Bandas de Bollinger. Curso Estrategias de Inversión en Acciones. Tendencia alcista con alta volatilidad. Tendencia alcista con baja volatilidad

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

Download "Bandas de Bollinger. Curso Estrategias de Inversión en Acciones. Tendencia alcista con alta volatilidad. Tendencia alcista con baja volatilidad"

Transcripción

1 Badas de Bolliger La volatilidad hace referecia a la diferecia promedio etre los máximos y míimos que defie las fuerzas alcistas y bajistas a medida que éstos etra y sale del mercado. La volatilidad está asociada a la dispersió etre los precios de u determiado mercado y es otra dimesió e la caracterizació de toda tedecia. Por ejemplo, ua tedecia puede ser alcista co alta volatilidad o alcista co baja volatilidad. $ $ $ $ $ $ 0 Tedecia alcista co alta volatilidad $ $ $ $ $ $ $ $ 0 Tedecia alcista co baja volatilidad

2 Auque la volatilidad está usualmete ligada a ua visió estadística del mercado, la volatilidad refleja el cotexto psicológico de las masas que iteractúa co éste. Cuado el mercado tiee ua baja volatilidad es porque osos y toros está de acuerdo respecto de la direcció de éste, mietras que cuado el mercado tiee alta volatilidad implica que osos y toros o está de acuerdo respecto de la direcció del mercado. Estar cosciete de la volatilidad es de utilidad tato para seguidores de tedecias como para swig traders. Los primeros toma posicioes de más largo plazo y suele ivertir e la tedecia primaria, mietras que los segudos toma posicioes más cortas y suele ivertir e la tedecia secudaria. Para u seguidor de tedecia es importate estar cosciete de la volatilidad del mercado ya que los cambios e este ámbito suele ateceder la formació de ua tedecia y el rompimieto de ésta. Para los swig traders la volatilidad es aú más vital ya que éstos tiee que saber el ivel de volatilidad del mercado, aparte de la direcció de la tedecia primaria, esto porque sus etradas suele ser de corto plazo, y por lo tato el mercado tiee que teer u cierto ivel míimo de volatilidad para que los efectos de las comisioes o merme la retabilidad de cada posició.

3 La técica de badas de Bolliger, fue desarrollada a pricipios de los 80 por Joh Bolliger y está basada e el cálculo y visualizació del precio promedio móvil más dos desviacioes estádar, UBBAND, y el precio promedio móvil meos dos desviacioes estádar, LBBAND. Las badas de Bolliger se suele graficar directamete e el gráfico de precios y e cojuto co ua media móvil. Las badas de Bolliger se calcula de la siguiete forma: Dode, UBBAND ( MA( 2DE( LBBAND ( MA( 2DE( DE( 1 i1 ( p ti MA( ) 2 MA( 1 i1 p t i

4 Y e dode pt i, represeta el precio de mercado del istrumeto e aálisis hace i días. Y represeta el úmero de días históricos que se utiliza para calcular las badas de Bolliger. A este parámetro se le suele llamar memoria. Las badas de Bolliger suele calcularse co ua memoria de 15, 20 o 25 días. Iterpretació Las badas de Bolliger tiee u diseño estadísticamete ispirado y razoes psicológicas que fudameta su fucioamieto práctico. E térmios estadísticos el precio estará al meos u 95% de las veces e el rago defiido por: Y u 68% de las veces e el rago defiido por: De lo aterior se sigue que cada vez que el precio se ecuetra e el siguiete rago:

5 Si el precio se matiee por demasiado tiempo y de maera costate e dicho rago, esto quiere decir que el mercado o se está comportado de maera ormal y por lo tato esto implica que la estructura de éste se ecuetra e período de trasició. A este feómeo se le llama reversió a la media y auque éste tiee ua explicació estadística, la razó por la cual fucioa es porque el mercado sale a comprar o a veder cuado los precios se aleja demasiado del precio promedio de mercado. Esta compra y veta de títulos geera excesos de oferta y demada, y equilibra los precios hasta llevarlos cerca de su valor promedio histórico. Cuado el precio se acerca a la bada de Bolliger superior los osos coscietes de que la probabilidad de que el precio la supere, o que se matega alrededor de ésta, es muy baja, estos sale a veder. De maera aáloga, cuado el precio se acerca a la bada de Bolliger iferior los toros coscietes de que la probabilidad de que el precio la cruce hacia abajo, o que se matega alrededor de ésta, es muy baja, estos sale a comprar. El valor de DE( determia el ivel de volatilidad del mercado y mietras mayor sea éste más volátil es el mercado.

6 Lectura del mercado Reversió. Cuado el precio toca ua bada de Bolliger es altamete probable que el mercado revierta su direcció. Objetivo. Cuado se ha cofirmado ua direcció del mercado y se ha abierto ua posició para lucrar de ésta, el primer objetivo de gaacias que se suele defiir es el de la bada de Bolliger superior, e el caso de ua posició larga y el de la bada de Bolliger iferior, e el caso de ua posició corta. Nueva iformació. Cuado el precio está más de tres días sobre la bada de bolliger superior o bajo la bada de bolliger iferior esto es ua señal de que el mercado dejó de comportarse de maera ormal y por lo tato éste está iteriorizado ueva iformació cofigurádose éste al alza o a la baja. Volatilidad. La distacia etre ambas badas de bolliger determia el ivel de volatilidad del mercado, cuado éste se cotrae implica que el mercado ecotró u esceario de acuerdo. Después de ua cotracció e la volatilidad, o u esceario de acuerdo, el mercado suele explotar y expadirse violetamete su ivel de volatilidad.

