Nociones sobre cuadrados mínimos por Dr. Horacio Bruzzone
|
|
- Felisa Figueroa Cuenca
- hace 6 años
- Vistas:
Transcripción
1 Nocones sobre cuadrados mínmos por Dr. Horaco Bruzzone 1. Introduccón Supongamos que, a través de una sere de medcones, se han determnado un conjunto de n pares de valores de dos magntudes físcas, X e Y, asocadas a un certo fenómeno. Es decr, se tene el sguente conjunto de datos epermentales: {, y y } ; = 1 hasta n Supongamos además que hay motvos sufcentes como para conjeturar que este una relacón funconal lneal entre X e Y (s la relacón funconal es más compleja, lo que sgue puede aún aplcarse de varas maneras, es decr: Y = a+ bx En este caso, cabe plantearse un doble problema: me permten ms datos afrmar que la relacón lneal es correcta (al menos dentro del rango de valores meddos? Y, supuesto que esto tene respuesta afrmatva como determno los parámetros a y b, y cuales son sus ncertezas? La técnca más usual para responder a esas preguntas, desarrollada orgnalmente por Gauss, se conoce como el método de ajuste por cuadrados mínmos, y se basa en lo que sgue. Sean a y b los valores que se queren encontrar. Para cada par de datos,y,se defne la cantdad: d = y -(a+b. Es ntutvo ver que, s la relacón es efectvamente lneal, y los a y b son los correctos, cada d debe ser pequeño (luego precsaremos mejor esto. No podemos esperar que sean cero, porque hay ncertezas de medcón tanto en X como en Y, pero lo razonable es esperar que, s los valores de a y b elegdos son los que corresponden a la recta buscada, todos los d sean chcos. Como crtero que satsface esto, se puede proponer que la suma de los d sea mínma (en realdad, esto da el crtero para evaluar a y b. Sn embargo, la suma smple no es buen crtero, porque los d pueden ser postvos y negatvos, y cancelarse mutuamente hacendo que la suma sea mínma aunque los d sean grandes en módulo. Para evtar este problema, se pueden sumar los módulos o, lo que es más convenente, los d elevados al cuadrado. Entonces, la prmera apromacón del método consste en elegr los valores de a y b que mnmzan a la suma: n ' d 1. Cuadrados mínmos ponderados Antes de ver como se obtenen a y b usando ese proceso de mnmzacón, vamos a dar un paso más para decdr que suma mnmzar. Para ello, vamos a suponer (de momento arbtraramente, luego se precsará esto que los errores de la magntud X son desprecables frente a los errores de Y. Nótese, de paso, que d es la dstanca, en la dreccón del eje y, entre y y el valor y (= a + b que es la coordenada y del punto de la recta buscada cuya abcsa es. Es claro que, s los no tenen error ; es certo que la relacón es lneal y que sus parámetros son a y b, entonces las dferencas entre y e y son úncamente atrbubles a los errores en los y. Pero s estos errores son dstntos entre s, parece sensato realzar el procedmento de
2 mnmzacón asgnando una mayor mportanca a los d provenentes de valores de los y que tengan errores más chcos. Esto se logra por el procedmento de ponderar, que consste en multplcar a cada d por una cantdad que sea mayor cuanto más pequeño sea el correspondente y. La forma más senclla de hacer esto es dvdr a cada d por y : cuanto menor es el error, mayor es el coefcente que tene el d. Usando este crtero, lo que se debe mnmzar es: n 1 d y n 1 y a b y Al método de obtencón de a y b usando la mnmzacón de se lo llama cuadradados mínmos ordnaros, mentras que al que mnmza a se lo llama cuadrados mínmos ponderados. Como la técnca de mnmzacón es común, descrbremos sólo la de cuadrados mínmos ponderados. Una parte consderable del problema orgnal que tenemos planteado consste en responder a esta pregunta: dados n valores de,y, y y cuales son los valores de a y b que mnmzan a? El análss matemátco enseña que son la solucón del sguente sstema de ecuacones: Hacendo esas dervadas se obtene: 0 ; 0 a b a b a b y ab y ab y ab 0 y a y y y ab y y a b 0 y Desarrollando las sumatoras, y defnendo (para smplfcar notacón: 1 y S ; S ; Sy ( y ( y ( y S y y ; Syy ; Sy ( y ( y ( y el sstema de ecuacones se escrbe como: cuya solucón es: S as bs 0 y S as bs 0 y SS b SS S S y y S S SSy S S y ; b a a ; ; SS S SS S S SS S
