2. Tratamiento de errores
|
|
- Roberto Palma Montoya
- hace 6 años
- Vistas:
Transcripción
1 . Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la observacón cuanttatva de alguna magntud defnda en el ámbto de cualquer cenca. Toda medda epermental adolece de mprecsón porque los métodos e nstrumentos que se emplean para medr son mperfectos. Por eso, el número que epresa el resultado de una medda, además de r acompañado de la correspondente undad, debe estar tambén acompañado de otro número menor que llamamos error y que es un índce de la mprecsón de la medda... Tpos de errores Una medda drecta puede tener errores por tres motvos: Errores sstemátcos: se producen por una causa conocda y debe evtarse ntroducendo la correccón oportuna (por ejemplo, el error de cero). S no fuera posble evtarlos, las meddas deben corregrse tenendo en cuenta este error sstemátco. Errores de sensbldad: son debdos a la lmtacón en la precsón de cualquer aparato de medda. Errores aleatoros: se producen por causas desconocdas, por mprecsones en el método de medda o porque la magntud que se mde es ntrínsecamente aleatora.
2 Tratamento de errores -.3. Especfcacón de errores: error absoluto y error relatvo S denota el resultado de un epermento y su error, la epresón correcta del resultado meddo debe ser en la forma sguente. (.) Indca que el valor verdadero de la magntud se encuentra dentro del ntervalo entre y. La cantdad recbe el nombre de error absoluto de la medda. El error puede epresarse tambén en porcentaje, lo que se conoce como error relatvo r defndo como r 00. (.).4. Meddas drectas o por aparatos calbrados Una vez elmnados o corregdos los errores sstemátcos, el error epermental asgnado a la varable está determnado por el error de sensbldad (o escala) del aparato y el error aleatoro del epermento..4.. Error de sensbldad El error de sensbldad o escala s es el que se derva de la lmtacón en la escala mínma de los aparatos de medcón. Cada medda ndvdual está sujeta a este error. Se debe dstngur entre la medcón con aparatos analógcos y dgtales. Cuando se efectúa la medcón sobre una escala graduada de un aparato analógco, a menudo la ndcacón obtenda no se corresponde con una dvsón eacta de la escala, sno que queda comprendda entre dos valores (por ejemplo, meddas hechas con una regla). En estos casos puede hacerse la estmacón de forma vsual y se puede aprecar hasta la mtad de la dvsón de escala. Por tanto el error de sensbldad s asgnado a la medda es la mtad de la mínma dvsón del aparato de medda. Por el contraro, cuando el aparato de medda es dgtal, la aprecacón mínma que puede tomarse corresponde a la últma cfra que
3 Tratamento de errores -3 ndca el aparato. En estos casos, el error de sensbldad s que se debe asgnar a la magntud es gual a la mínma dvsón del aparato..4.. Error aleatoro: desvacón típca El error aleatoro a provene del hecho de que, al repetr un epermento, los resultados pueden dferr. Para este tpo de errores, la estmacón se hace medante la desvacón típca de los datos. Supongamos que se realzan meddas sucesvas,..., de una magntud. Asumendo que la dstrbucón de los datos es normal, el valor más probable de la magntud es el valor medo de los valores. Esto es, el valor que se asgna a la magntud es. (.3) El error aleatoro a asocado a esta medda es la desvacón típca de los datos (o error cuadrátco medo), que vene dado por la epresón a. (.4) Esta cantdad es una medda de la repetbldad de los datos, ya que cuanto mayor es la desvacón típca de los valores menor es el grado de concdenca, y por tanto mayor es el error Dspersón de meddas El número de meddas necesaro de una magntud para que el epermento pueda consderarse precso depende de la repetbldad de los valores obtendos. El crtero que segumos para determnar el número de meddas a realzar en un epermento es el sguente: Se toman tres meddas,, 3 de la magntud y se calcula su valor medo y la dspersón de los valores, defnda como la dferenca entre los valores etremos, es decr, Dmamn. Se calcula la dspersón relatva de los valores, D / 00 d. S d es menor al % es sufcente con las tres meddas realzadas. S d está entre el % y el 8% se hacen ses meddas. S d está entre el 8% y el 5% se hacen qunce meddas.
4 Tratamento de errores -4 S d es superor al 5% se hacen trenta meddas Cfras sgnfcatvas y redondeos Al presentar numércamente un resultado se debe tener en cuenta el concepto de cfra sgnfcatva. El número de cfras sgnfcatvas de un resultado se obtene contando desde la derecha el número de cfras de la cantdad hasta que encontremos un últmo número no cero, a partr del cual todos números a la zquerda son ceros. Por ejemplo el número 0,03 tene cfras sgnfcatvas. S hubésemos epresado el resultado como 0,030, éste tendría 3 cfras sgnfcatvas, y querría decr que el aparato de medda es capaz de medr hasta la cuarta cfra decmal. Cuando se da el valor de una medda epermental, el crtero que tomamos es que el error se epresa con una sola cfra sgnfcatva. El valor sempre debe redondearse por eceso o por defecto según sea el valor más cercano. El crtero para el resultado es asgnar cfras sgnfcatvas hasta el decmal que corresponde a la cfra del error. Por ejemplo, un resultado que sea, con un error 0,00 debe epresarse como,000,00. Tambén se realza el redondeo del resultado en funcón de cual es el valor más cercano. Por ejemplo, un resultado 4,56 con un error 0, debe epresarse como 4,30,. En cambo, s el valor hubese sdo 4,6 se debería epresar como 4,0, Epresón de errores Cuando se realza una medda epermental drecta se deben comparar las dos fuentes de error, el error de sensbldad o escala s y el error aleatoro a. La forma de presentar el resultado de la medda drecta consste en dar el valor medo de las meddas realzadas y asgnar a dcha medda un error gual al mayor de los dos errores, esto es ma(s,a. Ejemplo: Consderemos que se hace una medda de tempo con un cronómetro dgtal que apreca hasta las centésma de segundo. Se hacen tres meddas y el resultado es el sguente:
5 Tratamento de errores -5 t t t 3 5, s, 4, s, 5, 0.0 s. El valor medo de los valores es t 5, 0466 y su dspersón relatva es d0.55%. Como d<% no es necesaro tomar más meddas. El error de escala de cada medda es s0.0 s. El cálculo del error aleatoro da como resultado a0,070 s. Por lo tanto, el mayor factor de error es el error aleatoro. Aplcando el crtero de una cfra sgnfcatva en el error, el resultado de la medda drecta debe epresarse como t 5, s. El error relatvo es r 0,3%..5. Meddas ndrectas: propagacón de errores Las meddas ndrectas son aquellas que se obtenen como resultado de aplcar una fórmula teórca sobre valores que son el resultado de meddas drectas. S se tene una cantdad y que es funcón de m varables,,..., m, cada una con un error asocado,,..., m,, el cálculo del error y asocado al resultado de una ecuacón yf(,,..., m) se obtene por cálculo de propagacón de errores. Tomamos como crtero de error la propagacón de errores absolutos. Se obtene dferencando la funcón f y asemejando las dferencales a ncrementos fntos, y por lo tanto a errores, se obtene que f f y... f m m. (.5) Algunos autores consderan como crtero de error la propagacón de errores cuadrátcos, según el cual el error y vene dado por la relacón f f f y... m. (.6) m
6 Tratamento de errores -6 Ejemplo: se calcula la velocdad v de un cuerpo a partr de las meddas drectas del espaco recorrdo L y del tempo t empleado en recorrerlo, utlzando la relacón vl/t. Suponemos que los valores obtendos son L 0,5 0,05 m, t 0,54 0,08 s. El valor de la velocdad es v0,568 0,568 m/s, donde se utlzan los valores medos L y t. El error v que se debe asgnar a la velocdad es L v L 0,0044 0,0034 m/ s, t t donde nuevamente se usan los valores de L y t para evaluar la epresón. Por lo tanto, aplcando el crtero de una cfra sgnfcatva en el error, la velocdad debe epresarse como v 0,50,57 0,003 0,004 m / s. Algunos ejemplos de propagacón de errores en funcones sencllas son: Suma o resta: y y Producto: y y Cocente: y y y y.6. Consderacones para la reduccón de errores A contnuacón se dan algunas normas que se deben tener en cuenta al realzar una eperenca, y que ayudan a reducr los errores.. Se debe comenzar planfcando ben la eperenca, señalando claramente las varables a medr.. Delmtar los ntervalos de varacón de las varables a medr y probar dversas partes del dspostvo epermental para hacer una prmera estmacón del resultado. 3. Realzar una eperenca prelmnar, para encontrar la mejor manera de tomar las meddas epermentales.
7 Tratamento de errores Hacer todas las meddas en el ntervalo de tempo más corto posble, para evtar que alguna varable que debe permanecer constante pueda cambar. 5. Calbrar correctamente los aparatos de medda. 6. Corregr o tener en cuenta el error de cero de los aparatos de medda, a fn de evtar los errores sstemátcos. 7. Evtar el error de paralaje que se tene cuando el objeto que se quere medr se encuentra a certa dstanca de la escala, con lo que la línea de mrada varía el resultado, aumentando el error. Este tpo de error es común en aparatos en los que una aguja se mueve sobre una escala. La forma de evtarlo es procurar que la separacón entre la aguja y la escala sea mínma. 8. En la medda de funcones peródcas, en lugar de medr un solo perodo, hacer la medda sobre perodos, con objeto de reducr el error absoluto de la medda. Se calcula el perodo como medda ndrecta. 9. En las meddas en crcutos eléctrcos, es convenente garantzar que las coneones estén ben seguras, ya que sno pueden aparecer resstencas adconales que enmascaren los resultados. 0. Hacer las meddas de forma relatva sempre que sea posble, dada la comoddad que presentan.. S esten smetrías en el dspostvo epermental convene efectuar ntercambos, con lo que las meddas deberán quedar teórcamente nalterables. De esta manera se puede comprobar la bondad de los resultados..7. Representacón gráfca La presentacón de los resultados en forma de gráfcas tene gran utldad ya permte obtener una concepcón vsual de la evolucón de un epermento en funcón de una varable. Además se utlza para determnar el valor de una magntud, por lo general la pendente de una recta, que representa la relacón entre dos varables.
8 Tratamento de errores Gráfcas y tablas os restrngmos a gráfcas del tpo yf(). Se utlzan para representar un epermento físco en el que se varía de manera controlada una varable (que se representa en el eje de abcsas), y se mde su ncdenca en otra varable relaconada y (que se representa en el eje de ordenadas). La mejor forma de presentar las gráfcas es de la manera más senclla posble, pero que contenga toda la nformacón del epermento. Los ejes coordenados deben tener títulos que ndquen de qué magntud se trata, y en qué undades se epresa. Las escalas de ambos ejes deben abarcar todo el ntervalo de meddas realzadas, y solamente éste, aunque para ello el orgen de coordenadas no concda con el valor cero. Es convenente que en el fondo de la gráfca se presente una rejlla asocada a valores enteros de la escala de los ejes, para poder aprecar los valores de los puntos epermentales. Los datos se presentan en forma de puntos. Estos puntos tenen que estar acompañados de barras de error, tanto vertcales como horzontales que ndquen la mprecsón en las varables e y. S se presentan varas curvas en una msma gráfca, es convenente ntroducr una leyenda asgnando la característca de cada una de las curvas..7.. Ajuste por mínmos cuadrados En muchas ocasones la relacón funconal entre las varables e y es medante una recta yab, donde A y B son dos constantes que pueden tener nterés físco. Convene poder evaluar su valor y su error a partr de los datos epermentales. El problema consste en obtener los valores de A y B que mejor representen un conjunto Recta de regresón de valores epermentales {, y},,... El crtero que se sgue es obtener la recta que mnmce la suma de los cuadrados de las dstancas dy(ab). El resultado de dcho ajuste por mínmos cuadrados se puede epresar en funcón de los puntos {, y} como y d Fgura.. Se mnmza la suma de los cuadrados de las dstancas d a la recta de regresón.
9 Tratamento de errores -9 y y A, (.6a) y y B. (.6b) Epresones más elaboradas nos permten determnar el error de A, y el error de B: El ajuste medante una recta de regresón no es solamente váldo para el caso de un epermento que sgue una ley lneal. Se pueden ajustar a una recta otros comportamentos sn más que hacer una transformacón de los datos. Algunos ejemplos son: y : Se representa y a b. Defnendo ~ e ~ y y se puede hacer un ajuste a una recta ~ y A~ B, y los parámetros obtendos se relaconan con los de la ley orgnal según A a y B b. Ajuste de a b Ajuste de y b epa : se representa ln y ln b a. Defnendo ~ e y ~ ln y se puede hacer un ajuste a una recta ~ y A ~ B, y los parámetros obtendos se relaconan con los de la ley orgnal según A a y B lnb. Ajuste de y ba : se representa ln y ln b ln a. Defnendo ~ e y ~ ln y se puede hacer un ajuste a una recta ~ B y A ~, y los parámetros obtendos se relaconan con los de la ley orgnal según A ln a y B lnb.
10 Tratamento de errores Correlacón S nos fjamos en los tres conjuntos de datos que se representan en la fgura, se observa que en el prmero de ellos los datos se esparcen en forma de nube, sn una relacón entre ellos. En el segundo, la varable y tene una tendenca a aumentar a medda que aumenta. Fnalmente el tercero presenta una dependenca lneal muy acusada. y y y (a) (b) (c) Fgura.. Dstrbucón de datos (a) sn correlacón, (b) con dependenca estadístca y (c) con dependenca funconal (correlaconados) Se dce entonces que los datos e y de la prmera gráfca no están correlaconados, o que son ndependentes. En el segundo caso se dce que los datos presentan una dependenca estadístca, mentras que en el tercer caso presentan una dependenca funconal. Para evaluar numércamente estas tendencas se defne un coefcente de correlacón r que puede tomar valores entre y. S el valor de r es gual o smlar a entonces este una dependenca funconal; s es gual o cercano a cero, entonces las varables son ndependentes. El coefcente de correlacón vene dado por la epresón. r y y y y. (.8) Tanto el ajuste medante las ecuacones (.7) como la evaluacón del coefcente de correlacón dependen del número de meddas realzadas. Tomamos como crtero tomar al menos 6 meddas dferentes para poder consderar los resultados váldos.