Una de las herramientas más utilizadas por los analistas técnicos es la llamada media móvil.

Una de las herramientas más utilizadas por los analistas técnicos es la llamada media móvil. Medias Móviles Ua de las herramietas más utilizadas por los aalistas técicos es la llamada media móvil. La media móvil de u istrumeto fiaciero es simplemete el promedio de u úmero, predetermiado, de valores

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

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

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

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

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

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

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

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

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

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

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

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

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

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

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

BIOESTADÍSTICA I 1. DEFINICIONES

BIOESTADÍSTICA I 1. DEFINICIONES BIOESTADÍSTICA I 1. DEFINICIONES 1.1 ESTADÍSTICA. Es ua disciplia, que hace parte de la matemática aplicada, que provee métodos y procedimietos para colectar, clasificar, resumir y aalizar iformació (datos)

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

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano (VSHFLILFDFLRQHVHQHOGRPLQLRGHOWLHPSR E capítulos ateriores se ha estudiado la respuesta de estado estable de los sistemas lieales ( cuado tæ ), estudiaremos ahora la respuesta trasitoria. La respuesta

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

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z < Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula

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

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

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill. GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

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

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

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

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

Óptica geométrica Espejos y lentes

Óptica geométrica Espejos y lentes 0-03-04 U i v e r s i d a d C a t ó l i c a d e l N o r t e D e p a r t a m e t o d e E s e ñ a z a d e l a s C i e c i a s B á s i c a s. Óptica geométrica Espejos y letes Uidad. Óptica geométrica La

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

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

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

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

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

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

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

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

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

PALABRAS CLAVE: Análisis Técnico, Indicadores, Volatilidad, Tendencia, ADX.

PALABRAS CLAVE: Análisis Técnico, Indicadores, Volatilidad, Tendencia, ADX. FINNZS UTILIDD DE LOS NUEVOS INDIDORES TÉNIOS EN EL NÁLISIS URSÁTIL. toio de la Torre Gallegos (atorre@us.es) Uiversidad de Sevilla Departameto de Ecoomía Fiaciera y Direcció de Operacioes Facultad de

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 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

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

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

Cálculo de límites Criterio de Stolz. Tema 8

Cálculo de límites Criterio de Stolz. Tema 8 Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que

Más detalles

Protón Neutrón Electrón

Protón Neutrón Electrón 1 Descubrimieto de las partículas subatómicas Tema 4. Estructura Atómica y Sistema Periódico Electró (Stoey, 1891) Protó (Rutherford, 1911) Neutró (Chadwick, 193) Crookes (1.875). rayos catódicos Viaja

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

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

CAPITULO 2. Aritmética Natural

CAPITULO 2. Aritmética Natural CAPITULO Aritmética Natural Itroducció 1 Sumatorias Iducció Matemática Progresioes Teorema del Biomio 1. Coteidos. Itroducció 1) Asumiremos que el cojuto de úmeros reales R, +,, ) es u cuerpo ordeado completo.

Más detalles

16 Distribución Muestral de la Proporción

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

Más detalles

Ejercicios Resueltos ADC / DAC

Ejercicios Resueltos ADC / DAC Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

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

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

Series Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:

Series Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir: Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.

Más detalles

Si la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE:

Si la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE: Ua progresió es geométrica, si cada termio después del primero se obtiee multiplicado el aterior por u valor costates Este valor costate se llama razó geométrica (q) E geeral: a a : a......... a ; 3 Si

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete

Más detalles

Como se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación.

Como se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación. Uiversidad Técica Federico Sata María Departameto de Matemática Reato Allede Olivares 7. QUINTO MÓDULO 7. Iferecia Estadística Como se ha podido apreciar e los módulos ateriores, La estadística trata co

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

Figuras geométricas y números enteros. Introducción

Figuras geométricas y números enteros. Introducción Revista del Istituto de Matemática y Física Figuras geométricas y úmeros eteros Juaa Cotreras S. 6 Claudio del Pio O. 7 Istituto de Matemática y Física Uiversidad de Talca Itroducció Etre las muchas relacioes

Más detalles

Figura 8.1: Ejemplos de conjuntos de índices.

Figura 8.1: Ejemplos de conjuntos de índices. Capítulo 8 Cojuto de ídices Defiició 8.1 (Cojuto de ídices) Sea I u cojuto, tal que para cada i I se tiee u cojuto A i U. El cojuto I se deomia cojuto de ídices y cada i I es u ídice. (a) Los ídices so

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

Entrenamiento estatal.

