Regresión simple consumo y peso de automóviles. Modelo general de regresión. Hipótesis del modelo. Modelo. Parámetros. x i. Regresión lineal simple

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

Download "Regresión simple consumo y peso de automóviles. Modelo general de regresión. Hipótesis del modelo. Modelo. Parámetros. x i. Regresión lineal simple"

Transcripción

1 Modlo gral d rgrsó grsó smpl cosumo pso d auomóvls Objvo Aalzar la rlacó r ua o varas varabls dpds u cojuo d facors dpds. Tpos d rlacos f Y Y... Y X X... X - lacó o lal - lacó lal k grsó lal smpl l úm. Obs. Pso Cosumo kg lros/ km Cosumo lros/ Km Pso Kg grsó Lal grsó Lal 3 Modlo póss dl modlo u u parámros dscoocdos Laldad = + + u ormaldad + omocdascdad Var [ = Idpdca Cov [ k = Parámros grsó Lal 4 grsó Lal

2 Modlo ca d rgrsó u u Varabl dpd Varabl dpd u Par alaora grsó Lal 6 grsó Lal 7 ca d rgrsó sduos Valor Obsrvado Valor Prvso sduo Pd grsó Lal 8 grsó Lal 9

3 Esmacó Ejmplo smacó Ma Máma vrosmlud p / Mímos cuadrados Mí =Mí cov var úm. Obs. Pso Cosumo Prdccó sduos kg lros/ km Cosumo lros/ Km Pso Kg.7.7 ;. 38 s grsó Lal grsó Lal Ejmplo Daos d Forbs Ejmplo Daos d Forbs lacó r la prsó la mpraura d bullcó dl agua Dura las décadas d los cuara ccua dl sglo XIX l físco scocés J.D. Forbs ralzó sudos co los qu prdía drmar la alud sobr l vl dl mar d cumbrs moañosas. Para ralzar s sudo Forbs omó mddas d la prsó la mpraura d bullcó dl agua dfrs ubcacos d los Alps Escoca. Las mddas d prsó furo rgsradas pulgadas d mrcuro. Las mddas d mpraura las rgsró grados Far. El procdmo abual para drmar la alud d u puo ua cordllra cossía mdr la prsó amosférca dca poscó ulzar la rlacó coocda r la prsó la alud. El cov d s procdmo rsdía la dfculad qu acarraba l raspor por lugars moañosos d los frágls barómros d la época. Forbs dcdó calcular la prsó baromérca a parr d la mpraura d bullcó dl agua qu s sclla d mdr. grsó Lal grsó Lal 3

4 Ejmplo Daos d Forbs Tmpraura Prsó Prsó Tmpraura Ejmplo Daos d Forbs SALIDA DE STATGAPICS Plus. grsso Aalss - Lar modl Y = a + b*x Dpd varabl P Idpd varabl T Sadard T Paramr Esma Error Sasc P-Valu Ircp Slop grsó Lal 4 grsó Lal Ejmplo Daos d Forbs Ifrca sadísca l modlo d rgrsó SALIDA DE SPSS Modlo Cosa T a. Varabl dpd P Cofcs a Cofcs Cofcs o sadarzad sadarzados os B Error íp. Ba Sg Qurmos dr los rsulados obdos para ua musra cocra a rsulados más grals aplcabls a uvas obsrvacos. Eso s cooc como frca sadísca. Para podr acr frca mos qu pagar u prco asumr póss dsrbucoals l modlo d rgrsó. S asummos sas póss podmos obr la dsrbucó d los smadors obr rvalos d cofaza o ralzar corass d póss. grsó Lal 6 grsó Lal 7

5 8 grsó Lal Propdads d los smadors w w w s s s 9 grsó Lal Dsrbucó d u u u s grsó Lal Coras prcpal d rgrsó dpd d? u u s falso sá rlacoados s cro o sá rlacoados grsó Lal Coras sobr la pd S rcaza o ; / ; s s s s s s

