Erratas y modificaciones

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

Download "Erratas y modificaciones"

Transcripción

1 Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de la letra o Párrafo 4: Dce: nombre Debe decr: nombres Págna 07 Párrafo 4: Dce: aquellas Debe decr: aquellos Págna 08 Párrafo fnal, punto 5º: Dce: Las varables CI=<<coefcente ntelectual>> Debe decr: Las varables CI=<<cocente ntelectual>> Págna 4 Párrafo, línea 3: Dce: En este curso Debe decr: En el texto Págna 9 Párrafo 3: Dce: En un crculo Debe decr: En un círculo Págna 37 Párrafo fnal

2 Susttur desde: Supongamos. Supongamos la polgonal de frecuencas acumuladas correspondente al ntervalo de la medana y a sus dos contguos: Tenemos l - l - =a M e -l - =k luego M e =l - +k Planteamos la sguente proporcón: n a N luego k= n n - k N = a n - entonces fnalmente : n - N - M e = l -+.a donde: n Págna 39 Comenzo de la págna: Susttur desde comenzo del gráfco.

3 Sea: a - =l - -l - a + =l + -l a =l -l - k n+ Pero = y por la propedad de las proporcones a k n k a k a k + k k n+ = => = entonces k=a. n n n + n n n + n n+ Por tanto M o =l - + a. n + n + + S la ampltud del ntervalo no es constante entonces h+ M o =l - + a. h + h + Págna 4 Párrafo 5º: Dce: menor valor, Debe decr: menor valor. h n a = por tanto la fórmula de la moda queda así: Págna 43 La tabla central de la págna tene algunos datos cambados: En la columna de X no debe aparecer el 40; el 40 debe estar al fnal de la columna de n En la columna de f no debe aparecer 48,55; el 48,55 debe estar en la columna de x f Págna 46

4 La tabla tene un paréntess mal colocado: En la prmera columna, segunda fla, el últmo paréntess no debe estar al fnal de la fórmula. El paréntess debe colocarse detrás del símbolo de la meda y antes de elevarlo al cuadrado, es decr entre la meda y el cuadrado. En consecuenca la expresón correcta es: ( x X ) Págna 58 Párrafo : Debe decr: LI=Q -,5 (IQR) LS=Q +,5 (IQR) FI=Q - 3 (IQR) FS=Q +3 (IQR) Págna 59 Párrafo tercera línea después de la tabla: Debe decr: serán (5,4 ±7,95) para el Mercado Común (5,4 ±6,35) Párrafo penúltmo: Dce: Exste Debe decr: Exsten Págna 6 Párrafo 3: Dce: tal que que Debe decr: tal que Págna 64 En la fórmula de r las S son mayúsculas Págna 69 Tabla problema : El cuadrado de la sgma debe ser super-índce Págna 7 Solucón ejercco 4 apartado a) Debe decr: n=95-65=30 Págna 79 En la tabla de la págna la segunda línea horzontal y la penúltma deben ser de mayor grueso y negrta Págna 84 Punto 3.4..: Dce: c de Pearson

5 Debe decr: χ de Pearson Págna 00 En el gráfco de la fgura 4. se necesta mayor contraste en las líneas Págna 6 Párrafo que comenza con: Por ejemplo. El dato de la muestra debe ser 00 alumnos Págna 9 Párrafo que comenza con: estadístco se suele llamar Debe decr: estadístco se suele llamar error típco Párrafo penúltmo y últmo: susttur la letra N mayúscula por la n mnúscula Págna 30 Párrafo: Dce: n = X Debe decr: n = X Págna 35 En el apartado b) consstenca, en la tercera línea Dce: s aproxma Debe decr: se aproxma Págna 39 En el párrafo 3: Dce: concde Debe decr: concden Págna 44 En el ejemplo hay un error en el dato del valor de j-cuadrado, según los valores de las tablas Para j-cuadrado con α=0,05 y g.l.=9 da como valor,7, sendo el valor correcto 3,85. Por tanto el ntervalo que se da a contnuacón debe fgurar con los sguentes valores: χ ( α / );( n ) = χ0,05;9 = 3,85 χ( α / );( n ) = χ 0,975;9 = 8, ,6 9.05, 6 Luego el ntervalo de confanza para la varanza será: I 0 = ; 3,85 8,90 = (60,88;4,7) y para la desvacón típca: (7,80;4,99)

6 Págna 45 La cuasvaranza empleada es 05,6 Sguendo en el msmo ejemplo, pero ahora es para n=00 Al hallar el ntervalo y susttur en la fórmula, la cuasvaranza que pone es 05,6, que corresponde a n=0 La cuasvaranza para n=00 debe ser 00,5 y los datos varían un poco S el tamaño de la muestra es n=00 entonces se aproxmará: n z α / ( α / );( n ) ( ) (.00,96) χ = = = 6,7 ( n + z α / ) (.00 +, 96) χ( α / );( n ) = = = 40,57 ( n ) sˆ ( n ) sˆ 99.00, ,5 I= ; = χα / ;( n ) χ ; α / ;( n ) 40, 57 6, 7 =(83,3;3,5) Y el ntervalo de confanza de la desvacón típca será: (9,;,0) Págna 59 En párrafo fnal ª línea: Dce: conocmentos Debe decr: conocmento Págna 6 En el apartado. Hpótess alternatva: Dce: la hpótess alternatva es la que queremos probar realmente y su formulacón. Debe decr: la hpótess alternatva es la que queremos probar y su formulacón. Págna 6 Antes de 3.: Dce: verdadera hpótess es H Debe decr: hpótess verdadera es H Págna 63 Párrafo fnal: Dce: p=0,49984 Debe decr: P(z>3,6) Págna 64 Párrafo prmero: Dce: p=0,490 Debe decr: P(z<-,4) Párrafo tercero: Dce: p=0,46407 Debe decr: P(z>,80) Párrafo cuarto:

7 Dce: p=0,38493 Debe decr: P(z<-,0) Págna 76 En la fórmula de z los p y los q son todos de la forma ˆp y ˆp y ˆq y ˆq Págna 77 En el caso II, después de para p y p son respectvamente debe añadrse ˆp y ˆp En el caso párrafo fnal: Dce: serán Debe decr: sean Además añadr al párrafo: En el caso de proporcones extremas (próxma a 0 ó ) convene usar el método exacto basado en la dstrbucón bnomal. Págna 79 Además añadr al párrafo fnal: ( x x) D0 S las varanzas no son guales entonces t= sˆ ˆ s + n n con m grados de lbertad. Con sˆ sˆ + n n m= sˆ ˆ s n n + n + n + donde t se dstrbuye según una t de Student Págna 83 Ejercco de autocomprobacón 4: Sobra el acento de: estos Págna 84 Dato de la tabla mal En la prmera fla, columna de mujeres borrachas de 5-0 años dce 6 Para que concda con n=76 debe ser 5 mujeres de esa edad Págna 87 Falta un dato en la fórmula Ejercco en el punto 4 cuando aclara los datos que se tenen que poner en el denomnador, dce que es raz cuadrada de np Además de eso se debe meter en esa raz la q, quedando raz cuadrada de npq

8 Págna 95 Dce: c Debe decr: χ Págna 30 Ejemplo : Dce: nños menos de Debe decr: nños menores de Págna 30 Antes del ejemplo : Dce: les suponga Debe decr: les supongan Págna 305 Nvel de sgnfcacón erróneo En el ejemplo de la págna. Dce: nvel de sgnfcacón α=0,00 Debe decr: nvel de sgnfcacón α= 0,0 Págna 36 En Estadístco: Línea 4: Dce: asgna Debe decr: asgnan Línea 7: Dce: aportan Debe decr: aporta Págna 39 En párrafo que comenza por Un ejemplo: Línea 3: Dce: la mtad de las tarjetas de nscrpcón de cada estudante a un nstructor. Debe decr: la mtad de estudantes a un nstructor. Párrafo sguente, ª línea: Dce: consste Debe decr: conssten Págna 36 En el apartado Decsón Se debe cambar el texto: La regón crítca será: {d>χ (r-)(k-), }, así una vez calculado d vamos a la tabla de χ y vemos la probabldad p=p{ χ d} - Para una prueba de dos colas, se dvde α por y la decsón se plantea en los sguentes térmnos: - aceptamos H 0 s α<p - rechazamos H 0 s α p

9 Por el sguente: La regón crítca será: {d χ (r-)(k-), α}, así una vez calculado d vamos a la tabla de χ : - S d χ (r-)(k-), α se rechaza H 0 - S d<χ (r-)(k-), α se acepta H 0 Págna 36 En el ejemplo: Faltan dos puntos después de categorías Págna 37 Al fnal del ejemplo se debe susttur el texto: S el test es blateral => H : dstnto P{ χ 7,378}=0,975 luego la regón crítca será R.C. 0,05 ={d>7,3784} como 0,67>7,378 => rechazamos H 0 Por el sguente: La regón crítca será R.C.={d 5,99} como 0,67>5,99 => rechazamos H 0 Págna 38 En la tabla: la últma C de la fla segunda debe ser una D Págna 39 Debe sustturse la segunda tabla y su resultado por lo sguente: Mujeres Hombres Superor a la medana Igual o nferor a la medana N 9 N( AB BC ) 9( ) χ = = ( A+ B)( C+ D)( B+ D)( A+ C) =0,0006 Págna 33 Debe sustturse en la prmera fla el número 3 por el número 3 Págna 33 Debe sustturse en el cálculo de las U los valores expresados por los sguentes: U A =m.n+m(m+)/- R A =8.9+8.(8+)/-8,5=5,5 U B =m.n+n(n+)/- R B =8.9+9.(9+)/-70,5=46,5 U=mn{U A,U B }=mn{5,5;46,5}=5,5

10 Págna 333 Como consecuenca de la errata de la págna anteror, el cálculo de la probabldad queda así: P{z<(5,5-36)/0,39}=P{z<-,0}=0,6 como α <0,6 aceptamos la hpótess nula. Págna 334 En la prmera línea del ejemplo: Dce: dferenca Debe decr: dferencas Págna 336 En el párrafo anteror al epígrafe Hpótess: Dce: solamente u ítem Debe decr: solamente un ítem Págna 344 Datos de la tabla mal En la prmera tabla, están los datos cambados en las 3 prmeras columnas. Debe ser: Los datos de la ª columna deben pasar a la ª Los datos de la ª columna deben pasar a la 3ª Los datos de la 3ª columna deben pasar a la ª Págna 345 En el párrafo posteror al epígrafe Objetvo: Dce: muestras o provenen Debe decr: muestras que provenen Págna 355 Dato de la tabla mal En la tabla, columna factor A, fla de Franca, debe decr 3, Págna 37 Párrafo que comenza por: Indudablemente Dce: varables ntervenen Debe decr: varables que ntervenen En la sguente línea: Dce: varables no ntervnentes Debe decr: varables que no ntervenen Págna 388 Faltan 3 datos en la prmera tabla Los datos que aparecen en blanco para la temperatura de 80 grados son: º catalzador 0

11 º catalzador 5 3º catalzador 96 Págna 39 Fla duplcada En la tabla de la págna hay una fla duplcada que corresponde con los valores de 38, 3 y 33 Págna 405 Dato de la tabla mal La tabla del ejemplo 9. La suma de la columna número de ejerccos mal resueltos Dce: Debe decr 7 Págna 406 En el párrafo penúltmo: Dce: ŝ = s Debe decr: Ŝ = s Págna 408 En el párrafo últmo: N n Dce: S = s pero s=pq N n N n Debe decr: S = s pero s =pq N n Págna 48 En el párrafo anteror a la Afjacón: Dce: s Debe decr: S

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

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

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Medidas de centralización

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

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Descripción de una variable

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

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

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

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

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

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

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

Capítulo 12 CONTRASTES NO PARAMÉTRICOS

Capítulo 12 CONTRASTES NO PARAMÉTRICOS Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Tema 4: Variables aleatorias

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

Más detalles

PARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x

PARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:

Más detalles

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución. Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 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 detalles

