Conceptos Básicos Previos

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

Download "Conceptos Básicos Previos"

Transcripción

1 Concptos Báscos Prvos Clasfcacón d Sñals Comuncacons Unvrsdad d Cantabra Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ 0 ) = ( ( / [n] Sñals Dtrmnstas Rpaso d concptos d la asgnatura Sñals y Sstmas. Enrgía y Potnca v ( Potnca nstantána (Wat: p ( ( R R s normalzamos asumndo R=Ω p( (, sndo ( una sñal n tnsón o n corrnt Enrgía dspada n [-/, /] (Julos): E ( Enrgía mda fnta (Julos): E ( E Potnca mda dspada n [-/, /] (Wat: P ( Potnca mda fnta (Wat: P lm ( S P < Sñal d potnca mda fnta: por jmplo las sñals pródcas y los procsos stocástcos S E < Sñal d nrgía mda fnta: por jmplo las sñals dtrmnstas no pródcas Otras dfncons d ntrés son: Valor mdo (nvl d contnua o componnt DC): Valor rms (o valor fcaz): DC rms lm P ( Comuncacons Concptos Báscos Prvos

2 . Caractrzacón frcuncal Las sñals d nrgía fnta posn ransformada d Fourr (F): ( f ) orma d Parsval: ( j f t j f t ( ( f ) E ( ( f ) df, sndo ( f ) la Dnsdad Espctral d Enrgía (Julos/Hz). Las sñals d potnca mda fnta dtrmnstas son las sñals pródcas. Dado su prodo 0 =/f 0, su potnca s calcula como: P 0 0 ( Estas sñals no posn F, sno Dsarrollo n Sr d Fourr (DSF): jf 0nt jf 0nt ( cn cn ( orma d Parsval: n P ( n 0 n ( cn n sndo S f ) c ( f nf ) la Dnsdad Espctral d Potnca (Watt/Hz)., df Ejrcco ) Dbujar las sgunts sñals y calcular analítcamnt y dbujar su F (o la DEP n l caso dl apartado c). a) t ( solucón: ( f ) snc( f ) b) ( Wsnc(W f solucón: ( f ) W c) ( ) cos( 0 ) solucón: A A S ( ) ( ) 4 4 ( ) f f f0 f f0 S pud dcr qu posn F formada por dltas d Drac n múltplos d la frcunca fundamntal f 0., 0.5;, ; sn( ) snc( ) 0, ,. Comuncacons Concptos Báscos Prvos

3 .3 Autocorrlacón dtrmnsta Para sñals d nrgía fnta, la autocorrlacón md la smltud ntr una sñal y una vrsón rtardada d lla msma: R ( ( t ). Algunas propdads d la autocorrlacón son: F R ( f ) R R R R 0 E S s consdran sñals pródcas, d prodo 0 =/f 0, la autocorrlacón sgu la prsón y pos las sgunts propdads: F R S ( f ) R R R R 0 P Ejrcco ) 0 R ( ( t ), 0 0 Calcular y dbujar la autocorrlacón d las sgunts sñals. t a) solucón: R ( ) b) ( t ) A cos( f t 0 ) solucón: A R ( ) cos( ) 0 con ω 0 =πf 0.4 Fltrado d sñals dtrmnstas La sñal d salda d un sstma lnal nvarant n l tmpo (LI) s obtn convoluconando la sñal d ntrada con la rspusta al mpulso dl sstma. ( L..I. h( y( = (h( En l domno d la frcunca, s posbl calcular la F d la salda como l producto d la F d la sñal d ntrada con la rspusta frcuncal dl sstma. En l caso d sñals pródcas, la DEP d la sñal d salda s S y ( f ) S ( f ) H( f ). Comuncacons Concptos Báscos Prvos 3