11 Tratamento de errores -.8. Informe y memora de una eperenca Al realzar una eperenca, los datos deben anotarse con la máma clardad ya que frecuentemente serán analzados más adelante. Es aconsejable hacer las gráfcas y cuadros de datos en el msmo laboratoro mentras se hace la eperenca. El guón de práctcas es un documento que especfca el objetvo de la práctca, su metodología y srve de guía para su realzacón. El nforme de práctcas es el documento que presenta los resultados del epermento. Los apartados que debe contener el nforme de práctcas son:. Objetvo de la práctca.. Breve descrpcón teórca. 3. Breve descrpcón y reseña de ncdencas del montaje epermental. 4. Descrpcón comentada y reseña de ncdencas del desarrollo epermental. 5. Análss de los datos. Tablas de datos. Análss estadístco. Análss gráfco. 6. Presentacón y dscusón de resultados. Conclusones. Bblografía. C. Sánchez del Río, Análss de errores, Ed. Eudema.
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 detallesLaboratorio de Bases Físicas del Medio Ambiente
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
Más detallesCURSO 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 detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesAnálisis 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 detallesMétodos 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 detallesFísica 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 detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesTema 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 detallesDISTRIBUCIONES 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 detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesFigura 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 detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesEL 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 detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesRelaciones 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 detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesCÁLCULO 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 detallesESTADISTÍCA. 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 detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesESTADÍSTICA. 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 detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesFacultad 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 detallesMedidas 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 detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesUniversidad 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 detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesCAPÍTULO 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 detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesVariables 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 detallesPráctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun
Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco
Más detallesINTRODUCCIÓN 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 detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Más detallesCARTAS 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 detallesMª 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 detallesTallerine: 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 detallesCAPÍTULO 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 detallesRegresión 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 detallesDeterminar el momento de inercia para un cuerpo rígido (de forma arbitraria).
Unversdad de Sonora Dvsón de Cencas Exactas y Naturales Departamento de Físca Laboratoro de Mecánca II Práctca #3: Cálculo del momento de nerca de un cuerpo rígdo I. Objetvos. Determnar el momento de nerca
Más detallesPista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador.
ITM, Insttucón unverstara Guía de Laboratoro de Físca Mecánca Práctca : Colsones en una dmensón Implementos Psta curva, soporte vertcal, cnta métrca, eseras metálcas, plomada, dspostvo óptco dgtal, varlla
Más detallesFUNDAMENTOS 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 detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesPoblación 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 detallesMUESTREO 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 detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesESTADÍSTICA 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 detallesESTADÍSTICA (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 detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesInferencia 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 detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesCircuitos 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 detallesESTADÍSTICA. 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 detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesTema 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 detallesPRÁCTICA 11. AMPLIFICADOR OPERACIONAL I
PRÁCTICA 11. AMPLIFICADOR OPERACIONAL I 1. Objetvo El objetvo de esta práctca es el estudo del funconamento del amplfcador operaconal, en partcular de dos de sus montajes típcos que son como amplfcador
Más detallesNociones 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 detallesEjemplo: 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 detallesREGRESION 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesProblema: 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 detallesLaboratorio de Física con soporte interactivo en Moodle
Laboratoro de Físca con soporte nteractvo en Moodle Laboratoro de Físca con soporte nteractvo en Moodle Javer Ablanque Ramírez Rosa María Bento Zafrlla Juan Carlos Losada González Departamento de Físca
Más detallesEs el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio.
1 Movmento Vbratoro Tema 8.- Ondas, Sondo y Luz Movmento Peródco Un móvl posee un movmento peródco cuando en ntervalos de tempo guales pasa por el msmo punto del espaco sempre con las msmas característcas
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesTÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3
PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesUna renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.
Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesH 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 detallesCálculo 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 detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesDpto. 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 detallesESTADÍSTICA 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 detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesTema 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 detallesNOTAS 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 detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesLa representación Denavit-Hartenberg
La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado
Más detallesUNIDAD 1: Tablas de frecuencias
UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesSISTEMA 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 detallesPara 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 detallesGuía 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 detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa
Más detallesSEGUNDA 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