Capítulo II. Principios fundamentales del flujo de tránsito

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

Download "Capítulo II. Principios fundamentales del flujo de tránsito"

Transcripción

1 Igeiería de Trásito II Capítulo II. Pricipios fudametales del flujo de trásito 2.. Itroducció La teoría del flujo de trásito cosiste e el desarrollo de relacioes matemáticas etre los elemetos primarios de u flujo ehicular tales como flujo, desidad y elocidad. Estas relacioes ayuda al igeiero de trásito para la plaificació, diseño y ealuació de la efectiidad de la implemetació de las medidas de igeiería de trásito e u sistema de carreteras. La teoría del flujo de trásito se usa e el diseño, para determiar las logitudes adecuadas de carril, para almacear a los ehículos ue da uelta a la izuierda; la demora promedio e las iterseccioes y las áreas de icorporació al trásito mediate rampas e los iaductos, así como cambios e el iel de comportamieto del iaducto debido a la istalació de dispositios de cotrol ehicular mejorados e las rampas. Otra aplicació importate de la teoría del flujo ehicular es la simulació, e la cual se utiliza algoritmos matemáticos para estudiar las complejas iterrelacioes ue existe etre los elemetos de u flujo ehicular y para estimar el efecto de los cambios e el flujo de trásito, sobre factores tales como accidetes, tiempo de iaje, cotamiació del aire y cosumo de gasolia. Se ha empleado métodos ue a desde físicos hasta empíricos, e estudios ue relacioados co la cuatificació y descripció del flujo de trásito. S i embargo, este capítulo itroducirá solamete auellos aspectos de la teoría del flujo de trásito ue puede emplearse para la plaificació, diseño y operació de los sistemas de carreteras Elemetos del flujo de trásito Los elemetos del flujo de trásito puede defiirse claramete co la ayuda del diagrama espacio-tiempo. Este diagrama es u gráfico ue describe la relació etre la ubicació de los ehículos e u flujo ehicular, y el tiempo a medida ue los ehículos aaza a lo largo de la ía. E la figura 2. se muestra u diagrama de espacio-tiempo para seis ehículos, co la distacia graficada e el eje ertical y el tiempo e el eje horizotal. Para el tiempo cero, los ehículos, 2, 3, y 4 se ecuetra a las respectias distacias d, d 2, d 3 y d 4 co base e u puto de referecia, mietras ue los ehículos 5 y 6 cruza al puto de referecia posteriormete e los istates t 5 y t 6, respectiamete. 2

2 Figura 2.. Diagrama Espacio - Tiempo Fuete: Garber y Hoel, 2005 Los elemetos primarios del flujo de trásito so el flujo, la desidad y la elocidad. Otro elemeto ue se asocia co la desidad es la separació o brecha etre dos ehículos e el flujo ehicular. A cotiuació se muestra las defiicioes de estos elemetos. El flujo ( es la tasa horaria euialete a la cual trasita los ehículos por u puto, e ua carretera durate u período meor a ua hora. Puede determiarse mediate: 3600 eh/h T dode úmero de ehículos ue trasita por u puto e el camio e T segudos el flujo horario euialete La desidad (, es el úmero de ehículos ue iaja sobre ua logitud uitaria de carretera para u istate de tiempo. E geeral, la logitud uitaria es de u ilómetro, por lo ue la uidad de desidad es el úmero de ehículos por ilómetro (eh/m. La elocidad ( es la distacia recorrida por u ehículo durate ua uidad de tiempo. Puede expresarse e ilómetros por hora (m/h. La elocidad de u ehículo para u istate t, es la pediete del diagrama espacio-tiempo para ese ehículo e el istate t. Por ejemplo, los ehículos y 2 e la figura 2. se muee a elocidad costate porue las pedietes de los gráficos asociadas so costates. El ehículo 3 se muee a ua elocidad costate etre el istate cero y el istate t 3, luego se detiee durate el período t 3 a t 3 (la pediete del gráfico es 3

3 igual a cero y luego acelera para moerse a ua elocidad costate hasta el fial. Existe dos tipos de elocidad media: la elocidad media e el tiempo y la elocidad media e el espacio. La elocidad media e el tiempo ( t es la media aritmética de las elocidades de los ehículos ue trasita por u puto de ua carretera durate u iteralo de tiempo. La elocidad media e el tiempo se calcula mediate: dode t i i úmero de ehículos ue trasita por u puto de la carretera i elocidad del i-ésimo ehículo La elocidad media e el espacio ( s es la media armóica de las elocidades de los ehículos ue trasita por u puto de ua carretera durate u iteralo de tiempo. Se calcula como: dode s s i i L elocidad media e el espacio s úmero de ehículos t i tiempo ue le toma al i-ésimo ehículo recorrer u tramo de la ía i elocidad del i-ésimo ehículo L logitud del tramo de carretera i t i La elocidad media e el espacio es la elocidad ue iteriee e las relacioes flujo-desidad. Esta elocidad es siempre más alta ue la elocidad media e el espacio. La diferecia etre estas elocidades tiede a dismiuir a medida ue aumeta los alores absolutos de las elocidades. 4