3 Tambén se han agregado epresones para las ncertezas de a y b. No se dará aquí el detalle de su cálculo, basta comentar que se obtenen de las epresones de a y b, propagando los errores y, que afectan a cada y que aparece en las sumatoras (( a a y j y otra equvalente para b. j y j 3. Confabldad Queda todavía por contestar la pregunta de s los datos permten confablemente asumr que las varables X e Y guardan una relacón lneal. Este tema está un poco confuso en la lteratura, y es frecuente encontrar que el crtero para sostener la relacón lneal es que un coefcente, r, llamado coefcente de correlacón de los datos y defndo como sgue: r ( SS S S y y ( SS S ( SS S yy y sea sufcentemente cercano a 1. Hacendo un poco de manobras algebracas, se puede demostrar que s r =1, entonces todos los puntos (, y están alneados en una recta. Obvamente, s se cumple esa condcón, la relacón lneal queda asegurada. Pero el problema es que no se puede decr nada cuando r es menor que 1, en el sentdo que no hay crtero sóldo para saber que es cercano a 1. Este un crtero más elaborado, que es aplcable cuando los errores en Y son de naturaleza puramente estadístca (y gaussana. Su dervacón es bastante complcada, y requere el uso de teoría estadístca, por lo que no se dará en este curso. Por otra parte, la médula de la argumentacón empleada en ese crtero es etensble a casos no estadístcos, y la dscutremos a contnuacón. Ya se menconó que, gráfcamente, d es la dstanca en la dreccón del eje y entre el dato -ésmo y la recta obtenda usando el método de cuadrados mínmos (es decr, aquella determnada por los valores de a y b que se obtenen del método. Por lo tanto, d /y es una medda de cuanto vale esa dstanca comparada con el error en Y en ese punto. Supongamos que los errores en Y son de naturaleza nstrumental. Es claro que, s ese cocente es menor o gual que 1, para ese dato partcular, se puede decr que el punto pertenece (epermentalmente a la recta. S los errores fueran estadístcos gaussanos, esta condcón no es sufcente, porque hay una probabldad respetable (33% de que el valor medo utlzado para y caga fuera del ntervalo defndo por una dspersón, y en estos casos se debería agregar un ntervalo de probabldad en esa condcón. Dejando de lado este problema, consderemos ahora que pasa con el conjunto de datos. En prncpo, es posble que algunos de los puntos tengan ese cocente menor que 1 mentras que otros lo tengan mayor que 1. Parece razonable usar como crtero para decdr s se acepta o no la relacón lneal el que la mayoría de los puntos satsfaga esa condcón. Y esto se puede hacer sencllamente calculando el valor que toma, una vez calculados a y b. En efecto, es la suma de los cuadrados de esos cocentes, de modo que /n es el valor medo de ese cuadrado. Luego, (/n 1/ es una estmacón de cuanto vale el promedo de los d /y, y s resulta ser menor o gual que 1, la relacón lneal debe ser aceptada; s es mucho mayor que 1, debe ser rechazada. Entre el valor 1 y mucho mayor que 1 queda un margen de ndecsón (entre otras cosas, en decdr cuanto es mucho. La ventaja de la teoría
4 estadístca menconada más arrba consste en que, hacendo una comparacón que es substancalmente equvalente, da resultados en térmnos de probabldades para cualquer valor que se obtenga en la comparacón. Con todo, el crtero epuesto aquí tene la ventaja de ser sencllo de entender y váldo para cualquer tpo de errores. Que relacón tene esto con el r? S se reemplazan los resultados de a y b dados más arrba en la epresón de, y se usa la defncón de r, hacendo un poco de manobras algebracas se encuentra que: ( 1 r ( S S / S yy y en donde se ve que s r vale 1, es cero y por tanto, el crtero dado anterormente se satsface. Sn embargo, el hecho que r sea cercano a 1 (=0,95, por ejemplo no alcanza para garantzar que sea pequeño (menor o del orden de n porque el otro factor (S yy - S y /S es habtualmente un número mucho mayor que 1. Todavía no se djo nada sobre n, el número de datos. S los datos fueran sólo, es obvo que determnan un únco valor de pendente y ordenada al orgen, y consecuentemente, =0. Pero tambén es claro que, con sólo dos datos, no se puede pretender asegurar una relacón lneal entre las varables X e Y. Tambén es claro que, cuantos más datos se tengan, mayor confanza se puede tener en determnar la estenca (o nestenca de una relacón lneal. En un tratamento estadístco esten crteros adconales sobre el número de datos requerdos, pero para lo que nos nteresa acá basta decr que un mínmo razonable para n es n = 10. De todos modos, hay que agregar otra consderacón: no basta con tener un valor de n razonable; es necesaro además que los rangos de valores de X e Y cubertos por los datos sean tambén razonables, al menos que cubran un orden de magntud. Nótese que, en un rango de valores relatvamente pequeño, cualquer funcón puede ser ben apromada por una recta. Una vez llegados a este punto, tambén puede verse cual es la dferenca esencal entre el método de cuadrados mínmos ponderados y el ordnaro. El ponderado admte dar un crtero para aceptar o no la hpótess lneal, el ordnaro no, porque aún que se pueda defnr en él un coefcente equvalente al r, hemos vsto que esto no srve para garantzar la hpótess lneal. Es frecuente encontrar en calculadoras de mano y en paquetes de computacón métodos de correlacón lneal que, ante un conjunto de datos, y dan valores de a, b, r, e ncertezas de a y b. Todos estos programas usan cuadrados mínmos ordnaros, y como no tenen ncertezas en los datos Y, asumen que estas ncertezas son constantes e guales a [/(n-] 1/, usando este valor en las fórmulas de propagacón. Pero, salvo el que dvden por n- en lugar de dvdr por n (debdo a razones estadístcas, lo que están usando como error en Y es la dstanca promedo a la recta, y se perde así toda posbldad de dar un crtero. En efecto, este método supone que esos apartamento de la recta son debdos a un error, en lugar de compararlos con los errores de medcón. Este uso puede ser aceptable en algunas dscplnas (cencas socales, por ejemplo, en las que no es fácl n habtual determnar errores, pero de nngún modo es aceptable en físca, en donde cada dato debe conocerse con su error. 4. Errores en las dos varables Acabamos de menconar la mportanca y convenenca de nclur los errores de los datos en el método de cuadrados mínmos. Y nos queda pendente la dscusón de que crtero usar para decdr que una de las varables tene errores desprecables,
5 que es lo que justfca el tratamento anteror. El modo de aclarar este punto es replantear el problema para el caso general de errores en ambas varables, cosa que es relatvamente nueva (D. York, Canadan Journal of Physcs, 44 (1966 p. 1079, completado por J. Wllamson, Canadan Journal of Physcs, 46 (1968 p. 1845, y con trabajos hasta la fecha que aclaran y mejoran el método. A contnuacón se dará un resumen de las deas en las que se basa. Hay dos cosas que modfcar en el tratamento anteror: una es nclur en los factores de peso a los, la otra es modfcar consstentemente la dstanca a la recta que se usa. Es claro que ya no se justfca mnmzar la dstanca en y ( porque no en?, y la solucón es mnmzar la dstanca perpendcular a la recta. Sea d esa dstanca (va a depender de la pendente b, porque la pendente de la recta perpendcular es -1/b y tambén de los valores e y, por analogía al caso anteror, se elgen los pesos como los d evaluados propagando los errores y y (notar que con la defncón anteror de d, y es su error s no hay error en. Este cálculo es sencllo, y se obtene la sguente sumatora a mnmzar: ( y a b ( y ( b El efecto fnal (engañoso es el de mnmzar la suma de los vejos d pero dvdos por coefcentes que ncluyen el error en. Nótese que ahora aparece un nuevo térmno que depende de b en el denomnador, por lo que al dervar e gualar a cero, las ecuacones serán más complejas. De hecho, en el caso general de errores todos dstntos entre s, no hay solucón analítca para a y b, sno que deben obtenerse solucones en forma numérca. En cambo, las ncertezas de a y b s tenen solucones analítcas (pero muy arduas de calcular, supuesto que se conocen a y b. En lo que sgue, nos lmtaremos a un caso más sencllo, llamado de errores proporconales ( /y = constante para todo. Esta lmtacón se adopta porque permte dsponer de solucones analítcas, y sn perder generaldad, permte entender que sgnfca que uno de los errores sea desprecable. Llamando d al cocente de errores podemos escrbr en la forma: 1 ( y a b 1 bd ( y Sguendo el msmo procedmento que en el caso anteror, se forma un sstema de ecuacones para a y b, que pueden ser despejados y resulta una ecuacón cuadrátca para b, cuyas solucones son: db 1 1 db 1 ( db Sy S a db r db r r S S b 4 4 ; (,,, en donde se ha llamado b* a la solucón ya conocda del caso ponderado y r tambén es el del caso ponderado, lo msmo que las sumatoras S que aparecen en a +,-. Para decdr cual sgno tomar en la solucón, hay que hacer un análss de cual solucón es un mínmo y cual un mámo. Se encuentra que esto depende del sgno de b*: s b* es postvo, se debe tomar el sgno + de la raíz y vceversa.