6 grsó Lal Coras ordada l org S rcaza o ; / ; s s s 3 grsó Lal Ejmplo Daos d Forbs SALIDA DE STATGAPICS Plus. grsso Aalss - Lar modl Y = a + b*x Dpd varabl P Idpd varabl T Sadard T Paramr Esma Error Sasc P-Valu Ircp Slop grsó Lal Dscomposcó d la varabldad rgrsó VT u cuadrado sumado lvado al rsado grsó Lal Cofc d drmacó VT VT VT rgrsor l plcado por sá porcaj d VT qu Md l s

7 Cof. drmacó Coras F. 8. S s cro o s so dpds F /- F F s F S rcaza grsó Lal 6 grsó Lal 7 grsó co Sagrapcs grsó co Sagrapcs grsso Aalss - Lar modl Y = a + b*x Dpd varabl P Idpd varabl T Sadard T Paramr Esma Error Sasc P-Valu Ircp Slop Aalss of Varac Sourc Sum of Squars Df Ma Squar F-ao P-Valu Modl sdual Toal Corr Corrlao Coffc =.997 -squard = prc -squard adjusd for d.f. = prc Sadard Error of Es. =.389 grsó Lal 8 grsó Lal 9

8 3 grsó Lal Prdccó ŷ Mda m uva Obsrv. m m 3 grsó Lal Prdccó d la mda m rgrsó smpl m m ŷ var[ [ var[ var[ var[ [ s E m E s m 3 grsó Lal Prdccó d ua uva obsrvacó rg. smpl m m ŷ v E E E v m var[ var[ var[ ~ [ [ [ ~ ~ ~ v m 33 grsó Lal Líms d prdccó k k s v / s v m /

9 póss dl modlo Laldad = + + u ormaldad + omocdascdad Var [ = Idpdca Cov [ k = Comprobacó d la laldad omocdascdad Ambas póss s compruba cojuam mda gráfcos d los rsduos Fr a valors prvsos E mucas ocasos s corrg la fala d laldad la rocdascdad mda rasformacó d las varabls. log u log log u grsó Lal 34 grsó Lal 3 póss d ormaldad sduos - Valors prvsos rramas d comprobacó Lal omocdásco o lal omocdásco sograma d rsduos Gráfco d probabldad ormal Q-Q plo Corass formals Kolmogorov-Smrov Ejmplo d cocs sduos probabldad sduos ŷ Lal o omocdásco ŷ ŷ o lal o omocdásco ŷ grsó Lal 36 grsó Lal 37

10 Ejmplo Daos d Forbs Ejmplo Daos d Forbs Dagoss d los daos d Forbs Dagoss d los daos d Forbs Prsó Tmpraura rsdual sdual Plo prdcd Prsó grsó Lal 38 grsó Lal 39 Ejmplo Daos d Forbs Ejmplo Daos d Forbs Dagoss d los daos d Forbs sdual Plo rsdual prdcd Prsó Valor aómalo lacó o lal Dagoss d los daos d Forbs Problmas la dagoss - Esca d u valor aómalo - Esca d rlacos o lals Posbls solucos. Aalzar las razos qu jusfqu la prsca d s valor aípco S la obsrvacó o s rprsava d la poblacó lmarla. S o s razos para lmarla aplcar rasformacos a los daos grsó Lal 4 grsó Lal 4