4 El iteralo etre ehículos e el tiempo (i es la diferecia etre el istate para el cual el frete de u ehículo llega a u puto de la carretera y el istate para el cual llega el frete del siguiete ehículo al mismo puto. El iteralo etre ehículos e el tiempo se expresa e segudos. Por ejemplo, e el diagrama espacio-tiempo de la figura 2., el iteralo i ue existe etre los ehículos 3 y 4 para d es i 3-4. El iteralo etre ehículos e el espacio (e es la distacia etre el frete de u ehículo y el frete del siguiete ehículo. Se expresa e metros. El iteralo etre ehículos e el diagrama espacio-tiempo de la figura 2. para los ehículos 3 y 4 para el istate t 5 es s Relacioes flujo-desidad La ecuació geeral ue relacioa el flujo, la desidad y la elocidad media e el espacio está dada como: Flujo desidad x elocidad media e el espacio s Cada ua de las ariables de la ecuació aterior tambié depede de otros factores, icluye las características del camio, del ehículo y del coductor, así como de factores del medio ambiete como el estado del tiempo Diagrama Fudametal del flujo de trásito U diagrama fudametal del flujo de trásito reporta la relació etre desidad y flujo de trásito correspodiete para ua carretera. Se ha postulado la siguiete teoría respecto de la forma de la cura ue represeta a esta relació:. cuado la desidad e la carretera es cero, el flujo tambié es cero porue o hay ehículos e la ía. 2. A medida ue aumeta la desidad, el flujo tambié aumeta 3. Cuado la desidad alcaza su máximo, deomiado desidad estática o de cogestioamieto ( j, el flujo debe ser cero porue los ehículos tederá a aliearse extremo co extremo 5

5 4. Se cocluye ue a medida ue la desidad aumeta desde cero, el flujo tambié aumetará iicialmete desde cero hasta u alor máximo. U icremeto cotiuo adicioal de la desidad, coducirá etoces a ua reducció cotiua del flujo, el cual fialmete será cero cuado la desidad sea igual a la desidad de cogestioamieto. Por tato la forma de la cura adopta la geometría mostrada e la figura 2.2a. Figura 2.2 Diagramas Fudametales de flujo de trásito Fuete: Garber y Hoel Se ha recopilado datos ue tiede a cofirmar el argumeto postulado ateriormete, pero existe algua cotroersia respecto a la forma exacta de la cura. Puede postularse u argumeto similar para la relació geeral etre la elocidad media e el espacio y el flujo. Cuado el flujo es muy bajo, existe poca iteracció etre los ehículos idiiduales. Por tato, los coductores tiee la libertad de iajar a la máxima elocidad posible. La elocidad máxima absoluta se obtiee a medida ue el flujo tiede a cero, y se le cooce como la elocidad libre ( f. La magitud de la elocidad libre media depede de las características físicas de la carretera. U 6

6 icremeto cotiuo del flujo resultará e u decremeto cotiuo de la elocidad. Si embargo, se alcazará u puto para el cual u mayor úmero de ehículos resultará e la reducció del úmero erdadero de ehículos ue trasita por u puto e la carretera (es decir, ua reducció de flujo. Esto coduce a u cogestioamieto, y fialmete tato la elocidad como el flujo se hace cero. E la figura 2.2c se muestra esta relació geeral. La figura 2.2b muestra la relació directa etre la elocidad y la desidad. De la ecuació fudametal se sabe ue la elocidad media e el espacio es igual al flujo diidido por la desidad, lo ue hace ue las pedietes de las rectas 0B, 0C y 0E de la figura 2.2a represete a las elocidades medias e el espacio para las desidades b, c y e, respectiamete. La pediete de la recta 0A es la elocidad a medida ue la desidad tiede a cero y existe poca iteracció etre los ehículos. Por tato, la pediete de esta recta es la elocidad libre media ( f ; es la elocidad máxima ue puede alcazarse e la carretera. La pediete de la recta 0E es la elocidad media e el espacio para el flujo máximo. Este flujo máximo es la capacidad de la carretera. Etoces, puede erse ue es coeiete ue las carreteras opere a desidades ue o sea mayores ue la ecesaria para el flujo máximo Relacioes matemáticas ue describe el flujo de trásito Las relacioes matemáticas ue describe el flujo del trásito puede clasificarse e dos tipos, macroscópico y microscópico, depediedo de efoue ue se use e el desarrollo de estas relacioes. El efoue macroscópico cosidera a las relacioes de la desidad del flujo, mietras ue el efoue microscópico cosidera al espaciamieto etre ehículos y las elocidades de los ehículos idiiduales. Efoue macroscópico El efoue macroscópico cosidera flujos ehiculares y desarrolla algoritmos ue relacioa el flujo, co la desidad y co las elocidades medias e el espacio. Los modelos macroscópicos más empleados so los modelos de Greeshields y de Greeberg. El modelo de Greeshields. Greeshields desarrolló uo de los primeros trabajos ue se cooce, e éste él estudia la relació etre elocidad y desidad. Postuló la hipótesis de ue existe ua relació lieal etre la elocidad y la desidad y la expresó como: 7

7 s f f f Puede desarrollarse relacioes correspodietes para el flujo y la desidad, y para el flujo y la elocidad. Como s, despejado y sustituyedo el alor e la ecuació aterior se obtiee: 2 s f s f j Tambié al sustituir el alor de s e la misma ecuació aterior se obtiee: f Las ecuacioes ateriores idica ue si se supoe ua relació lieal etre la elocidad y la desidad, etoces se obtiee relacioes parabólicas etre el flujo y la desidad, y etre el flujo y la elocidad. f 2 j El modelo de Greeberg. Este modelo utiliza la aalogía del flujo de fluidos. La forma del modelo es: s j c l Multiplicado cada lado de la ecuació por se obtiee: j s c l Aplicació del modelo. El uso de estos modelos depede de si se satisface los criterios de frotera del diagrama fudametal del flujo de trásito para la regió ue describe a las codicioes de trásito. Por ejemplo, el modelo de Greeshields satisface a las codicioes de frotera cuado la desidad se aproxima a cero, así como cuado la desidad se aproxima a la desidad de embotellamieto j. Por tato, el modelo puede emplearse para trásito ligero o deso. Por otro lado, el modelo de Greeberg satisface las codicioes de frotera cuado se aproxima a cero, lo ue sigifica ue el modelo es útil solamete para las codicioes de trásito deso. 8

8 Calibració de los modelos macroscópicos de flujo de trásito. Los modelos de trásito estudiados hasta ahora puede emplearse para determiar características específicas tales como elocidad y desidad para los cuales se preseta el flujo máximo, así como para la desidad de embotellamieto de ua istalació. Hacer la calibració de u modelo implica recolectar los datos apropiados e la istalació específica de iterés, y ajustar los putos de los datos obteidos a u modelo adecuado. El método de efoue más comú es el aálisis de regresió. Se puede usar regresió lieal si existe ua relació lieal etre las ariables depediete e idepediete y el de regresió lieal múltiple cuado existe ua relació lieal respecto a dos o más ariables Distribucioes estadísticas de ehículos A cotiuació sigue alguos ejemplos de estas distribucioes Llegadas. La probabilidad de ue y ehículos llegue o pase e u período de tiempo t se puede expresar como P(y.. Llegadas aleatorias, ocurre cuado el olume de trásito es muy bajo. E ese caso se puede aplicar la distribució Poisso. a. Se cosidera ue las llegadas so aleatorias si la media es igual a la ariaza. 2 σ x b. La fórmula de Poisso describe la probabilidad de ue y ehículos llegue e el tiempo t, dode λ es la rata promedio de llegada. P( y ( λt y e y! λt y m e y! m m λt y V λ T dode: m es el promedio de ehículos ue llega por período de tiempo e es la base del logaritmo eperiao (2,7928 y 0,, 2, 3,., V es el úmero total de ehículos ue llega para u istate T segudos λ es el úmero promedio de ehículos ue llega por segudo. 2. Tráfico más cogestioado, ocurre para olúmees más altos y muy cercaos a la capacidad. E ese caso se puede aplicar la distribució biomial. a. Las llegadas so más uiformes si la ariaza es mucho meor ue la media. 9

9 2 σ x b. La fórmula biomial es la siguiete: P << ( y P(0 si y 0 dode: P( y P( y p + y y 2 x σ p p x p x 3. Variacioes cíclicas, se usa la distribució biomial egatia. a. Las llegadas so cíclicas si aría del pico al o pico y la ariaza es mucho mayor ue la media 2 σ x >> 4. Volume costate, característico del flujo cogestioado, se puede usar distribució uiforme Iteralos. El iteralo medio etre ehículo sucesios es i. La probabilidad de iteralos etre ehículos es la probabilidad de ue 0 ehículos llegue e ese iteralo de tiempo. Por ejemplo, la probabilidad de 0 ehículos llegado e u tiempo de 7,0 segudos es la probabilidad de ue exista u iteralo etre ehículos de 7,0 segudos.. Si el flujo es aleatorio se puede usar la distribució expoecial egatia P( i t e t i 2. Para flujo cogestioado, dode los iteralos so muy peueños, se ha hecho uso de la distribució expoecial desplazada. 3. Para pelotoes, alguos ha sugerido usar la distribució logormal 20