6 Tomaremos en adelante la solucón b + y, para smplfcar escrtura, en lo que sgue se usa esa raíz sn el subíndce. Tambén se pueden calcular las ncertezas de estas solucones, y se obtene: 1 f( b, b, d, r ; ( 1b d f( b, b, d, r [ 1f( b, b, d, r ] b b a a donde f( b, b, d, r ( 1b d 1 b d / r 1d ( bb b / r De estas epresones se puede ver que, en el límte d0, bb* (basta sacar factor común 1/(b*d en la raíz y desarrollar en sere; aa* ; y como f1, las ncertezas tenden a las cláscas. Tambén se puede ver que s r 1, bb* y aa* pero ahora las ncertezas se modfcan, resultando: ab, ( 1 d b a, b es decr, son mayores que las del caso clásco. Nótese que el ncremento relatvo de las ncertezas es proporconal a (db* = (b* /y. Como las ncertezas cláscas son, substancalmente, proporconales a una espece de valor medo de (y, lo que esto dce es que se debe agregar otro térmno que es substancalmente proporconal a b* multplcado por una espece de valor medo de (, lo cual es razonable. Por otro lado, esto pone en evdenca que crtero se debe usar para decr que un error es gnorable (o sufcentemente pequeño comparado con el otro: lo que cuenta no es que d sea chco, sno que db* lo sea. Dcho de otra forma, el modo de asegurar a pror s los errores en alguna de las varables son desprecables ( para errores proporconales consste en estmar apromadamente la pendente de la recta y luego comparar los y con el producto de esa pendente con los. S resulta y mucho mayor, los son gnorables; s mucho menor, los y son gnorables, s son del msmo orden, entonces se deben nclur ambos. bd S
Relaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesTEMA 4. TRABAJO Y ENERGIA.
TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detalles3. 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 detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesProblemas sobre números complejos -1-
Problemas sobre números complejos --.- Representa gráfcamente los sguentes números complejos y d cuáles son reales, cuáles magnaros y, de estos, cuáles magnaros puros: 5-5 + 4-5 7 0 -- -7 4.- Obtén las
Más detallesNÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1
NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesCinemática del Brazo articulado PUMA
Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesEcuaciones diferenciales ordinarias
Ecuacones derencales ordnaras Motvacón Las ecuacones que se componen de una uncón desconocda de sus dervadas son llamadas ECUACIONES DIFERENCIALES ales ecuacones desempeñan un papel mportante en ngenería
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesConsideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir
1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesANEXO B SISTEMAS NUMÉRICOS
ANEXO B SISTEMAS NUMÉRICOS Sstema Decmal El sstema ecmal emplea ez ferentes ígtos (,,,, 4, 5, 6, 7, 8 y 9). Por esto se ce que la base el sstema ecmal es ez. Para representar números mayores a 9, se combnan
Más detallesLeyes de tensión y de corriente
hay6611x_ch03.qxd 1/4/07 5:07 PM Page 35 CAPÍTULO 3 Leyes de tensón y de corrente CONCEPTOS CLAVE INTRODUCCIÓN En el capítulo 2 se presentaron la resstenca así como varos tpos de fuentes. Después de defnr
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesNúmeros complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro
Matemátcas Bachllerato? Soluconaro del Lbro Actvdades Dado el número complejo se pde: qué valor ha de tener x para que x? Calcula el opuesto de su conjugado Calcula el conjugado de su opuesto x x x El
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesPara una población dada, se pueden estudiar simultáneamente dos o más caracteres cuantitativos diferentes.
BLOQUE III. VALORACIÓN INMOBILIARIA. SISTEMAS DE LA INFORMACIÓN. GESTIÓN PATRIMONIAL. T E M A 10 Estadístca valoracón urbana (II): Austes por el método de los mínmos cuadrados. Regresón correlacón. Regresón
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17
Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES
Más detallesAnálisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto
Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema
Más detallesMecánica Clásica ( Partículas y Bipartículas )
Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y
Más detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
Más detallesCENTRO DE ESTUDIOS ESTADÍSTICOS DE JUSTICIA CONSTITUCIONAL
CENTRO DE ESTUDIOS ESTADÍSTICOS DE JUSTICIA CONSTITUCIONAL Ajuste de modelo de regresón logístca para la medcón de accón de tutela como factor de congestón de los Trbunales y Juzgados de las Jursdccones
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesPregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesCréditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias
Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso
Más detallesElectricidad y calor
Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesElectricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones
Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA Ingenería Químca Undad I. Introduccón a los cálculos de Ingenería Químca
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detalles