11 Tpos d obsrvacos aómalas Tpos d obsrvacos aómalas. Daos aípcos So obsrvacos qu o prov dl msmo modlo grador.. Daos aípcos flus so obsrvacos aípcas qu afca a la smacó d los parámros dl modlo. EJEMPLO E 976 los vsgadors Allso Ccc ralzaro u sudo sobr ua sr d spcs d mamífros. Er los daos qu rcoplaro s cura l pso mdo dl curpo dado klogramos l pso mdo dl crbro dado gramos d 66 d sas spcs. E la sgu abla s rproduc los daos rcoplados. S raa d sudar la posbl rlacó r sas dos varabls. X 6 crbro 4 3 ombr Plo of Fd Modl Elfa asáco curpo Elfa afrcao X grsó Lal 4 grsó Lal 43 Tpos d obsrvacos aómalas Tpos d obsrvacos aómalas Mulpl grsso Aalss Dpd varabl crbro Sadard T Paramr Esma Error Sasc P-Valu COSTAT curpo Aalss of Varac Sourc Sum of Squars Df Ma Squar F-ao P-Valu Modl E E sdual 6.74E Toal Corr..796E7 6 -squard = prc -squard adjusd for d.f. = 87.4 prc Sadard Error of Es. = grsó Lal 44 X 6 crbro 4 3 grsó Lal Plo of Fd Modl X curpo 4

12 Tpos d obsrvacos aómalas Tpos d obsrvacos aómalas X 6 crbro 4 3 ombr Plo of Fd Modl X curpo Las obsrvacos aípcas pud sr dfcadas l gráfco d los rsduos fr a los prdcos s s cura a más d rs vcs la dsvacó ípca rsdual. Las obsrvacos flus s dfca obsrvado l cambo qu s produc los parámros dl modlo cuado ésas so lmadas. Esadísco d Cook D Var s D s flu grsó Lal 46 grsó Lal 47 Trasformacos d los daos Tpos d obsrvacos aómalas Trasformacos Bo-Co s log s Las rasformacos más mporas so log / logcrbro Plo of Fd Modl logcurpo ombr Elfa asáco Elfa afrcao grsó Lal 48 grsó Lal 49

13 Tpos d obsrvacos aómalas Tpos d obsrvacos aómalas Mulpl grsso Aalss Dpd varabl logcrbro Sadard T Paramr Esma Error Sasc P-Valu COSTAT logcurpo Aalss of Varac Sourc Sum of Squars Df Ma Squar F-ao P-Valu Modl sdual Toal Corr squard = prc -squard adjusd for d.f. = prc Sadard Error of Es. =.6949 grsó Lal rsdual grsó Lal sdual Plo prdcd logcrbro Ejmplo rgrsó múlpl Cosumo = + CC + Po + 3 Pso + 4 Acl + Error Y X X X3 X4 Cosumo Cldrada Poca Pso Aclracó l/km cc CV kg sgudos Var. dpds o rspusa Var. Idpds o rgrsors grsó Lal

Análisis Estadístico de Datos Climáticos

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

Más detalles

APLICACI ONES DE LA FUNCI ÓN

APLICACI ONES DE LA FUNCI ÓN APLICACI ONES DE LA FUNCI ÓN GENERADORA DE MOMENTOS Adrés Camlo Ramírz Gaa adrs.camlo.ramrz@gmal.com Trabajo d Grado para Opar por l Tulo d Mamáco Drcor: Bgo Lozao Rojas Esadísco Uvrsdad Nacoal d Colomba

Más detalles

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos Capíulo. La fucó d pacó ) Spaacó d la fucó d pacó S ha dmosado aom - / k [.] La ía dl l s ual a: k [.] + + + [.] + S los ados d lbad o accoa [.4] - / k - / k... [.5] ) Fucó d pacó lcóca omado como l d

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

1 Análisis de supervivencia

1 Análisis de supervivencia Aálss d suprvvca. Iroduccó El sudo d procsos d suprvvca uga u papl muy mpora mdca. Así, por mplo, la comparacó r la suprvvca obsrvada dos grupos d pacs pud llvar a valdar u drmado raamo o, alravam, a dfcar

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

Material Docente de. Econometría. Curso 2011-2012. Primera parte. Esquemas de teoría