10 2.5. Brecha y brecha aceptable Otro aspecto importate del flujo de trásito es la iteracció de los ehículos a medida ue se icorpora, sale o cruza u flujo ehicular. Ejemplos de éstos icluye a los ehículos e rampa ue se icorpora al flujo e u iaducto, los ehículos e los iaductos ue sale hacia ías laterales y el cambio de carriles de ehículos e ua carretera de arios carriles. El factor más importate ue u coductor cosidera al hacer estas maiobras es la dispoibilidad de ua brecha etre dos ehículos ue, de acuerdo co el juicio del coductor, sea adecuada para termiar la maiobra. La ealuació de las brechas dispoibles y la decisió de realizar ua maiobra específica, detro de ua separació específica so iheretes al cocepto de brecha aceptable. A cotiuació se muestra las medidas importates ue icluye al cocepto de brecha aceptable:. La cofluecia o icorporació es el proceso mediate el cual u ehículo e ua corriete ehicular se icorpora a otra corriete ehicular ue se muee e el mismo setido, tal como u ehículo e rampa ue se icorpora al flujo e u iaducto. 2. La separació o diergecia es el proceso mediate el cual u ehículo e u flujo ehicular, sale de ese flujo ehicular, tal como u ehículo ue sale del carril exterior de u camio de acceso cotrolado. 3. El etrecruzamieto o la mezcla del trásito es el proceso mediate el cual u ehículo se icorpora primero a u flujo ehicular, luego cruza a ese flujo e setido oblicuo, y eseguida se icorpora a u segudo flujo ue se muee e el mismo setido; por ejemplo, la maiobra ue se reuiere para ue u ehículo e rampa se icorpore al lado más alejado del flujo e u camio de acceso cotrolado. 4. La brecha es el iteralo etre ehículos e u flujo pricipal, el cual es ealuado por el coductor de u ehículo ue está e u flujo secudario y ue uiere icorporarse al flujo pricipal. 5. El desfasamieto de tiempo es la diferecia etre el istate e ue u ehículo ue se icorpora a u flujo pricipal, alcaza u puto e la carretera e el área de la icorporació y el istate e el cual u ehículo e el flujo pricipal alcaza el mismo puto. 6. El desfasamieto espacial es la diferecia para u istate de tiempo, etre la distacia ue separa a u ehículo ue se icorpora de u puto de referecia e el área de 2

11 icorporació y la distacia ue separa a u ehículo e el flujo pricipal del mismo puto. E la figura 2.3 se ilustra las relacioes tiempo-distacia para u ehículo ue está e ua itersecció cotrolada por ua señal de PARE esperado icorporarse, y para los ehículos e el carril cercao del flujo ehicular pricipal. Fuete: Garber y Hoel, 2005 Figura 2.3 Diagrama espacio-tiempo para ehículos e las cercaías de ua señal de PARE U coductor ue trata de icorporarse al flujo ehicular debe ealuar primero las brechas ue se preseta para determiar cuál, si existe algua, es lo suficietemete grade para pasar. Al aceptar esta brecha, el coductor piesa ue podrá termiar la maiobra de icorporació e itegrarse co seguridad al flujo pricipal. A esta acció se le deomia la aceptació de la brecha. Este factor tiee importacia cuado los igeieros está cosiderado la demora de los ehículos e camios secudarios, ue uiere icorporarse a u flujo ehicular e u camio pricipal e iterseccioes si semáforos, así como la demora de ehículos e rampa ue uiere icorporarse a ías de acceso cotrolado. Tambié puede usarse para croometrar la etrada de los ehículos ue está e la rampa de igreso de u camio de acceso cotrolado, de modo ue sea máxima la probabilidad de ue el ehículo etrate ecuetre ua brecha aceptable al llegar al camio de acceso cotrolado. Para emplear el factor de la aceptació de la brecha para la ealuació de las demoras, de tiempos de espera, logitudes de fila, etc., e las iterseccioes si semáforos y e las rampas de etrada, debe determiarse primero la logitud de brecha míima promedio ue los coductores a a 22

12 aceptar. Se ha dado arias defiicioes a este alor crítico. Greeshields lo llamó la brecha de tiempo míima aceptable y la defiió como la separació etre ehículos aceptada por el 50% de los coductores. Raff utilizó el cocepto de brecha crítica y la defiió como la brecha para la cual, el úmero de brechas aceptadas más cortas ue ésta es igual al úmero de brechas rechazadas mayores ue ésta. Puede emplearse u método gráfico o uo algebraico. E el uso del método gráfico, se traza dos curas de distribució acumulada como se muestra e la figura 2.4. Ua de ellas relacioa la logitud de la brecha t co el úmero de brechas aceptadas ue so meores ue t, y la otra relacioa a t co el úmero de brechas rechazadas mayores ue t. La itersecció de estas curas os da el alor de t para la brecha crítica. Fuete: Garber y Hoel Figura 2.4. Curas de distribució acumuladas para las brechas aceptadas y rechazadas 2.5. El efoue estocástico de los problemas de la brecha y de la brecha de aceptació El uso de la aceptació de la brecha para determiar la demora de los ehículos e los flujos meores ue a a icorporarse a los flujos pricipales, reuiere u coocimieto de la frecuecia de llegada de las brechas, ue sea cuado meos iguales a la brecha crítica. Ésto a su ez depede de la distribució de llegada de los ehículos de la corriete pricipal, al área de icorporació. E geeral, se acepta para u flujo ue aría de ligero a mediao e ua carretera, la llegada de los ehículos tiee ua distribució aleatoria. Por tato, es importate ue se estudie el efoue probabilística de este asuto. Es comú supoer ue para determiar la ariació de trásito ligero a mediao, la distribució es la de Poisso, auue tambié se ha plateado hipótesis para el uso de las distribucioes gamma y expoecial. 23