Contraste de Hipótesis

Contraste de Hipótesis . CONTRSTE DE HIPÓTESIS.1. Introduccón.. Contraste de una hpótess estadístca.3. Test unlateral y blateral.4. Test relaconados con una sola meda (varanza conocda).5. Relacón con la estmacón del ntervalo

Más detalles

Capítulo III Medidas de posición y de dispersión

Capítulo III Medidas de posición y de dispersión Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento

Más detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

Tema 1.3_A La media y la desviación estándar

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

Más detalles

Organización y resumen de datos cuantitativos

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

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

a) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?

a) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900? EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600

Más detalles

CESMA BUSINESS SCHOOL

CESMA BUSINESS SCHOOL CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos 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 detalles

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

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

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

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora

Más detalles

ESTADÍSTICA (GRUPO 12)

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

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

Relaciones entre variables

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

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

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

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

Más detalles

Problemas donde intervienen dos o más variables numéricas

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

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS

CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

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

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

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C RESISTENCIS EN SERIE Y LEY DE LS MLLS V V 2 V 3 C D Fgura R R 2 R 3 Nomenclatura: Suponemos que el potencal en es mayor que el potencal en, por lo tanto la ntensdad de la corrente se mueve haca la derecha.

Más detalles

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c. Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una

Más detalles

Rentas o Anualidades

Rentas o Anualidades Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES ) TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES

Más detalles

Tema 21: Distribución muestral de un estadístico

Tema 21: Distribución muestral de un estadístico Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15

Más detalles

rsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos.

rsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos. PRÁCTICA INTEGRACIÓN Práctcas Matlab Práctca : Integracón Objetvos o Calcular ntegrales defndas de forma aproxmada, utlzando sumas de Remann. o o o Profundzar en la comprensón del concepto de ntegracón.

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

Regresión y correlación simple 113

Regresión y correlación simple 113 Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes

Más detalles

Análisis de Varianza no paramétricos

Análisis de Varianza no paramétricos Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:

Más detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

LIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 2009 CONTENIDO

LIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 2009 CONTENIDO LIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 009 CONTENIDO PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES... PRÁCTICA 0: ESTIMACIÓN PUNTUAL... 5 PRÁCTICA : ESTIMACIÓN POR INTERVALO...

Más detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media 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 detalles

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

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

Más detalles

Correlación y regresión lineal simple

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

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS GUÍA PARA PREPARAR EL EXAMEN EXTRAORDINARIO DE ESTADISTICA Y PROBABILIDAD

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

Análisis de Regresión y Correlación

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

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS. 4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas

Más detalles

T. 5 Estadísticos de forma de la distribución

T. 5 Estadísticos de forma de la distribución T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

3.3 Caracterización de grupos: Estadísticos de forma de la distribución

3.3 Caracterización de grupos: Estadísticos de forma de la distribución 3.3 Caracterzacón de grupos: Estadístcos de forma de la dstrbucón 1. Smetría 2. Apuntamento o curtoss 3. Descrpcón estadístca de una varable: tabla resumen Ya ha sdo abordado en temas precedentes el análss

Más detalles

GANTT, PERT y CPM INDICE

GANTT, PERT y CPM INDICE GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4

Más detalles

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos

Más detalles

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas. MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE II) MEDIDAS DE FORMA TEMA 19: MEDIDAS DE FORMA

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE II) MEDIDAS DE FORMA TEMA 19: MEDIDAS DE FORMA Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : EDIDAS DE DISPERSIÓN Y DE FORA (PARTE II) EDIDAS DE FORA TEA 9: EDIDAS DE FORA. EDIDAS DE ASIETRIA Son medda que mden el grado de deformacón horzontal

Más detalles

http://www.rubenprofe.com.ar biofisica@rubenprofe.com.ar RESISTENCIAS EN PARALELO

http://www.rubenprofe.com.ar biofisica@rubenprofe.com.ar RESISTENCIAS EN PARALELO bofsca@rubenprofe.com.ar El crcuto funcona así: ESISTENCIS EN PLELO.- Las cargas salen del extremo postvo de la fuente y recorren el conductor (línea negra) hasta llegar al punto, allí las cargas se dvden

Más detalles