Material Docente de. Econometría. Curso 2011-2012. Primera parte. Esquemas de teoría Maral Doc d Ecoomría Curso - Prmra par Esqumas d oría Cuaro curso d Ecoomía Cuaro curso d Admsracó y Drccó d Emprsas Cuaro curso d Drcho y ADE Profsors: Jsús Cavro Álvarz Hla Corrals Hrrro olada Gozálz

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

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más 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

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

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

Más detalles

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso

Más detalles

Problemas Tema 2: Sistemas

Problemas Tema 2: Sistemas SISTEMAS Y CIRCUITOS ~ PROBLEMAS Curso Académico 00900 Problmas Tma Sismas PROBLEMA. Dados los siguis sismas impo coiuo las sñals d rada idicadas, drmi las sñals d salida corrspodis ( ) x sñal d rada x

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

TEMA 4: REGRESIÓN Y CORRELACIÓN.

TEMA 4: REGRESIÓN Y CORRELACIÓN. TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas

Más detalles

Tema 5. Eficiencia del mercado de divisas: la paridad de intereses y el tipo de cambio a corto plazo

Tema 5. Eficiencia del mercado de divisas: la paridad de intereses y el tipo de cambio a corto plazo Tma 5. Eficincia dl mrcado d divisas: la paridad d inrss y l ipo d cambio a coro plazo Macroconomía Abira Docorado Nuva Economía Mundial Profsor: Ainhoa Hrrar Sánchz Curso 2006-2007 5.1. La paridad no

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

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

Procesamiento Digital de Señales de Voz

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

Más detalles

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

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

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

(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

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

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

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

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

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

Más detalles

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

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

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

Oficina Económica y Comercial de la Embajada de España en Rusia. Rusia: Pavimentos y Revestimientos Cerámicos

Oficina Económica y Comercial de la Embajada de España en Rusia. Rusia: Pavimentos y Revestimientos Cerámicos Oficina Económica y Comercial de la Embajada de España en Rusia Estudios de Mercado Rusia: Pavimentos y Revestimientos Cerámicos Estudios de Mercado Rusia: Pavimentos y Revestimientos Cerámicos Este estudio

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

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A cors loros. só más d dos dmsos Dcó: S... rbls lors dscrs l ucó d robbldd cou dl cor loro... s d como: ddo culqur couo A R...... P... P... A...... A...... s ucó ssc ls sgus rodds:.................. orm

Más detalles

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de

Más detalles

6.1. La ley del precio único

6.1. La ley del precio único Ta 6. La pardad dl podr adqusvo, l po d cabo ral l po d cabo a largo plazo Macrocooía Abra Docorado Nuva Ecooía Mudal rosor: Ahoa Hrrar Sáchz Curso 2006-2007 6.. La l dl prco úco E rcados copvos s coss

Más detalles

INFERENCIA ESTADISTICA

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

Más detalles

Masa y composición isotópica de los elementos

Masa y composición isotópica de los elementos Masa y composición isotópica de los elementos www.vaxasoftware.com Z Sím A isótopo Abndancia natral Vida Prodcto 1 H 1 1,00782503207(10) 99,9885(70) 1,00794(7) estable D 2 2,0141017780(4) 0,0115(70) estable

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

ANEXO 2 INTERES COMPUESTO

ANEXO 2 INTERES COMPUESTO ANEXO 2 INTERES COMPUESTO EJERCICIOS VARIOS: 1. Adrés y Silvaa acaba de teer a su primer hijo. Es ua iña llamada Luciaa. Adrés ese mismo día abre ua cueta para Luciaa co la catidad de $3 000,000.00. Qué

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

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

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

5. Estimación puntual. Curso Estadística

5. Estimación puntual. Curso Estadística 5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de

Más detalles

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3 Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más

Más detalles

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

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

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

INTEGRAL INDEFINIDA. Derivación. Integración

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

Más detalles

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

Producto de convolución de las derivadas de orden k por las derivadas de orden de la delta de Dirac soportadas en x 1, x a, y x n