13 Supogamos ue la distribució para la llegada del flujo pricipal es la de Poisso, etoces la probabilidad de y llegadas para cualuier iteralo de tiempo de t segudos puede obteerse mediate la expresió P( y ( λt y e y! λt y m e y! m m λt y V λ T para y 0,, 2, 3,., dode los símbolos ya fuero explicados. Ahora, cosidere a u ehículo e ua itersecció si semáforos o e ua rampa esperado icorporarse al flujo ehicular pricipal, cuyas llegadas puede describirse mediate la ecuació aterior (Poisso. El ehículo proeiete del flujo meor a a icorporarse solamete si existe ua brecha de t segudos, igual ue o mayor ue, la brecha crítica. Esto a a ocurrir cuado o llegue ehículos durate u período ue dure t segudos. La probabilidad de esto es la probabilidad de ue llegue cero ehículos (y 0. Por tato, si se sustituye este alor e la ecuació de Poisso, el resultado será la probabilidad de ue ocurra ua brecha igual o mayor ue t (i t. P( 0 P( i t e λt e t i La ecuació aterior se cooce como la distribució expoecial y puede usarse para determiar el úmero de brechas aceptables ue ocurrirá e ua itersecció si semáforos o e el área de icorporació de la rampa de etrada a u camio de acceso cotrolado, durate u período T, si se acepta a la distribució Poisso para el flujo ehicular pricipal y tambié se cooce el olume ehicular V. Supoga ue T es igual a ua hora y ue V es el olume e eh/hr para el flujo ehicular pricipal. Ya ue se preseta (V- brechas etre V ehículos sucesios e u flujo ehicular, etoces el úmero esperado de brechas mayores o iguales ue t, está dado por Frecuecia( i t i λt ( V e ( V e t 24

14 2.6. Itroducció a la teoría de colas Ua de las pricipales preocupacioes de los igeieros de trásito, es el cogestioamieto ue existe e las ías urbaas, e especial durate las horas pico. Este cogestioamieto coduce a la formació de colas e las rampas de etrada y salida e los camios de acceso cotrolado, e las iterseccioes y e las ías co tráfico cotiuo dode pueda formarse colas e moimieto. Para u aálisis apropiado de los efectos de las colas, es esecial ua compresió de los procesos ue coduce a la formació de este tipo de colas y de las cosiguietes demoras e las carreteras. Por tato, la teoría de colas se ocupa del uso de algoritmos matemáticos para describir los procesos ue resulta e la formació de las colas, de modo ue pueda realizarse u aálisis detallado de los efectos de las colas. Estos algoritmos matemáticos puede usarse para determiar la probabilidad de ue ua llegada se retrase, el tiempo esperado de aguardar para todas las llegadas, el tiempo esperado de aguardar de ua llegada ue espera, etc. Se ha desarrollado arios modelos ue puede aplicarse a las situacioes del trásito, tales como, la icorporació del trásito e la rampa de los camios de acceso cotrolado, las iteraccioes e los cruces de peatoes y la reducció repetia de la capacidad e u camio de acceso cotrolado. Esta secció dará solamete las relacioes elemetales de la teoría de colas para u tipo específico, es decir la cola de u solo carril. Ua cola se forma cuado los arribos espera u sericio o ua oportuidad, como la llegada de ua brecha aceptada e u flujo pricipal de trásito, el cobro e ua caseta de peaje o e ua etrada a u estacioamieto. El sericio puede ofrecerse para u solo carril o para arios carriles. El aálisis apropiado de los efectos de ua cola de este tipo puede desarrollarse solamete si la cola está pleamete especificada. Esto reuiere ue se cuete co las siguietes características de la cola:. La distribució característica de las llegadas, por ejemplo, si es uiforme, si es Poisso, etc. 2. el método de sericio, tal como se atiede al primero ue lega, aleatorio o prioritario 3. La logitud de la fila, es decir, si es fiita o ifiita 4. la distribució de los tipos de sericio 5. la distribució de los carriles, es decir, si los carriles so idiiduales o múltiples, y e el caso de carriles múltiples, si so e serie o e paralelo. 25

15 Se ha utilizado arios métodos para la clasificació de las colas co base e las características ateriores, alguos de ellos se mecioa a cotiuació: Distribució de las llegadas. Las llegadas puede describirse como ua distribució determiística o ua distribució aleatoria. E geeral, el trásito ue a de ligero a mediao se puede describir mediate ua distribució Poisso, y comúmete se utiliza e las teorías de colas relacioadas co el flujo de trásito. Método de sericio. Las colas tambié puede clasificarse por el método ue se usa para prestar u sericio e las llegadas. Estos icluye ue se atieda al primero ue llega, e el cual las uidades so seridas e el orde de llegada, y al último ue llega es al primero ue se atiede, e el cual el sericio está iertido respecto del orde de llegada. El método por tipo de sericio tambié puede basarse e la prioridad, para lo cual las llegadas se caaliza a las filas específicas de los ieles apropiados de prioridad, por ejemplo, se da prioridad a los buses. Etoces se presta sericio a las colas de acuerdo co el iel de prioridad. Características de la logitud de la cola. Se especifica la logitud máxima de la cola, es decir, el úmero máximo de uidades e la cola, e cuyo caso la cola puede ser fiita o trucada, o puede o haber restricció a la logitud de la cola. Alguas eces so ecesarias las colas fiitas cuado el área de espera está limitada. Distribució de sericios. Geeralmete tambié se cosidera a esta distribució como aleatoria, y se ha utilizado las distribucioes de Poisso y la expoecial egatia. Números de carriles. Correspode al úmero de colas de espera, por tato se usa para hacer su clasificació, por ejemplo, como ua cola de u solo carril o ua cola de arios carriles. Colas sobresaturadas y por debajo de la saturació. Las colas sobresaturadas so auellas e ue la tasa de llegadas es mayor ue la tasa de sericio, y las colas por debajo de la saturació so auellas e ue la tasa de llegadas es meor ue la tasa de sericio. La logitud de ua cola por debajo de la saturació puede ariar, pero alcazará u estado 26

16 estacioario co la llegada de las uidades. Si embargo, la logitud de ua cola sobresaturada uca alcazará el estado estacioario sio ue seguirá aumetado co la llegada de las uidades. Fuete: Garber y Hoel, 2005 Figura 2.5. Ua cola de u solo carril Filas ifiitas por debajo de la saturació y de u solo carril E la figura 2.5 se muestra u esuema de ua cola de u solo carril para la cual la tasa de llegadas es de ehículos/hora y la tasa de sericio es de Q ehículos/hora. Para ua cola por debajo de la saturació, Q>, supoiedo ue tato la tasa de llegadas como la tasa de sericio so aleatorias, y puede desarrollarse las siguietes relacioes:. La probabilidad de uidades e el sistema, P( P( Q dode es el úmero de uidades e el sistema, icluyedo la uidad ue está siedo serida. 2. El úmero esperado de uidades e el sistema, E( E( Q 3. El úmero esperado de uidades ue espera por el sericio (es decir, la logitud media de la cola e el sistema, E(m Q 2 E( m Q( Q Obsere ue E(m o es exactamete igual a E(-, esto se explica porue existe ua probabilidad defiida de ue cero uidades esté e el sistema, P(0. 27

17 28 4. El tiempo promedio de espera e la cola, E(w ( ( Q Q w E 5. El tiempo promedio de espera de ua llegada, icluyedo la cola y el sericio, E( Q E ( 6. La probabilidad de pasar u tiempo t o meor e el sistema t Q e t P ( 7. La probabilidad de esperar u tiempo t o meor e la cola t Q e Q t w P ( 8. La probabilidad de ue esté e el sistema más de N ehículos, es decir P(>N ( + N Q N P Filas fiitas por debajo de la saturació y de u solo carril E el caso de ua cola fiita, se especifica el úmero máximo de uidades (N e el sistema. Sea la tasa de llegada y Q la tasa de sericio. Si tambié se supoe ue tato la tasa de llegadas como la tasa de sericio so aleatorias, puede desarrollarse las siguietes relacioes para la cola fiita:. Probabilidad de uidades e el sistema N P ρ ρ ρ ( + dode ρ /Q 2. El úmero esperado de uidades e el sistema ( ( N N N N N E ρ ρ ρ ρ ρ

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

COLEGIO DE CIENCIAS Y HUMANIDADES ACADEMIA DE MATEMÁTICAS

COLEGIO DE CIENCIAS Y HUMANIDADES ACADEMIA DE MATEMÁTICAS COLEGIO DE CIENCIAS Y HUMANIDADES ACADEMIA DE MATEMÁTICAS "Toda cosa grade, majestuosa y bella e este mudo, ace y se forja e el iterior del hombre". Gibrá Jalil Gibrá. Uidad : PROCESOS INFINITOS Y LA NOCIÓN

Más detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Frontera

ECUACIONES DIFERENCIALES Problemas de Valor Frontera DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada

Más detalles

Sistemas de Segundo Orden

Sistemas de Segundo Orden Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

ANÁLISIS Y RESOLUCIÓN DE CIRCUITOS

ANÁLISIS Y RESOLUCIÓN DE CIRCUITOS NÁLSS Y ESOLCÓN DE CCTOS. Las Leyes de Kirchhoff..- Euciado de las Leyes de Kirchhoff. Defiició de Nodo y Lazo Cerrado. Las Leyes de Kirchhoff so el puto de partida para el aálisis de cualquier circuito