4 3 Sñals Alatoras En sta sccón s ralza un rpaso d los concptos báscos d la toría d la probabldad, las varabls alatoras y los procsos stocástcos tratados n las asgnaturas d Métodos Matmátcos para lcomuncacón y ratamnto d Sñals. 3. oría d la Probabldad y Varabl Alatora En st apartado s consdra, a modo d jmplo, l studo d un canal d comuncacons bnaro smétrco. Funt 0, 0, Canal Rcptor Es posbl dfnr dos varabls alatoras dscrtas,, qu rprsntan, rspctvamnt, l bt transmtdo y l bt rcbdo. El rango d valors d dchas v.a. s s Ω = Ω = {0,}. Cualqur v.a. dscrta quda compltamnt dfnda y caractrzada por las probabldads d ocurrnca d los valors dl rango (n l jmplo, P(=0)=0.6 y P(=)=0.4). A partr d dchas probabldads s posbl construr la funcón dnsdad d probabldad, f (), y la funcón d dstrbucón d probabldad, F (). f ( ) P( ) ( ) F ( ) P( ) u( ) Otros stadístcos d ntrés son: f () F () Mda: E[ ] P( ) 0P( 0) P( ) 0. 4 Varanza: Var[ ] E - ( ) P( ) 0. 4 A contnuacón s dtallan algunas prsons rlatvas a la probabldad d sucsos: Probabldad condconada: P(A B) = P(A B)/P(B) Probabldad conjunta: P(A B) = P(A B)P(B) = P(B A)P(A) Probabldad d la unón: P(AB) = P(A) + P(B) P(A B) Probabldad otal: P(B) P(B A )P(A ) dond A, A Aj P(B A)P(A) orma d Bays: P(A B) P(B) Indpndnca: P(A B) = P(A)P(B) P(A B) = P(A) P(B A) = P(B) Comuncacons Concptos Báscos Prvos 4

5 El sgunt squma rprsnta las probabldads a pror y las vrosmltuds dl jmplo dl canal bnaro smétrco: P(=0 =0)=0.8 P(=0)=0.6 P(=0)=? P(=0 =)=0. P(= =0)=0. P(=)=0.4 P(=)=? P(= =)=0.8 Ejrcco 3) En l jmplo dl canal bnaro smétrco y hacndo uso d las prsons d probabldad antrors, calcul: a) La probabldad d rcbr un bt 0 y la probabldad d rcbr un bt. Solucón: 0.56 y 0.44 b) La probabldad d qu lo nvado haya sdo 0 cuando s ha rcbdo 0. Solucón : c) La probabldad d rror dl nlac. Solucón: P(rror) = P(=0 =)P(=)+P(= =0)P(=0) = 0. Otro tpo d varabl alatora son las v.a. s contnuas, cuyo rango stá formado por un ntrvalo (o ntrvalos) d valors. Las varabls alatoras contnuas qudan totalmnt caractrzadas bn por la funcón d dstrbucón d probabldad, F ( ) P( ) f ( ) d, o bn por la funcón dnsdad d probabldad, f ( ) df ( ) d. / Algunos jmplos son v.a. unform: v.a. Gaussana: ( ) ct ) f n, ( f u o Funcón d dstrbucón complmntara: Q ( ) du Los stadístcos más mportants son: Mda: E[ ] f ( ) d Varanza: Var ] E - f ( ) d E [ Es mportant rcordar qu la ndpndnca d dos v.a. s s produc s y solo s f (, y) f ( ) f ( y) f ( y) f ( ) f ( y ) f ( y) Comuncacons Concptos Báscos Prvos 5

6 3. Procsos Estocástcos Funt d nformacón bnara 0000 Codfcador Fltro h( +A 0 -A 0 t ( bts símbolos sñal t t Una vz ralzado l prmnto alatoro (consstnt n gnrar una scunca bnara, convrtr los bts n símbolos +A y A y darls forma rctangular) s obtn una sñal ( dtrmnsta (una ralzacón). El conjunto d todas las sñals ( d st jmplo forman l procso stocástco (. En un nstant concrto t 0, (t 0 ) s una v.a.. S pud dcr qu un procso stocástco s una v.a. qu camba con l tmpo. Estadístcos d un procso stocástco (n gnral dpndn dl tmpo): Mda: E[ ( ] ( f ( ; d Autocorrlacón: R t t E ( t ) f (, ; t, t ) d, Potnca: Pot () t E () t R t, t Un p.. s dc qu s staconaro n sntdo amplo s y sólo s ( ct y R t, t R t t R. Para st tpo d procsos stocástcos, s dfn la Dnsdad Espctral d Potnca como la transformada d Fourr d la autocorrlacón: S f F ( ) R La sgunt fgura mustra los stadístcos d la salda d un fltro cuya ntrada s un procso stocástco staconaro n sntdo amplo: ( L..I. h( ( ( ( H (0) R ( ) R S ( f ) S ( ) h( ) h( ) R ( f ) H ( f ) ( ) R hh ( ) Un procso stocástco, (, s dc qu s rudo blanco gaussano (AWG) s: a) 0 F 0 Es blanco: S( f) Watt/Hz R( ) ( ) b) Su fdp s Gaussana 3 : n f ( n) 3 El AWG pos potnca nfnta, por lo qu, strctamnt hablando, pos una fdp dgnrada (σ=); s bn s crto qu, s s fltra un procso AWG, l procso rsultant smpr s gaussano (y con potnca fnta) Comuncacons Concptos Báscos Prvos 6