Producto de convolución de las derivadas de orden k por las derivadas de orden de la delta de Dirac soportadas en x 1, x a, y x n Vol. 5, No., pp. 59-69/Dcmr ISSN-L 88-674 Coprgh Uvrsdd Ncol d Igrí Imprso Ncrgu. Todos los drchos rsrvdos hp://www.lmol.fo/d.php/nexo Produco d covolucó d ls drvds d ord por ls drvds d ord d l dl d Drc

Más detalles

2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 9 10 1 8 12 7 3 1 6 2 5 4 3 11 18 20 21 22 23 24 25 26 28

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2010/11

Estadística II Tema 4. Regresión lineal simple. Curso 2010/11 Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Para medir la importancia de la clase modal como medida central usaremos el concepto de tasa de variación. Se denota por V

Para medir la importancia de la clase modal como medida central usaremos el concepto de tasa de variación. Se denota por V dds d Tdc Ctrl y Dsprsó EDIDAS DE TENDENCIA CENTRAL Y DISERSIÓN dds d Tdc Ctrl So mdds d u cojuto d dtos qu proporco u vlor smpl y rprsttvo, qu rsum u gr volum d ormcó. Est vlor td ubcrs l ctro dl cojuto

Más detalles

LEO COMERCIAL DE EQUIPOS SA. DE C.V. NORTE 24 No. 67 COL INDUSTRIAL CP 07800 MÉXICO D.F. TEL: 5739 0717 FAX: 9112 3126 leo.comercial@leocomercial.

LEO COMERCIAL DE EQUIPOS SA. DE C.V. NORTE 24 No. 67 COL INDUSTRIAL CP 07800 MÉXICO D.F. TEL: 5739 0717 FAX: 9112 3126 leo.comercial@leocomercial. DISTRIBUIDOR: LEO COMERCIAL DE EQUIPOS SA. DE C.V. NORTE 24 No. 67 COL INDUSTRIAL CP 07800 MÉXICO D.F. TEL: 5739 0717 FAX: 9112 3126 leo.comercial@leocomercial.com DISTRIBUIDOR: LEO COMERCIAL DE EQUIPOS

Más detalles

Comparación de la inflación en las principales ciudades de Venezuela mediante un modelo de factor dinámico

Comparación de la inflación en las principales ciudades de Venezuela mediante un modelo de factor dinámico Bao Cral d Vzula Coló Eoomía y Fazas Sr Doumos d rabajo Comparaó d la flaó las prpals udads d Vzula mda u modlo d faor dámo Alí Aoo Aosa Hrádz Dal Barráz Guzmá [Nº 7] ayo Bao Cral d Vzula Caraas Gra d

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Tema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE

Tema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE Clase de economería 1: Universidad Cenroamericana UCA Tema: Análisis de regresión y análisis de varianza La abla ANOVA iene la siguiene represenación: Fuenes de variación Grados de liberad uma de cuadrados

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

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros .8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito

Más detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

Más detalles

2. MODELIZACIÓN DE LA VARIABLE DE PERTURBACIÓN ALEATORIA

2. MODELIZACIÓN DE LA VARIABLE DE PERTURBACIÓN ALEATORIA Aálisis d Auocorrlació ANÁLISIS DE AUTOCORRELACIÓN. DEFINICIÓN Y CAUSAS DE AUTOCORRELACIÓN E s ma s cusioar, para los modlos qu rabaja co daos d sris d impo, ua d las hipósis qu dfi l Modlo d Rgrsió Lial

Más detalles

Exportación e Importación en formato XML

Exportación e Importación en formato XML Exportcó Importcó formto XML Tléfoo (506) 2276-3380 Fx (506) 2276-3778 d@c.co.cr www.d.com 1 Exportcó d Iformcó formto XML Pr xportr dto dd lpho formto XML, l mú Admtrcó, cutr l opcó Exportr S motrrá l