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

7 Energía electrostática Félix Redondo Quintela y Roberto Carlos Redondo Melchor Universidad de Salamanca

7 Energía electrostática Félix Redondo Quintela y Roberto Carlos Redondo Melchor Universidad de Salamanca 7 Eergía electrostática Félix Redodo Quitela y Roberto Carlos Redodo Melchor Uiersidad de alamaca Eergía electrostática de ua distribució de carga eléctrica Hasta ahora hemos supuesto distribucioes de

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

TEORÍA DE LÍNEAS DE ESPERA (COLAS)

TEORÍA DE LÍNEAS DE ESPERA (COLAS) TEORÍA DE ÍEAS DE ESERA COAS Cojuto de modelos matemáticos ue describe sistemas específicos de líeas de espera o colas, usados e la toma de decisioes al ecotrar el estado estable o estacioario del sistema

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES.

FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES. FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL FUNCIONES DE VARIAS VARIABLES. DEFINICIONES DE FUNCIONES EN VARIAS VARIABLES. Ua fució de variable es u cojuto de pares ordeados de la forma

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

UNIVERSIDAD SIMON BOLIVAR

UNIVERSIDAD SIMON BOLIVAR NVESDD SMON BOLV COMPOMENO DE L MQN CON Hoja Nº -63 EXCCÓN EN DEVCON 1. La máquia e derivació coectada a ua red de tesió costate. La ecuació para la tesió es (cosiderado circuito pasivo): + ). + E ( (

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

Teorema del Muestreo

Teorema del Muestreo Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE

Más detalles

Aplicaciones del cálculo integral vectorial a la física

Aplicaciones del cálculo integral vectorial a la física Aplicacioes del cálculo itegral vectorial a la física ISABEL MARRERO epartameto de Aálisis Matemático Uiversidad de La Lagua imarrero@ull.es Ídice 1. Itroducció 1 2. Itegral doble 1 2.1. Motivació: el

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

Capítulo I. La importancia del factor de potencia en las redes. eléctricas

Capítulo I. La importancia del factor de potencia en las redes. eléctricas La importacia del factor de potecia e las redes eléctricas. Itroducció Las fuetes de alimetació o geeradores de voltaje so las ecargadas de sumiistrar eergía e las redes eléctricas. Estas so de suma importacia,

Más detalles

LOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En

LOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

Prácticas de Física Aplicada a las Ciencias de la Salud Curso 2015/16. Óptica geométrica

Prácticas de Física Aplicada a las Ciencias de la Salud Curso 2015/16. Óptica geométrica Óptica geométrica. Objetivos Familiarizar al alumo co coceptos básicos e óptica geométrica, tales como los feómeos de reflexió, refracció o reflexió total. Comprobació de la Ley de Sell. Características

Más detalles

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas Sistemas Automáticos. Ig. Orgaizació Cov. Juio 05. Tiempo: 3,5 horas NOTA: Todas las respuestas debe ser debidamete justificadas. Problema (5%) Ua empresa del sector cerámico dispoe de u horo de cocció

Más detalles

Modulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones

Modulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones Modulo IV Iversioes y Criterios de Decisió Aálisis de Iversioes 1. Iversió e la empresa 2. Métodos aproximados de valoració y selecció de iversioes 3. Criterio del valor actualizado eto (VAN) 4. Criterio

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

Práctica de Física AJUSTE DE UNA RECTA

Práctica de Física AJUSTE DE UNA RECTA Práctica de Física AJUSTE DE UNA RECTA Calcular el valor medio y error de ua serie de valores Ajustar los datos experimetales mediate ua depedecia lieal La determiació de ua magitud física está sujeta

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

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

Más detalles

ANALISIS ESTADISTICO DE VALORES EXTREMOS

ANALISIS ESTADISTICO DE VALORES EXTREMOS ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este

Más detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

El tema de este capítulo es el estudio de las sucesiones de números reales. Una sucesión no es más que un conjunto ordenado de números.

El tema de este capítulo es el estudio de las sucesiones de números reales. Una sucesión no es más que un conjunto ordenado de números. Capítulo 3 Sucesioes 3 Defiicioes Geerales El tema de este capítulo es el estudio de las sucesioes de úmeros reales Ua sucesió o es más que u cojuto ordeado de úmeros Por ejemplo, 2, 4, 6, 8, 0, 2,, 2,

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

TEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES.

TEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES. Tema 6 Derivada de ua ució e u puto Fució derivada Derivadas sucesivas Aplicacioes TEMA 6 DERIVADA DE UNA FUNCIÓN EN UN PUNTO FUNCIÓN DERIVADA DERIVADAS SUCESIVAS APLICACIONES ÍNDICE INTRODUCCIÓN DERIVADA

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

PAGINA Nº 80 GUIAS DE ACTIVIDADES Y TRABAJOS PRACTICOS Nº 14

PAGINA Nº 80 GUIAS DE ACTIVIDADES Y TRABAJOS PRACTICOS Nº 14 GUIA DE TRABAJO PRACTICO Nº 4 PAGINA Nº 80 GUIAS DE ACTIVIDADES Y TRABAJOS PRACTICOS Nº 4 OBJETIVOS: Lograr que el Alumo: Resuelva correctamete aritmos y aplique sus propiedades. Resuelva ecuacioes epoeciales.

Más detalles

Símbolo del inversor autónomo.

Símbolo del inversor autónomo. CAPITULO II TORIA D LOS INRSORS D TNSION Itroducció Los iversores de tesió so coversores estáticos, destiados a cotrolar el flujo de eergía eléctrica etre ua fuete de tesió cotiua y ua fuete de corriete

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

Escena 5 Planificación contra stock

Escena 5 Planificación contra stock Método de Plaificació propuesto 67 Escea 5 Plaificació cotra stock Ua vez coocidos los protagoistas la escea busca ordear los pedidos de la forma más eficiete, respetado los requisitos del cliete. Es e

Más detalles

UNEFA C.I.N.U. Matemáticas

UNEFA C.I.N.U. Matemáticas RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el

Más detalles

Sucesiones de números reales

Sucesiones de números reales Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54

Más detalles

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1 Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los

Más detalles

Teorema del límite central

Teorema del límite central Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral

Más detalles

Técnicas para problemas de desigualdades

Técnicas para problemas de desigualdades Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,

Más detalles

Laboratorio: Las magnitudes físicas

Laboratorio: Las magnitudes físicas Laboratorio: Las magitudes físicas Departameto de Física CONTENIDO Las magitudes físicas y sus medidas. Aálisis dimesioal. Errores o icertidumbres eperimetales. La medida de magitudes físicas y sus errores.

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.

Más detalles

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga

Más detalles

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1 Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA

Más detalles

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

Más detalles

MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO

MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FERNANDO ESPINOSA FUENTES Necesidad del reemplazo. Si se matiee u riesgo durate u tiempo

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

ELEMENTOS DE ÁLGEBRA MATRICIAL ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:

Más detalles

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica.

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica. págia 05. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto {,,, 4,

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos

Más detalles

UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION.

UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION. FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION. FERNANDO ESPINOSA FUENTES INTRODUCCION. U sistema productivo

Más detalles

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007 CÁLCULO Ejercicios Resueltos Semaa 0 Julio al Agosto 007 Ejercicios Resueltos. Estime el área ecerrada por la curva de ecuació y, el eje X y, para ello, divida el itervalo [0,] e cico partes iguales, y

Más detalles

Señales en Tiempo Discreto

Señales en Tiempo Discreto Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales

Más detalles

(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz

(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz 3. AMPIFICADORES Y MEZCADORES 1. E el circuito de la figura: a) Determiar el puto de trabajo de ambos BJT. b) Represetar el circuito e pequeña señal idicado los valores de cada elemeto. c) Hallar la gaacia

Más detalles

Tema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor

Tema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor Tema 7 (IV) Aplicacioes de las derivadas () Represetació gráfica de curvas y fórmula de Taylor Aplicacioes de la derivada primera El sigo de la derivada primera de ua fució permite coocer los itervalos

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD

INTRODUCCIÓN A LA PROBABILIDAD INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

ESTIMACION DE LA PRESION DE CONVERGENCIA, CONSTANTE DE EQUILIBRIO Y FASES DEL GAS NATURAL

ESTIMACION DE LA PRESION DE CONVERGENCIA, CONSTANTE DE EQUILIBRIO Y FASES DEL GAS NATURAL República Bolivariaa de Veezuela Miisterio del Poder Popular para la Educació Superior Uiversidad Nacioal Experimetal Rafael María Baralt Programa: Igeiería y Tecología Proyecto: Igeiería e Gas Profesor:

Más detalles

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos

Más detalles

EJERCICIOS RESUELTOS. t +

EJERCICIOS RESUELTOS. t + BXX5744_07 /6/09 4: Págia 49 EJERCICIOS RESUELTOS Calcula la tasa de variació media de la fució f() = + e los itervalos [, 0] y [0, ], aalizado el resultado obteido y la relació co la fució. La fució f()

Más detalles

Donde el par Tm a la salida del motor se expresa en N.m y la velocidad del motor w se expresa en rad/s.

Donde el par Tm a la salida del motor se expresa en N.m y la velocidad del motor w se expresa en rad/s. U automóvil (Citroe XM V6) tiee la geometría idicada e la figura. Su masa total es.42 Kg. Dispoe de u motor cuya relació par-velocidad puede expresarse mediate la relació: Tm=-,52.-3.w2+,38.w-5,583 N.m

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

Más detalles

Tema 5 Series numéricas

Tema 5 Series numéricas Tema 5 Series uméricas Objetivos 1. Defiir series co wxmaxima. 2. Calcular sumas parciales de ua serie. 3. Iterpretar la defiició de suma de ua serie. 4. Calcular la suma de ua serie geométrica. 5. Calcular

Más detalles