7 Ejrcco 4) Consdr AWG con dnsdad spctral d potnca 0 / Watt/Hz a la ntrada d un fltro paso bajo dal d ancho d banda W Hz. Calcul los sgunts stadístcos dl procso stocástco d salda: 0 f a) La dnsdad spctral d potnca. (solucón: ) W b) La autocorrlacón. (solucón: 0Wsnc(W ) ) c) La potnca mda. (solucón: 0 W) 4 Undads Logarítmcas Dcblo (db) s una mdda rlatva d potncas: P V rms R 0log 0 0log0 0log0 P Vrms R Rlacón Sñal-Rudo (Sgnal to os Rato): Psñal SR 0 log 0 Prudo Undads d Potnca: dbw: dcblos rspcto a Watt Pot (dbw) = 0log 0 (Pot(Wat) dbm: dcblos rspcto a mwatt Pot (dbm) = 0log 0 (Pot(mWat) =30 + Pot(dBW) Comuncacons Concptos Báscos Prvos 7

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria ma. Sñals y udo Comuncacons Dgtals Unvrsdad d Cantabra. Clasfcacón Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ ( ( / [n]. Sñals Dtrmnstas paso d concptos d la

Más detalles

Probabilidad de que una variable tome un valor x determinado = N

Probabilidad de que una variable tome un valor x determinado = N Magntuds dscrtas Probabldad d qu una varabl tom un valor dtrmnado p X ota ( p,,,,6 5 7, 6 8,6 7, 8 8,6 9 6,,8 5 p Probabldad,5,,5,,5, 5 6 7 8 9 ota Magntuds contnuas Probabldad d qu una varabl tom un valor

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

Introducción a la técnica de Bond-Graph

Introducción a la técnica de Bond-Graph Capíítullo T1 Introduccón a la técnca d Bond-Graph 1.1 INTRODUCCIÓN En un sstma físco cualqura, la nrgía pud almacnars, dspars o ntrcambars. Cuando postrormnt s unn dos sstmas, aparcn dstntos flujos d

Más detalles

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT jrccos E.- uál s la nrgía raconal molar d la molécula d odo a las dos tmpraturas antrors?. Haz srvr las nrgías raconals xprmntals. ln Q, ( ) ln! 5 v,, v 5 v ln c v d ln d d d d d 5 v v 5 v v d d 5 v v

Más detalles

Práctica 1. Espectros de señales

Práctica 1. Espectros de señales PRÁCICA : Práctca. Espctros d sñals.. Objtvos Aprr a utlzar l MALAB para dtrmnar l spctro d cualqur tpo d forma d onda... La transformada dscrta d Fourr (DF) no n cunta las posbldads ofrcdas por las computadoras

Más detalles

Máster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística

Máster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística Mástr n Ecología Métodos para l studo d Sstmas Ecológcos: Dsño, Análss y Modlzacón. III. Rgrsón logístca Rgrsón logístca: ntroduccón - VR bnara p.., prsnca/ausnca, vvo/murto - Los prdctors pudn sr contnuos

Más detalles

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

Más detalles

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

CAPÍTULO 2. Ecuación paraxial de Helmholtz. CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando

Más detalles

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada

Más detalles

CONTROL PREDICTIVO DE TANQUES ACOPLADOS

CONTROL PREDICTIVO DE TANQUES ACOPLADOS CONTROL PREDICTIVO DE TANQUES ACOPLADOS J.R. Llata, J. P. Ora, E.G. Saraba, J. Arc, A. Robls Dpartamnto d Tcnología Elctrónca Ingnría d Sstmas Automátca E.T. S. Ingnros Industrals Tlcomuncacón. Unvrsdad

Más detalles

Tema 2. Líneas de Transmisión Terminadas

Tema 2. Líneas de Transmisión Terminadas Tma. ínas d Transmsón Trmnadas,. Introduccón. Rflxón.3 Ondas staconaras.4 Impdanca d ntrada.5 Dsadaptacón n la cara y n l nrador.6 Rspusta transtora José A. Prda, Dpto. Innría d Comuncacons, Unvrsdad d

Más detalles

Resumen TEMA 6: Momentos de inercia

Resumen TEMA 6: Momentos de inercia EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2

Más detalles

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES EIÓN 5. lcacón d sñals TEM III MPIFIIÓN N EETÓNI ccón 5. MPIFIIÓN DE EÑE. Parátros báscos ccón 6. MPIFIDOE OPEIONE ccón 7. EIMENTIÓN EN MPIFIDOE ccón 8. OIDOE Y GENEDOE DE EÑE Elctrónca Gnral EIÓN 5. lcacón

Más detalles

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

Definición de alternador

Definición de alternador F. R. Quntla, R. C. Rdondo (Unvrsdad d Salamanca). M. M. Rdondo (Endsa). Rsumn En st artículo s comnta la dfncón d 'altrnador' d la últma dcón dl Dcconaro d la Ral Acadma Española, y la qu la sustturá

Más detalles

Funcionamiento asimilable al de una fuente de corriente controlada por corriente BJT TRANSISTOR BIPOLAR DE JUNTURA

Funcionamiento asimilable al de una fuente de corriente controlada por corriente BJT TRANSISTOR BIPOLAR DE JUNTURA Funconamnto asmlabl al d una funt d corrnt controlada por corrnt JT TRASSTOR POLAR D JUTURA J T TRASSTOR POLAR D JUTURA Dos tpos d portadors lctrons hucos Dspostos d 3 trmnals con dos unons p-n nfrntadas

Más detalles

ESTIMACIÓN LINEAL DE ERROR CUADRÁTICO MEDIO MÍNIMO

ESTIMACIÓN LINEAL DE ERROR CUADRÁTICO MEDIO MÍNIMO STIMACIÓ LIAL D RROR CUADRÁTICO MDIO MÍIMO MOTIVACIÓ: Los stmdors óptmos sgún l crtro d Bs son, n gnrl, funcons no lnls d ls obsrvcons. s ncsro conocr l f.d.p. d l vrbl ltor dds ls obsrvcons. Usndo stmdors

Más detalles

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores UIVERSI CIOL E MR EL PLT - 017 FCULT E IGEIERÍ - EPRTMETO E FÍSIC CÁTER: Físca d los Smconductors SERIE 4: vl d Frm- Smconductors 1.- Calcular la nrgía d Frm para l oro a T=0K..- a) Calcular la nrgía d

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

GENERADORES DE BARRIDO DE TENSIÓN

GENERADORES DE BARRIDO DE TENSIÓN GENERADORES DE BARRDO DE TENSÓN RUTO DE BARRDO TRANSSTORZADO ON ORRENTE ONSTANTE El funconamnto d t crcuto dfn como, la carga un condnador lnalmnt a partr d una funt d corrnt contant. Excpto para valor

Más detalles

Ingeniería de las reacciones químicas

Ingeniería de las reacciones químicas Ingnría d las raccons químcas Ingnría d las raccons químcas. Un componnt dfund a través d un tubo, con ntrada por uno solo d sus xtrmos. Dntro dl tubo hay un componnt j. El componnt, raccona sgún k 0,5

Más detalles

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011 Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se

Más detalles

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS ANÁLISIS DE SISTEMAS ELECTÓNICOS EALIMENTADOS DESANECIMIENTO J.M. Mlá d la oca P. EDITOIAL MIL 6 CAACAS Esta obra s ncuntra rvsón; cualqur obsrvacón qu UD tnga s l agradc comuncarla al autor. jmmladroca@hotmal.com

Más detalles

Sección compuesta E 2. Fase I

Sección compuesta E 2. Fase I ACULTAD DE NENERÍA HORMÓN 74.05 Sccón compusta E 2 as as E as Ι = La vga prtnsada soporta su pso propo, l pso dl ncofrado, l pso dl hormgón frsco d la losa y las sobrcargas d hormgonado. as ΙΙ = La sccón

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables 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 detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

GUÍA Nº 1 CIFRAS SIGNIFICATIVAS Y TEORIA DEL ERROR

GUÍA Nº 1 CIFRAS SIGNIFICATIVAS Y TEORIA DEL ERROR Asgnatura: Físca Mcánca ZF00 Ára Cncas Báscas Rsponsabls: Patrco Pachco H/Jacquln Ala P Fcha actualzacón: Otoño 009 GUÍA º CIFRAS SIGIFICATIAS Y TEORIA EL ERROR - Introduccón La guía d laboratoros nos

Más detalles

UNIVERSIDAD TECNOLÓGICA NACIONAL 1 FACULTAD REGIONAL MENDOZA CAPÍTULO 1: RÉGIMEN ESTACIONARIO

UNIVERSIDAD TECNOLÓGICA NACIONAL 1 FACULTAD REGIONAL MENDOZA CAPÍTULO 1: RÉGIMEN ESTACIONARIO TOÍA D LOS CICUITOS I CAPÍTULO V. 9..08 S. NIQU PULIAFITO UNIVSIDAD TCNOLÓGICA NACIONAL FACULTAD GIONAL MNDOZA APUNTS D CÁTDA D TOÍA D LOS CICUITOS I Prof. Dr. Ing. S. nrqu Pulafto -mal pulafto@frm.utn.du.ar

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales Propas raatvas curpos opa El comportamnto al l CN srv como stánar contra l cual s compara l comportamnto curpos rals El comportamnto ral s xprsa por una sr propas fnas n rlacón al CN En gnral las propas

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CAPITULO º FUNCIONES DE VECTORES Y MATRICES_ Ing. Dgo Aljandro Paño G. M.Sc, Ph.D. Funcons d Marcs Torma: Sa f( una funcón arbrara dl scalar y sa A una marz con polnomo caracrísco: S dfn g( un polnomo

Más detalles

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

Más detalles

Encuesta de ocupación en albergues

Encuesta de ocupación en albergues Encusta d ocupacón n albrgus Mtodología Fbrro 207 IE. Insttuto aconal d Estadístca Mtodología. rsntacón 2. Obtvos 3. Undad stadístca 4. Ámbto d la ncusta 5. fncón d varabls 6. Marco d la ncusta y dsño

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

ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Andreu Nolasco

ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Andreu Nolasco ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modlos Lnals Andru Nolasco El autor Est documnto ha sdo publcado n l Rpostoro d la Unvrsdad d Alcant bajo Lcnca d dstrbucón no xclusva Dcmbr d 6 Introduccón

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

2. Cálculo del coeficiente de transmisión de calor K de cerramientos

2. Cálculo del coeficiente de transmisión de calor K de cerramientos 2. Cálculo dl cofcnt d transmsón d calor K d crramntos 2.1. Crramnto smpl Para un crramnto d caras planoparallas, formado por un matral homogéno d conductvdad térmca l y spsor L, con cofcnts suprfcals

Más detalles

TEMA 5: MODELO EN PEQUEÑA SEÑAL DE BJTs

TEMA 5: MODELO EN PEQUEÑA SEÑAL DE BJTs Unrsdad Poltécnca d artagna. Dpto. d Tcnología lctrónca lctrónca analógca (G5) TMA 5: MODLO N PQUÑA SÑAL D JTs Índc 5. Modlo qualnt n pquña sñal d un JT. Modlos n R y n π 5. mpdancas d ntrada y salda 5.3

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

TEMA 4: CANALES DIGITALES EN BANDA BASE CON RUIDO

TEMA 4: CANALES DIGITALES EN BANDA BASE CON RUIDO PROBLEMA EMA 4: CANALES DIGIALES EN BANDA BASE CON RUIDO Se desea realzar una ransmsón bnara de símbolos equprobables, para ello se recurre a una codfcacón NRZ de po AMI y cuyas señales se ndcan a connuacón:

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS

ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS Yañz Mdardo. Smco Karna.. Enfoqu Práctco para la Estmacón d Confabldad

Más detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y Crso nzdo d Fnómnos d Trnsport Dr. Jn Cros Frro Gonzáz Dprtmnto d Ingnrí Qímc Insttto Tcnoógco d Cy Oprcons con Vctors Adcón y sbstrccón d ctors S y w son mbos ctors, ntoncs rstdo d s oprcons w y w son

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

Encuesta de ocupación en albergues (EOAL) Metodología

Encuesta de ocupación en albergues (EOAL) Metodología Encusta d ocupacón n albrgus (EOAL) Mtodología Marzo 205 Mtodología Encusta d Ocupacón n Albrgus 205 Índc. rsntacón 2. Obtvos 3. Undad stadístca 4. Ábto d la ncusta 5. fncón d varabls 6. Marco d la ncusta

Más detalles

UPCGRAU. Mecánica del medio continuo en la ingeniería Teoría y problemas resueltos ENGINYERIES INDUSTRIALS. Xavier Ayneto Gubert

UPCGRAU. Mecánica del medio continuo en la ingeniería Teoría y problemas resueltos ENGINYERIES INDUSTRIALS. Xavier Ayneto Gubert ENGINYERIES INDUSTRIALS UPCGRAU Mcánca dl mdo contnuo n la ngnría Toría y problmas rsultos Xavr Aynto Gubrt Mqul Frrr Ballstr ENGINYERIES INDUSTRIALS UPCGRAU Mcánca dl mdo contnuo n la ngnría Toría y

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

13. Funciones básicas

13. Funciones básicas 3. Funcons báscas Funcón Eponncal Sa, dfnmos la funcón ponncal como: (cos sn Por qué? π (cosπ snπ 3 / 3 π (cosπ / snπ / 3 ( s rduc a cuando s ral (cuando 0. ( s una funcón ntra (s analítca n todo punto.

Más detalles

División 5. Ejemplo de síntesis de un mecanismo articulado de barras

División 5. Ejemplo de síntesis de un mecanismo articulado de barras Vrsón 0 CAITUL MECANISMS vsón 5 Ejmplo d síntss d un mcansmo artculado d barras UTN-F Cátdra: Elmntos d Máqunas. rofsor: r. Ing. Marclo Tulo ovan Vrsón 0. sumn En sta dvsón s dscrbrá l uso d la mtodología

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN Anass d acas y amna 34 ANEJO I A. ELEMENOS DE VIGA DE EULER ERNOULLI LIRES DE ROACIÓN La toría d vgas d Eur-rnou s robabmnt uno d os robmas modo más sms d a formuacón rstrngda d a astcdad na. La rstrccón

Más detalles

Sistema discreto de promedio móvil como filtro interpolador

Sistema discreto de promedio móvil como filtro interpolador Sstma dscrto d promdo móvl como fltro ntrpolador A. Sóñora Asprant a Invstgador. Ing. n Tlcomuncacons y Elctrónca. Cntro d Bofísca Médca. Av. Patrco Lumumba s/n, Santago d Cuba. Emal: alandr@cbm.uo.du.cu.

Más detalles

i R R 2 Denominamos solución de R, a los valores de las corrientes y voltajes de las componentes dentro de R.

i R R 2 Denominamos solución de R, a los valores de las corrientes y voltajes de las componentes dentro de R. Capítulo 5 1 EDES EQUIVALENTES En aradas stuacons no ntrsa conocr todos los alors d los oltajs y corrnts d una rd, sno sólo un pquño conjunto d llos. Pudn logrars smplfcacons mportants, n l cálculo d una

Más detalles

IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1

IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1 IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro:

Más detalles

TEORÍA DE CONTROL SISTEMAS DISCRETOS

TEORÍA DE CONTROL SISTEMAS DISCRETOS EORÍA DE ONROL SISEMAS DISREOS SISEMAS DISREOS ARQUIEURA DE UN SISEMA DE ONROL DIIAL oría d ontrol SISEMAS DISREOS IPOS DE SEÑALES IEMPO ONINUO { ANALÓIAS UANIFIADAS IEMPO DISREO { NO UANIFIADAS DIIALES

Más detalles

TEMA 3. VARIABLE ALEATORIA

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

Más detalles

MODELOS CON VARIABLE DEPENDIENTE CUALITATIVA (1)

MODELOS CON VARIABLE DEPENDIENTE CUALITATIVA (1) ECONOMETRÍA III Curso 8/9 MODELOS CON VARIABLE DEENDIENTE CUALITATIVA rofsors: Víctor J. Cano Frnándz y M. Carolna Rodríguz Donat Dpto. d Economía d las Instrtucons, Estadístca Económca y Economtría Unvrsdad

Más detalles

III. Campo eléctrico y conductores

III. Campo eléctrico y conductores III. ampo léctrco y conductors 5. Enrgía a lctrostátca tca n sstmas con conductors Gabrl ano Gómz, G 9/ Dpto. Físca F Aplcada III (. Svlla ampos Elctromagnétcos tcos Ingnro d Tlcomuncacón III. ampo léctrco

Más detalles

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE

Más detalles

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA BIOMETRÍA II CLASE 7 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA Héctor Olguín Salnas Dto d Ecología, Gnétca y Evolucón FECN, UBA Asocacón ntr l tamaño d la clda d anals d abja y la rvalnca dl ctoarásto