Más detalles

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIÓN DE LA PRODUCCIÓN Y LAS OPERACIONES

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

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

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

PRÁCTICA 1: Análisis en el dominio del tiempo de sistemas continuos simples

PRÁCTICA 1: Análisis en el dominio del tiempo de sistemas continuos simples Sismas Sñals Crso 4/5 Igiría Iformáia PRÁCTICA : Aálisis l omiio l impo sismas oios simpls I.- Prosamio sñal Malab Tal omo s vio l rso arior Malab rabaa o úio ipo lmos: las maris. Los ipos aos básios o

Más detalles

Comparación de la inflación en las principales ciudades de Venezuela mediante un modelo de factor dinámico

Comparación de la inflación en las principales ciudades de Venezuela mediante un modelo de factor dinámico Comparaó d la flaó las prpals udads d Vzula mda u modlo d faor dámo Al Aoo Aosa Hrádz Dal Barráz Guzmá Rsum s rabajo s ompara los prosos flaoaros las prpals udads d Vzula mda u modlo d faor dámo d Sok

Más detalles

REGRESION LINEAL SIMPLE. = α + β + ε. y = α + β x

REGRESION LINEAL SIMPLE. = α + β + ε. y = α + β x REGREION LINEAL IMPLE FORMULARIO Mdl d Rgrsó Ll mpl Jrg Glt Rsc + β + ε qu β s fjs, ε s u vrl ltr c sprz E(ε) 0 vrz V(ε) σ fj. Ls prámtrs dl mdl s, β σ. rprst l vrl dpdt, qu tm vlrs fjs dtrmds pr l prmtdr.

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

A C T I N O M IC O S I S Ó r g a n o : M u c o s a b u c a l T é c n i ca : H / E M i c r o s c o p í a: L o s c o r t e s h i s t o l ó g i c oms u e

A C T I N O M IC O S I S Ó r g a n o : M u c o s a b u c a l T é c n i ca : H / E M i c r o s c o p í a: L o s c o r t e s h i s t o l ó g i c oms u e T R A B A J O P R Á C T I C O N º 4 I N F L A M A C I Ó N E S P E C Í F I C A. P A T O L O G Í A R E G I O N A L P r e -r e q u i s i t o s : H i s t o l o g ída e l t e j i d oc o n e c t i v o( c é l

Más detalles

Tema 5. DIAGONALIZACIÓN DE MATRICES

Tema 5. DIAGONALIZACIÓN DE MATRICES José Maía Maíe Mediao Tema DGONLZCÓN DE MTRCES oducció Poecia de ua mai Sea Supogamos que se desea calcula : 7 7 8 8 Deemia ua egla paa o esula imediao Compobemos, aes de segui adelae, que MDM, siedo M

Más detalles

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.

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

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

Reglamento de D i v er s i ones y E s p ec tá c u los P ú b li c os Ayuntamiento Constitucional de Zapotlanejo 2007-2009 e n t e M u n i c i Z a t n e j o, J a o, a h a t a n t e m u n i c i o h a g o

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta. PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución

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

SISTEMA DE ALARMAS EKSELANS

SISTEMA DE ALARMAS EKSELANS SISTEMA DE ALARMAS EKSELANS GSM -1 SISTEMA DE ALARMA La nueva central de alarma GSM-1 de Ekselans by ITS le permitirá tener su hogar o negocio siempre protegido, sin necesidad de pagar ningún tipo de suscripción

Más detalles

CANTIDAD EN QUÍMICA QCA 07

CANTIDAD EN QUÍMICA QCA 07 .- Razoe: a) Qué volume es mayor el de u mol de itrógeo o el de u mol de oxígeo, ambos medidos e las mismas codicioes de presió y temperatura? b) Qué masa es mayor la de u mol de itrógeo o la de uo de

Más detalles