para ello, divida el itervalo [0,] e cico partes iguales, y
Más detallesCAPÍTULO 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE
CAPÍTULO. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE INTRODUCCIÓN El objetivo de este capítulo es estudiar alguos métodos uméricos para hallar raíces reales de ua ecuació o-lieal e ua
Más detallesPolinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios
Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detallesTransformaciones Lineales
Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 5 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo 5 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 5 OPCIÓN A EJERCICIO 1 (A) 1 3 - Se cosidera las matrices A
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesNegativos: 3, 2, 1 = 22. ab/c 11 Æ 18
Los úmeros reales.. Los úmeros reales El cojuto de los úmeros reales está formado por los úmeros racioales y los irracioales. Se represeta por la letra Los úmeros racioales so los úmeros eteros, los decimales
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallescon operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
Tema 9 El plao complejo 9. Números complejos E IR, las operacioes suma producto de úmeros reales so operacioes iteras (el resultado de operar es otro úmero real) que permite la existecia de operacioes
Más detallesEscuela Pública Experimental Desconcentrada Nº3 Dr. Carlos Juan Rodríguez Matemática 3º Año Ciclo Básico de Secundaria Teoría Nº 1 Primer Trimestre
Escuela Pública Eperimetal Descocetrada Nº Dr. Carlos Jua Rodríguez Matemática º Año Ciclo Básico de Secudaria Teoría Nº Primer Trimestre Cojuto de los úmeros racioales Los úmeros racioales so aquellos
Más detallesEntrenamiento estatal.
Etreamieto estatal. Combiatoria. Coteo. Problemas de caletamieto. 1. Cuátos códigos diferetes de cico dígitos puede hacerse? 2. Si para ir de A a B hay 3 camios, para ir de A a C hay dos camios, Para ir
Más detallesTema 1 Los números reales Matemáticas I 1º Bachillerato 1
Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesPlanificación contra stock
Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesLos vectores desempeñan un papel importante en Matemáticas, Física e Ingeniería y actualmente en materias como procesamiento de imágenes.
ESPACIOS VECTORIALES 1. INTRODUCCIÓN Escalares y Vectores E la técica existe catidades como Logitud, Área, Volume, Temperatura, Presió, Masa, Potecial, Carga eléctrica que se represeta por u úmero real.
Más detallesIES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11
IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como
Más detallesMOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL. Resumen: En este artículo se muestra como las transformaciones de funciones resultan
MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL Viceç Fot Departamet de Didàctica de les CCEE i de la Matemàtica de la Uiversitat de Barceloa Resume: E este artículo se muestra como las trasformacioes
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
Más detallesEstimación de los parámetros de las distribuciones Bernoulli y Poisson bajo cero eventos
Publicado e la Rev. Fac. Nac. Salud Pública 999; 7(): 30-36 Estimació de los parámetros de las distribucioes Beroulli y Poisso bajo cero evetos Estimatig parameters of the Beroulli ad Poisso distributios
Más detallesTÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulación Aplicada -
Escuela de Estudios Idustriales y Empresariales Igeiería Idustrial Facultad de Igeierías Físico-Mecáicas CONSTRUIMOS FUTURO TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulació Aplicada - NÚMEROS Y VARIABLES
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesAPLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.
APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de
Más detallesTRABAJO PRACTICO Nº 1
TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de
Más detallesGUÍA DE ESTUDIO ÁLGEBRA LINEAL
GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)
Más detallesUNEFA C.I.N.U. Matemáticas
RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el
Más detallesIDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE
IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE Determiació de la fució de trasferecia de lazo abierto de u sistema a partir de la curva asitótica de magitud del Diagrama de Bode.
Más detallesINTEGRALES DE RIEMANN
NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-
Más detallesUna ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx
.7 Ecuacioes difereciales lieales de orde superior 6.7 Ecuacioes difereciales lieales de orde superior Ua ecuació diferecial lieal de orde superior geeral tedría la forma d y d y dy a( ) a ( )... a ( )
Más detallesTema 8 Límite de Funciones. Continuidad
Tema 8 Límite de Fucioes. Cotiuidad 1. Operacioes co límites. Los límites de las sucesioes a b, c, d y e so los idicados e la tabla siguiete:, a b c d e - 0 1 Di cual es el límite de: a) lim( a b ) c)
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesLa característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera
La Capitalizació co ua Tasa de Iterés Siple El Iterés Siple La característica ás resaltate de la capitalizació co tasa de iterés siple es que el valor futuro de u capital aueta de aera lieal. Sea u pricipal
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesIntervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detalles4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.
Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base
Más detallesα, entonces se cumple que: T ( x) α T ( x)
HÉCTOR ESCOAR Uidad 3 Álgebra Lieal ALGERA LINEAL UNIDAD 3: OPERADORES LINEALES CONCEPTO DE OPERADOR LINEAL: sea V, dos espacios lieales, etoces u operador lieal (trasformació lieal) es ua fució T : V
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesModulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones
Modulo IV Iversioes y Criterios de Decisió Aálisis de Iversioes 1. Iversió e la empresa 2. Métodos aproximados de valoració y selecció de iversioes 3. Criterio del valor actualizado eto (VAN) 4. Criterio
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para
Más detalles6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES
6. Sucesioes y Series uméricas 6.. Sucesioes uméricas 6... DEFINICIONES Sucesioes de úmeros reales Se llama sucesió de úmeros reales a cualquier lista ordeada de úmeros reales: a, a 2, a 3,..., a,...,
Más detallesOrden en los números naturales
88 Aritmética U istrumeto para medir usado fraccioes comues Refleioes adicioales Dividir ua uidad e partes iguales: El Teorema de Thales se refiere a dividir u segmeto e cualquier úmero de segmetos iguales.
Más detallesAnálisis de Señales en Geofísica
Aálisis de Señales e Geofísica 3 Clase Frecuecia de los Sistemas Lieales e Ivariates Facultad de Ciecias Astroómicas y Geofísicas, Uiversidad Nacioal de La Plata, Argetia Fucioes y Valores Propios Defiició:
Más detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más detallesFUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0
DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
Más detallesANALISIS ESTADISTICO DE VALORES EXTREMOS
ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detalles2. MODELOS PROBABILISTICOS
. MODELOS PROBABILISTICOS. Fucioes de Probabilidad.. Variable Discreta U modelo probabilístico de u experimeto requiere asociar u valor de probabilidad a cada puto del espacio muestral. E el caso de las
Más detalles