Más detalles

Tema 2. Termodinámica Estadística. Problemas

Tema 2. Termodinámica Estadística. Problemas ma. rmodnámca Estadístca Problmas jrccos. La apromacón d trlng (ln! ln - ) prmt valuar l logartmo d factorals d númros grands con un rror puño. Calcula y rprsnta l rror rlatvo (n %) obtndo al utlzar la

Más detalles

Fundamentos Físicos I : Campo eléctrico Parcial 2

Fundamentos Físicos I : Campo eléctrico Parcial 2 Fundamntos Físcos I : Campo éctco Paca.-S coocan paaamnt dos pacas mtácas conductoas déntcas, A y B, d supfc S y spso h. Las pacas tnn cagas q A =Q y q B = Q. Dtmn: a) Las dnsdads supfcas d caga,,, y,

Más detalles

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA AIAIÓN DE IMPEDANIAS ON A FEUENIA EN IUITOS DE OIENTE ATENA Fundamnto as impdancias d condnsadors bobinas varían con la frcuncia n los circuitos d corrint altrna. onsidrarmos por sparado circuitos simpls.

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

3 METODO DE DISEÑO POR DESPLAZAMIENTO

3 METODO DE DISEÑO POR DESPLAZAMIENTO 6 3 METODO DE DISEÑO POR DESPLAZAMIENTO En st captulo s prsntan l método drcto d dsño sísmco basado n dsplazamnto, la rfrnca básca d st captulo s (Prstl, 007) 3.1 Método d dsño sísmco basado n dsplazamnto

Más detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

8. CONTROL ÓPTIMO PARA SISTEMAS DE TIEMPO DISCRETO.

8. CONTROL ÓPTIMO PARA SISTEMAS DE TIEMPO DISCRETO. 8. CONTROL ÓPTIMO PARA SISTEMAS DE TIEMPO DISCRETO. La oría conrol ópmo lnal mpo scro s nrsan por su aplcacón n l conrol por compuaor. 8. DESCRIPCION EN VARIABLES DE ESTADO A vcs nrsa obsrvar un ssma n

Más detalles

Tema 3: ESTIMACIÓN DEL MODELO

Tema 3: ESTIMACIÓN DEL MODELO Introduccón a la Economtría Tma 3: ETIMACIÓ DEL MODELO Tma 3: ETIMACIÓ DEL MODELO 3. Estmacón mínmocuadrátca. a l modlo d rgrsón lnal smpl: + + u E[ / ] + u,..., (3.) rprsntamos por los stmadors (, tamén,

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PRIMER EAMEN DE ECONOMETRÍA Profsor: Carlos Ptta Arcos. Grupos 4 y 4 Panorama Gnral: El amn consta d 4 problmas, con una pondracón fnal d puntos (pts). Para facltarl l cálculo

Más detalles

Variables Aleatorias

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

Más detalles

TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS

TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS BÁSICOS? EVIDENCIA EMPÍRICA PARA LA COMPRA DE ACEITES COMESTIBLES EN LA CIUDAD DE

Más detalles

Considere la antena Yagi de la figura, formada por un dipolo doblado y un dipolo parásito, ambos de longitud λ/2, y separados una distancia d = λ/4.

Considere la antena Yagi de la figura, formada por un dipolo doblado y un dipolo parásito, ambos de longitud λ/2, y separados una distancia d = λ/4. Problmas capitulo 5 Antna Yagi Considr la antna Yagi d la figura, formada por un dipolo doblado un dipolo parásito, ambos d longitud λ/, sparados una distancia d = λ/4. a) Calcul la impdancia d ntrada

Más detalles

Julio Ceniceros & Edgar de la Garza

Julio Ceniceros & Edgar de la Garza 235 Captulo 0 Una aproxmacón a la partcpacón dl tpo d prsonaldad manfsta dl consumdor ant la dsyuntva d compra bajo l crtro bnaro d prcos contra atrbutos d los productos Julo Cncros & Edgar d la Garza

Más detalles

3. Determinación de la fuente y la respuesta en el dominio de la

3. Determinación de la fuente y la respuesta en el dominio de la 3. Drmnacón d la fun y la rspusa n l dmn d la frcunca. Para ulzar l algrm d MDFDT, pdms mar ds pcns. La prmra, ncalzar l camp cn valrs 0, pr jmpl l cas d la cavdad d la sccón..5 bn clcar una fun qu nrduzca

Más detalles

4. - Filtrado analógico:

4. - Filtrado analógico: 4. - Fltrado analógco: Introduccón: Ventajas y necesdad del fltro analógco frente al dgtal (aumento rango útl y sensbldad) Importanca de transcón brusca Importanca de funcón plana Problema de establdad

Más detalles

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

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

Más detalles

( )exp( ) 2. La transformada de Fourier

( )exp( ) 2. La transformada de Fourier xp F d π La ransormada d Fourr F xp d D la Sr d Fourr a la ransormada d Fourr La sr d Fourr nos prm obnr una rprsnacón n l domno d la rcunca d uncons pródcas. Es posbl xndr d alguna manra las srs d Fourr

Más detalles

SECRETARIA DE ENERGIA

SECRETARIA DE ENERGIA Juvs 8 d octubr d 0 DIARIO OFICIAL (Prmra Sccón) 8 SECRETARIA DE ENERGIA NORMA Ofcal Mxcana NOM-04-ENER-0, Caractrístcas térmcas y óptcas dl vdro y sstmas vdrados para dfcacons. Etqutado y métodos d pruba.

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

5ª Parte: Estadística y Probabilidad

5ª Parte: Estadística y Probabilidad ª Parte: Estadístca y Probabldad. Las notas de los alumnos de una clase son:,,,, 6, 7,,,,,,,, 7,,,, 6,, Haz una tabla de frecuencas. Solucón Varable Frecuencas absolutas Frecuencas relatvas estadístca

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

( t ) ( ) exp( ) 2. La transformada de Fourier

( t ) ( ) exp( ) 2. La transformada de Fourier xp F d La ransormada d Fourr F xp d D la Sr d Fourr a la ransormada d Fourr La sr d Fourr nos prm obnr una rprsnacón n l domno d la rcunca d uncons pródcas. Es posbl xndr d alguna manra las srs d Fourr

Más detalles

Variables Aleatorias

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

Más detalles

- Se dice que hay interacción entre E y X, si la relación entre E y M no es la misma en los diferentes niveles de X. -

- Se dice que hay interacción entre E y X, si la relación entre E y M no es la misma en los diferentes niveles de X. - BOLETÍN EPIDEMIOLÓGICO DE CASTILLA-LA MANCHA MARZO 2007/ Vol.9 /Nº LA REGRESIÓN LOGÍSTICA EN EPIDEMIOLOGÍA III (*) 3.- INTERACCIONES EN EL MODELO LOGÍSTICO A.- PRINCIPIO DE LA INTERACCIÓN EN EL MODELO

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

Electrotecnia General

Electrotecnia General Dpartamnto d Ingnría Eléctrca Unvrsdad Naconal d Mar dl Plata Ára Elctrotcna Elctrotcna Gnral (para la Carrra Ingnría Industral) METODOS DE ANALISIS DE CIRCUITOS ELECTRICOS EN C.C. Y C.A. Profsor Adjunto:

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles

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

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

Más detalles

Fuentes de información

Fuentes de información TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA

Más detalles

5 BOMBAS DE ENGRANAJES CON PERFILES TROCOIDALES. ANÁLISIS FLUIDODINÁMICO

5 BOMBAS DE ENGRANAJES CON PERFILES TROCOIDALES. ANÁLISIS FLUIDODINÁMICO 5 BOMBAS DE ENGRANAJES CON PERFILES TROCOIDALES. ANÁLISIS FLUIDODINÁMICO 5. INTRODUCCIÓN Las cuacons dsarrolladas n l Capítulo 3 han prmtdo dducr l dsplazamnto volumétrco n funcón dl ángulo, y n conscunca,

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

Un método de simulación para la estimación de direcciones de arribo de señales detectadas por arreglos de sensores.

Un método de simulación para la estimación de direcciones de arribo de señales detectadas por arreglos de sensores. Un método d smulacón ara la stmacón d drccons d arrbo d sñals dtctadas or arrglos d snsors. Robrto Daol rd-ng@unlm.du.ar Lus A. Frnándz lfrnand@unlm.du.ar Dartamnto d Ingnría Invstgacons Tcnológcas Unvrsdad

Más detalles

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS 8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 d Octubr d 27 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS Vampa V.* # y Martín M.T.* + *Dpartamnto d Matmátca, Facultad d Cncas Exactas,

Más detalles