Entrenamiento estatal. Etreamieto estatal. Combiatoria. Coteo. Problemas de caletamieto. 1. Cuátos códigos diferetes de cico dígitos puede hacerse? 2. Si para ir de A a B hay 3 camios, para ir de A a C hay dos camios, Para ir

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

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

Modelo Planetario de Rutheford para el Átomo

Modelo Planetario de Rutheford para el Átomo Modelo Plaetario de Rutheford para el Átomo Átomo cosiste de electroes orbitado e toro a ua pequeña pero muy desa carga cetral (el úcleo atómico) Pricipal problema de este modelo, Átomo de Hidrogeo debiera

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

Los vectores desempeñan un papel importante en Matemáticas, Física e Ingeniería y actualmente en materias como procesamiento de imágenes.

Los vectores desempeñan un papel importante en Matemáticas, Física e Ingeniería y actualmente en materias como procesamiento de imágenes. ESPACIOS VECTORIALES 1. INTRODUCCIÓN Escalares y Vectores E la técica existe catidades como Logitud, Área, Volume, Temperatura, Presió, Masa, Potecial, Carga eléctrica que se represeta por u úmero real.

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

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18 Los úmeros reales.. Los úmeros reales El cojuto de los úmeros reales está formado por los úmeros racioales y los irracioales. Se represeta por la letra Los úmeros racioales so los úmeros eteros, los decimales

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

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010)

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010) UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferecial Parcial 3 (27/10/2010) 1. Cosidere la fució f (x) = 3(x 1) 2/3 (x 1) 2 a) Halle el domiio b) Ecuetre los putos críticos,

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

2. MODELOS PROBABILISTICOS

2. MODELOS PROBABILISTICOS . MODELOS PROBABILISTICOS. Fucioes de Probabilidad.. Variable Discreta U modelo probabilístico de u experimeto requiere asociar u valor de probabilidad a cada puto del espacio muestral. E el caso de las

Más detalles

TRANSFORMADORES DE MEDICION

TRANSFORMADORES DE MEDICION TRANSFORMADORES DE MEDCON Trasformadores de Corriete (T Trasformadores de Tesió (TV T TV med. V med. Sirve para: Medició de mag. eléct. Accioam. de relés Todos cumple doble fució: Aislació Adaptació Trasformador

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

T. 4 Estadísticos de dispersión

T. 4 Estadísticos de dispersión T. 4 Estadísticos de dispersió 1 1. Variables categóricas: la razó de variació y el ídice de variació cualitativa.. Variables ordiales: el rago y el rago itercuartil. 3. Variables cuatitativas: la variaza,

Más detalles

TEMA VI: DISEÑO PROGRAMABLE

TEMA VI: DISEÑO PROGRAMABLE TEMA VI: DISEÑO PROGRAMABLE Cotiuado co los diferetes tipos de diseño, e el presete tema vamos a itroduciros e el deomiado diseño programable. Este uevo diseño apareció gracias a los cotiuos avaces e la

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

PROGRESIONES ARITMETICAS

PROGRESIONES ARITMETICAS PROGRESIONES ARITMETICAS DEF. Se dice que ua serie de úmeros está e progresió aritmética cuado cada uo de ellos (excepto el primero) es igual al aterior más ua catidad costate llamada diferecia de la progresió.

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

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

Interpretar un caso (univariable) Vicente Manzano Arrondo 2012,2013

Interpretar un caso (univariable) Vicente Manzano Arrondo 2012,2013 Iterpretar u caso (uivariable) Vicete Mazao Arrodo 2012,2013 Tego iterés por saber qué piesa los jóvees adaluces sobre el papel que puede desempeñar e los asutos del bie comú o de la vida pública o política.

Más detalles

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9. II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros

Más detalles

SUCESIONES TI 83. T 3 España T 3 EUROPE

SUCESIONES TI 83. T 3 España T 3 EUROPE SUCESIONES TI 83 T 3 España T 3 EUROPE Ferado Jua Alfred Mollá Oofre Mozó José Atoio Mora Pascual Pérez Tomás Queralt Julio Rodrigo Salvador Caballero Floreal Gracia Sucesioes TI83 ÍNDICE. Itroducció...

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

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

Los sistemas operativos en red

Los sistemas operativos en red 1 Los sistemas operativos e red Objetivos del capítulo Coocer lo que es u sistema operativo de red. Ver los dos grupos e que se divide los sistemas oeprativos e red. Distiguir los compoetes de la arquitectura

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:

Más detalles

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

TEMA 7 Trenes de Engranajes

TEMA 7 Trenes de Engranajes Igeiería Idustrial. Teoría Máquias TEMA 7 Trees de Egraajes Haga clic para modificar el estilo de subtítulo del patró Objetivos: Itroducir el mudo de los trees de egraajes, aalizado los diversos tipos

Más detalles

6.3. Uso de la SVD para determinar la estructura de una matriz. Primero definiremos algunas características de matrices.

6.3. Uso de la SVD para determinar la estructura de una matriz. Primero definiremos algunas características de matrices. Edgar Acuña/ ESMA 6665 Lecc 8 75 6.3. Uso de la SVD para determiar la estructura de ua matriz Primero defiiremos alguas características de matrices. Rago de ua matriz: Sea A ua matriz m x se etoces su

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles