Laboratorio de Bases Físicas del Medio Ambiente

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

Download "Laboratorio de Bases Físicas del Medio Ambiente"

Transcripción

1 Laboratoro de Bases Físcas del Medo Ambente Teoría de errores Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Medr es, báscamente, comparar con un patrón y esta comparacón se hace con un aparato (por smple que sea-una regla, por ejemplo- podemos nclurlo en la denomnacón generalzada de aparato ), la medda dependerá de la mínma cantdad que aquel sea capaz de medr. Error: dferenca que este entre la medda y el valor verdadero Todas las meddas tene un error. La teoría de errores proporcona cotas a estos errores

2 TIPOS DE ERROR Error sstemátco: aquel que es constante a lo largo de todo el proceso de medda y, por tanto, afecta a todas las meddas de un modo defndo y es el msmo para todas ellas. Estos errores tenen sempre un sgno determnado y las causas probables pueden ser: Errores nstrumentales (de aparatos); por ejemplo, el error de calbrado de los nstrumentos. Error personal: Este es, en general, dfícl de determnar y es debdo a las lmtacones de carácter personal. Como, por ejemplo, los errores de paralaje, o los problemas de tpo vsual. Errores de método de medda, que corresponden a una eleccón nadecuada del método de medda; lo que ncluye tres posbldades dstntas: la nadecuacón del aparato de medda, del observador o del método de medda propamente dcho. Errores accdentales son aquellos que se deben a las pequeñas varacones que aparecen entre observacones sucesvas realzadas por el msmo observador y bajo las msmas condcones. Las varacones no son reproducbles de una medcón a otra y se supone que sus valores están sometdos tan sólo a las leyes del azar y que sus causas son completamente ncontrolables para un observador. Los errores accdentales poseen, en su mayoría, un valor absoluto muy pequeño y s se realza un número sufcente de meddas se obtenen tantas desvacones postvas como negatvas. Y, aunque con los errores accdentales no se pueden hacer correccones para obtener valores más concordantes con los reales, s pueden emplearse métodos estadístcos, medante los cuales se pueden llegar a algunas conclusones relatvas al valor más probable en un conjunto de medcones. EXACTITUD, PRECISIÓN Y SENSIBILIDAD Eacttud: grado de concordanca entre el valor verdadero y el epermental. Un aparato es eacto s las meddas realzadas con él son todas muy prómas al valor verdadero de la magntud medda. Precsón: concordanca entre las meddas de una msma magntud realzadas en condcones sensblemente guales. Un aparato es precso cuando la dferenca entre dferentes medcones de una msma magntud son muy pequeñas. La eacttud mplca, normalmente, precsón, pero la afrmacón nversa no es certa, ya que pueden estr aparatos muy precsos que posean poca eacttud, debdo a errores sstemátcos, como el error de cero, etc. En general, se puede decr que es más fácl conocer la precsón de un aparato que su eacttud (báscamente, debdo a la ntroduccón del térmno verdadero ). Sensbldad: valor mínmo de la magntud que es capaz de medr. Que la sensbldad de una balanza es de 5 mg sgnfca que, para masas nferores a ésta, la balanza no acusa nnguna desvacón. Normalmente, se admte que la sensbldad de un aparato vene ndcada por el valor de la dvsón más pequeña de la escala de medda. En ocasones, de un modo erróneo, se toman como déntcos los conceptos de precsón y sensbldad.

3 ERROR DE CERO El error más típco que afecta a la eacttud de los aparatos es el error de cero. Causado por un defecto de ajuste del aparato, este da una lectura dstnta de cero cuando lo que mde vale cero. Es fáclmente corregble reajustando el aparato o corrgendo numércamente las lecturas en la cantdad en que dferen el cero real y el de la escala. 7 mv Escala V ERROR ABSOLUTO Y ERROR RELATIVO S medmos una certa magntud físca cuyo valor verdadero es 0, obtenendo un valor de la medda, llamaremos error absoluto de dcha medda a la dferenca = 0, en donde, en general, se supone que << 0. El error absoluto nos da una medda de la desvacón, en térmnos absolutos, respecto al valor verdadero. No obstante, en ocasones nos nteresa resaltar la mportanca relatva de esa desvacón. Para tal fn, se usa el error relatvo. El error relatvo se defne como el cocente entre el error absoluto y el valor verdadero : ε = 0 3

4 Al dar el resultado de una medda (o de un conjunto de meddas) de una magntud, sempre se ndca el grado de ncertdumbre de la msma, para lo cual acompañamos el resultado de la medda con el error absoluto; epresando el resultado así ±. Dado el sgnfcado de la cota de mprecsón que tene el error absoluto, este, durante el transcurso de estas práctcas de laboratoro, no deberá escrbrse con más de una cfra sgnfcatva (aunque podrían admtrse dos cfras s estas no sobrepasan 4, pero esto se quedará para cursos posterores). S el error se ha obtendo con más de una cfra, se deberá a proceder a suprmr las posterores, aumentando en una undad la prmera, s la segunda fuera 5 o mayor que 5. El valor de la magntud debe de tener sólo las cfras necesaras para que su últma cfra sgnfcatva sea del msmo orden decmal que la últma del error absoluto, llamada cfra de acotamento. Valores ncorrectos Valores correctos 3,48 ± 0,3 3,4 ± 0, 6,3 ± 0,09 6,30 ± 0, ± 55 (4,6 ± ) ,35 ± 0,7 48,4 ± 0,3 683 ± 0, ± 0,006 CIFRAS SIGNIFICATIVAS El número n de cfras sgnfcatvas de una medda es el número n de dígtos fables que dcha medda contene. Ejemplo dudoso : tempo que tarda la luz en recorrer UN MILLÓN de klómetros t = = = s? c Los ceros a la zquerda no son sgnfcatvos, ndcan la colocacón del punto decmal; así, tene TRES cfras sgnfcatvas. Los ceros a la derecha y después del punto decmal s son sgnfcatvos; como ejemplo, 3.40 tene CINCO cfras sgnfcatvas. En números enteros termnados en ceros, éstos pueden ser sgnfcatvos o no. Debe dstngurse s sólo srven para localzar el punto decmal o forman parte de la medda. 3 0 kg UNA cfra sgnfcatva kg DOS cfras sgnfcatvas kg TRES cfras sgnfcatvas 4

5 DETERMINACIÓN DE ERRORES EN MEDIDAS DIRECTAS Cuando se realce la medda de cualquer magntud, se ndcará sempre una estmacón del error asocado a la msma. Dado que no conocemos el valor verdadero de la magntud que deseamos medr, habrá que segur certos procedmentos para hacer una estmacón, tanto del valor verdadero, como de una cota de error, que nos ndquen la ncertdumbre de la medcón realzada Dstnguremos dos casos ben dferencados: (a) S sólo se puede realzar una sola medda,, de la magntud. En este caso consderaremos que el error absoluto concde con el valor absoluto de la sensbldad (S) del aparato utlzado para realzar la medda. De este modo, el resultado de la medda lo epresaremos así: ± S (b) Caso en el que se realzan varas meddas de una msma magntud. Para alcanzar certa valdez estadístca en los resultados de las meddas, convene repetr varas veces la determnacón del valor de la magntud problema. Los resultados de las meddas ndvduales pueden presentarse poco o muy dspersos y, en funcón de esta dspersón será convenente aumentar o no el número de medcones de la magntud. Para decdr el número de determnacones que hay que efectuar del valor de la magntud físca, se sgue el sguente procedmento: Se realzan tres meddas de la magntud (, y 3 ), se calcula el valor medo de las tres meddas 3 = + se halla la dspersón total, D, de las msmas, es decr, la dferenca entre los valores etremos de las meddas (valor mámo menos el valor mínmo) y se obtene el tanto por cento de dspersón, T, dado por: D T =

6 () el valor de la dspersón D no sea mayor que el valor de la sensbldad del aparato de medda D S. En este caso, tomaremos como estmacón del valor verdadero de la magntud el valor medo de las tres meddas, y como error absoluto la sensbldad, es decr, ± S 3 () el valor de la dspersón D es mayor que la sensbldad del aparato, D > S, Se procede a aumentar el número de meddas de la magntud. El crtero a segur en esta aumento vene condconado por el valor del porcentaje dspersón T del modo ndcado en la sguente tabla: Número de meddas en el laboratoro T en las tres prmeras meddas Nº total de meddas necesaras Error Medda T 3 % Bastan las 3 meddas realzadas = S 3 ± S % < T 3 8% Hay que hacer 3 meddas más, hasta un total de 6 8% < T 3 5% Hay que hacer un total de N=5 meddas 5% < T 5 Hay que hacer un mínmo de N=50 meddas = ma (D 6 /6, S) ± 6 ( N ) = N N ± ( N ) = N N ± / / 6

7 () se han realzado tres meddas, se toma como error absoluto el valor de la sensbldad del aparato = S. () se han realzado ses meddas: se calcula el error de dspersón defndo como D 6 /4 (la cuarta parte de la dspersón total de las ses meddas), y se asgna como error absoluto de las meddas, el mayor de entre este valor y la sensbldad del aparato. Es decr, = ma (D 6 /6, S) (3) se han realzado más de 5 meddas; el error absoluto puede calcularse por la epresón: ( = N Es el error cuadrátco medo en donde son cada una de las meddas realzadas y N es el número total de meddas realzadas. El procedmento segudo en este últmo caso se debe a que, en una sere repetda de meddas de una msma magntud, la dstrbucón estadístca de éstas alrededor del valor medo representa una forma típca, llamada dstrbucón gaussana o dstrbucón normal n ) / DETERMINACIÓN DEL ERROR DE UNA MAGNITUD MEDIDA INDIRECTAMENTE La medda ndrecta de una magntud se alcanza medante la aplcacón de una fórmula a un conjunto de meddas drectas (varables ndependentes o datos), que las relaconan con la magntud problema. Esta fórmula ha de servr para obtener el error de dcha magntud. La magntud problema F es funcón de otras magntudes físcas (datos), estando relaconadas con ellas por F = F(, y, z,...) Se han realzado meddas de las ctadas varables, y, z,...y se han determnado su valor medo (al que llamaremos con el msmo nombre, y, z,...) y sus errores absolutos (, y, z,...). 7

8 Se obtene la dferencal total de F en funcón de las varables, y, z,... df = d + dy + dz +... y z Se asmlan las dferentes dferencales a los errores absolutos y consderamos que en el cálculo del error de F debemos ponernos en el caso más desfavorable (sempre deseamos tener una cota de error, o sea un valor de la magntud del que podamos estar seguros de que el valor verdadero está dentro de nuestro ntervalo de segurdad ), o sea, el mayor error posble. Lo que sgnfca que consderaremos todos los errores como postvos, es decr, tomaremos, además, los valores absolutos de las dervadas parcales, con lo que obtendremos el valor absoluto de F, es decr F = + y y + z z +... qué son las dervadas parcales? La dervada parcal de una funcón f(,y,z,..) respecto de se calcula como la dervada de f respecto de mantenendo constantes las demás varables. Representa la varacón de f cuando hay un cambo nfntesmal de (y sólo de ) Ejemplo. Sea la funcón P que depende de las varables I y R P = P(I,R) = I R P = I R P = I RI 8

9 Ejemplo numérco del cálculo de errores Calculemos el error de una magntud ( + y) z F = ( u v) w Se han determnado las valores medos de las varables y sus errores absolutos, = 7,33 ± y =,45 ± 0.05 z = 0,0 ± 0, u = 50, ± 0, v =,033 ± 0,00 w = 3,6 ± 0,0 El valor de la magntud F es F =, y el error correspondente F = + y + z + u + v + w y z u v w z z + y ( + y) z ( + y) z ( + y) z F = + y + z + u + v + w ( u v) w ( u v) w ( u v) w ( u v) w ( u v) w ( u v) w Tras realzar los cálculos numércos, se obtene: F = 0, Tenendo en cuenta el número mámo de cfras sgnfcatvas del error absoluto, F =,86 ± 0,04 CONSTRUCCIÓN DE GRÁFICAS Gráfcas en papel mlmetrado con los ejes ben trazados, ndcando en sus etremos la magntud representada en ese eje, así como la undad en que ha sdo medda. El título de la gráfca se pondrá en la parte superor. La varable ndependente del fenómeno estudado se representará en abscsas y la dependente en ordenadas. Las escalas, sobre ambos ejes, han de permtr una lectura rápda y senclla. Se elegrán escalas con ntervalos sencllos de,, 5, 0, 0,... undades. Sobre los ejes sólo se ndcarán los valores correspondentes a las dvsones enteras de la escala ( que quedarán unformemente espacadas). No se señalarán los valores correspondentes a las meddas realzadas. Los valores meddos se representarán sobre el papel mlmetrado por el punto correspondente a sus dos coordenadas ( punto epermental ) y rodeado por el rectángulo de error, cuya base abarca desde - hasta +, y cuya altura desde y - y hasta y + y, sendo e y las coordenadas del punto epermental. S o y son desprecables en comparacón con la escala utlzada, el rectángulo de error quedará reducdo a un smple segmento vertcal u horzontal (barra de error), según el caso. En el caso de que ambos errores sean smultáneamente desprecables, el punto epermental quedaría reducdo a un punto. Las gráfcas han de ser líneas fnas y contnuas, nunca quebradas. Han de pasar por todos los rectángulos de error, aunque para ello dejen muchas veces de pasar por los puntos epermentales, que pueden quedar a derecha o a zquerda de la gráfca. S al hacer esta operacón, alguno de los rectángulos de error, queda ecesvamente alejado de la forma contnua de la gráfca, es prueba de que esa medda es falsa, por alguna causa accdental, y debería repetrse. 9

10 Ejemplos I (ma) I V (mv) V V (mv) I (ma) 589 0,5 T (s),97,4 T 0,0 0,0 T (s ) 3,88 4,58 (T ) 0,08 0,09 L (m) 0,85,0 L,0,5,39,70,9 0,0 0,0 0,0 5,7 7,9 8,47 0,0 0, 0,,46,78,05 L (m),0 0,5 T = T T 0, ,5 T^ ( s^) AJUSTE DE LA RECTA DE REGRESIÓN MEDIANTE MÍNIMOS CUADRADOS Con frecuenca, se plantea el problema de encontrar una epresón matemátca y = f() de la ley físca que rge el comportamento de un determnado fenómeno, a partr de una sere de N meddas, (, y ), de las magntudes e y que lo caracterzan. Cuando la representacón gráfca del fenómeno estudado proporcona una dstrbucón de los puntos epermentales que parecen tener la forma de una curva determnada, es convenente obtener la ecuacón de esta curva que probablemente será la epresón de la ley físca que rge el fenómeno estudado. El método más potente (y, sobre todo, el más smple) conocdo es el de regresón por los mínmos cuadrados. Estos métodos son aplcables a dversas curvas de dstntos grados. El caso más smple es ley físca lneal, lo que lleva a obtener una recta de regresón. 0

11 MÉTODO DE MÍNIMOS CUADRADOS Dcha recta debe de cumplr la condcón de que los puntos epermentales queden dstrbudos smétrcamente a ambos lados y lo más prómos posble a la msma. Esta condcón se tene s la recta, de ecuacón y = a + b verfca que la cantdad sea mínma. C(, y) = Σ (y a b) Y X Para mnmzar C(, y) = Σ (y a b) se derva respecto a a y b, y se gualan ambas dervadas a cero. C( a, b) C( a, b) = 0 = 0 a b Lo que da un sstema de ecuacones con dos ncógntas, a y b. N N N a + b = y = = = N N an + b = y = = Y y b a (, y ) N C = ( y b a ) = y = b + a X Su solucón es a = N N y y y = ( ) Nb Pendente b = y N y ( ) = y a N Ordenada en el orgen

12 Cómo evaluar la bondad del ajuste? Coefcente de correlacón lneal, r : da una medda del grado de correlacón (de apromacón) entre los valores de las varables e y, es decr, hasta que punto e y están relaconados medante una funcón lneal. N y y r = ([ N ( ) ( N y ( y ) ) Varía entre cero (correlacón nestente) y ± (correlacón completa). r r < Errores en la pendente a y en la ordenada en el orgen b ( y ) a b a = ( N ) ( ) ( ) y a b b = + ( ) ( ) N N Ejemplo Se ha usado un péndulo smple para medr la aceleracón de la gravedad. El procedmento consste en medr el perodo de osclacón T para varas longtudes dferentes L, y usar la relacón entre el perodo, la longtud del péndulo y la aceleracón de la gravedad: T = π Con el método de mínmos cuadrados, transformando la ecuacón anteror, se puede obtener la aceleracón de la gravedad. Las longtudes están meddas con ± cm y los perodos con ±0.0 s g La transformacón necesara para resolver el problema es lnealzar la ecuacón del perodo del péndulo: L = T 4π Medante el ajuste de L frente a T obtenemos una recta cuya pendente es g/4π, de la cual obtendremos un valor de g. Los errores en L son conocdos drectamente; para determnar los errores en T aplcamos la propagacón de errores: T (s),97,4,39,70,9 T (s) 3,88 4,58 5,7 7,9 8,47 T 0,0 0,0 0,0 0,0 0,0 L (m) 0,08 0,09 0,0 0, 0, 0,85,0,46,78,05 (T ) L L (m) y 0,85,0,46,78,05 L y T ( T ) = T = T T T y 3,30 5,47 8,34,94 7,36 g = g = ^ 5,,0 3,6 53, 7,7 9,7 0,3 m/s m/s y^ 0,7,43,3 3,5 4,0 L (m) L g,5,0,5,0 0,5 0, ,5 a = a = a = b = b = ( ) N y N y 0,46 0,007-0,008 0,04 m/s m/s m m y y r = N ( ) y ( y) N N T^ ( s^) y y b = ( ) N r = 0, ,93 0,48 7,33 0,05 47,4 93,5,6

13 INTERPOLACIÓN LINEAL EN TABLAS DE SIMPLE ENTRADA La tablas de smple entrada proporconan el valor de una varable dada en funcón de otra z, y vceversa. Se quere determnar el valor de z que corresponde a uno de no tabulado, o vceversa, se supone que, para ntervalos pequeños de las varables la funcón z = z() es lneal y por tanto los ncrementos de las msmas son proporconales. Para resolver el problema se determnan prevamente los valores tabulados de e y entre los que se encuentran los de nuestro problema ( << ; z <z < z ), z z La relacón que lga con z puede escrbrse,, según la fórmula lneal z = z El error absoluto de z resulta ser z z + ( ) z = z z T (ºC) e s (hpa) e (hpa) L c (kj kg - ) Ejemplo cuánto vale e s para una temperatura de 7º C? En los 5 ºC que hay entre 0 y 5º C, e s camba de HPa= HPa. Por cada ºC = HPa /º C HPa es (7º C) = es (5º C) + = 5 º C HPa (8.79HPa + º C ) = 0.40HPa º C 3

14 T (ºC) e s (hpa) e (hpa) L c (kj kg - ) Ejemplo cuánto vale e s para una temperatura de 7º C? =7ºC z= e s (7ºC) =5ºC =0ºC z = e s (5ºC)=8.79 HPa z = e s (0ºC)=.7 HPa z z z = z + ( ) =.77HPa 8.79HPa 8.79 HPa + (7º C 5º C) 0º C 5º C e (7º C) = 0.40HPA s z z.77hpa 8.79HPa 0º C 5º C z = = º C = 0.706HPa 0.7HPa e (7º C) = (0. ± 0.7) HPA s INTERPOLACIÓN LINEAL EN TABLAS DE DOBLE ENTRADA En las tablas de doble entrada, para cada pareja de valores e y se sumnstra el valor correspondente de una tercera varable relaconada con las dos anterores medante una funcón z = z (, y). En este caso el trazo de tablas (cuyos ntervalos se consderan ahora trplemente lneales), entre cuyos valores se encuentran el z buscado, presentan el aspecto ( << ; y < y< y ), y y z z z z La relacón apromada lnealmente que permte el cálculo es z = z z z z z ( ) + ( y ) y y + y El error absoluto de z resulta ser z = z z + z y z y y 4

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

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

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

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

Más detalles

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.

Materiales 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 detalles

TEORÍA DE MEDIDAS INTRODUCCIÓN

TEORÍA 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 detalles

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS CÁLCULO DE ICERTIDUMBRES Y REPRESETACIOES GRÁFICAS ITRODUCCIÓ El estudo de la Físca es ncompleto s no se apoya en epermentos de laboratoro que permtan la comprensón de los fenómenos en estudo. Con los

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Física del Medio Ambiente

Física del Medio Ambiente Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez (smaranon@ugr.es) Andy Kowalsk (andy@ugr.es) 1 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Relaciones entre variables

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

Más detalles

Problemas donde intervienen dos o más variables numéricas

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

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

Medidas de centralización

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

Más detalles

Tratamiento de datos experimentales. Teoría de errores

Tratamiento 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 detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

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

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

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

INTRODUCCIÓN AL LABORATORIO DE FÍSICA

INTRODUCCIÓN AL LABORATORIO DE FÍSICA INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos

Más detalles

Capitalización y descuento simple

Capitalización 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 detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO 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 detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1

NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1 Unversdad del Valle Unversdad del Valle Departamento de Físca 1. INTRODUCCION NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1 En todas las ramas de las cencas físcas y de la ngenería se trabaja constantemente

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

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

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

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

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

Capitalización y descuento simple

Capitalización 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 detalles

TEMA 5. INTERPOLACION

TEMA 5. INTERPOLACION Tema 5: Interpolacón TEM 5. INTERPOLCION. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos. RESUMEN 7. Programacón en Matlab Cálculo numérco en

Más detalles

Tema 4: Variables aleatorias

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

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Tema 1.3_A La media y la desviación estándar

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

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA 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 detalles

Nociones sobre cuadrados mínimos por Dr. Horacio Bruzzone

Nociones sobre cuadrados mínimos por Dr. Horacio Bruzzone 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

Más detalles

Organización y resumen de datos cuantitativos

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

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

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

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

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

Más detalles

REGRESION LINEAL SIMPLE

REGRESION 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 detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

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

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

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO 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 detalles

Análisis de Regresión y Correlación

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

Más detalles

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores.

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores. Coportaento Mecánco de los Materales Antono Mguel Posadas Chnchlla Ingenería de Materales Departaento de Físca Aplcada Facultad de Cencas Eperentales Unversdad de Alería DETERMIACIÓ DE ERRORES Y TRATAMIETO

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice 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 detalles

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA

Más detalles

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1. Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

UNIDAD I. Introducción al Análisis Numérico

UNIDAD I. Introducción al Análisis Numérico UNIDAD I Introduccón al Análss Numérco Métodos Numércos Son técncas medante las cuales es posble formular problemas matemátcos, de tal forma que puedan resolverse utlzando operacones artmétcas. Requeren

Más detalles

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD Químca Analítca (913) 1 rrores y tratamento estadístco de datos TRATAMINTO D LOS RSULTADOS ANALITICOS A- SIGNIFICADO D LA MDICION D UNA MAGNITUD Medr una magntud físca es asocarle a la msma un valor dmensonado

Más detalles

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.

Más detalles

Descripción de una variable

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

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Examen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión).

Examen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión). Examen de Físca-, del Grado en Ingenería Químca Examen fnal. Septembre de 204 Cuestones (Un punto por cuestón. Cuestón (Prmer parcal: Un satélte de telecomuncacones se mueve con celerdad constante en una

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN 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 detalles

Ejercicios y problemas (páginas 131/133)

Ejercicios y problemas (páginas 131/133) 7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra 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

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

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

Más detalles

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de

Más detalles

El diodo Semiconductor

El diodo Semiconductor El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: 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 detalles

Circuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton

Circuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton ema II Crcutos eléctrcos en corrente contnúa Indce Introduccón a los crcutos resstvos Ley de Ohm Leyes de Krchhoff Ley de correntes (LCK) Ley de voltajes (LVK) Defncones adconales Subcrcutos equvalentes

Más detalles

Simposio de Metrología 25 al 27 de Octubre de 2006

Simposio de Metrología 25 al 27 de Octubre de 2006 Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO

Más detalles

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

FUNDAMENTOS QUIMICOS DE LA INGENIERIA FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE

Más detalles

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos:

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos: UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. 5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar

Más detalles

Tema 1: Análisis de datos unidimensionales

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

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO 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 detalles

Correlación y regresión lineal simple

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

Más detalles

TEMA 3. VARIABLE ALEATORIA

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

Más detalles

Trabajo y Energía Cinética

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

Más detalles

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

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

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 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 detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS 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 detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: Energías Renovables. Fundamento teórico Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor el blog de mate de ada: ESTADÍSTICA pág. 1 ESTADÍSTICA La estadístca es la cenca que permte acer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que aorra tempo y dnero. Poblacón

Más detalles

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

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

Más detalles

ESTADÍSTICA (GRUPO 12)

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

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. 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

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles