TÉCNICAS AUXILIARES DE LABORATORIO

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

Download "TÉCNICAS AUXILIARES DE LABORATORIO"

Transcripción

1 TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar con un patrón esta comparacón se hace con un aparato por smple que sea-una regla, por ejemplo- podemos nclurlo en la denomnacón generalada de aparato, la medda dependerá de la mínma cantdad que aquel sea capa de medr. Y esta cantdad va decrecendo con el progreso de la físca en un proceso contnuado, pero sn fn aparente. Es decr, que, aunque cada ve podamos dar la medda con más decmales, el sguente decmal no podrá saberse... por el momento. Por lo tanto, podemos decr que las meddas de la físca son sempre ncorrectas. Dcho de una manera más correcta : s llamamos error a la dferenca que este entre la medda el valor verdadero de la magntud, sempre estrá este error. Es, lo que podríamos llamar un error ntrínseco, por nevtable. Pero, el valor de las magntud físcas se obtene, como hemos ndcado, epermentalmente. Es decr, por medcón, ben drecta de la magntud cuo valor deseamos conocer o ben ndrecta por medo de los valores de otras magntudes, lgadas con la magntud problema medante alguna le o fórmula físca. Por lo tanto, debe de admtrse como postulado que, aparte del error ntrínseco que hemos señalado anterormente, el proceso epermental lleva en sí otras mperfeccones que hacen que resulte mposble ncluso s prescndéramos del error ntrínseco llegar a conocer el valor eacto de nnguna magntud físca, puesto que los medos epermentales de comparacón con el patrón correspondente en las meddas drectas las meddas propamente dchas vene sempre afectado por mprecsones nevtables. De este modo, aunque es mposble, en la práctca, encontrar el valor verdadero o eacto de una magntud determnada, a los centífcos no les cabe duda de que este; nuestro problema consste en establecer los límtes dentro de los cuales estamos seguros de que se encuentra dcho valor cota de error. 1

2 .- CLASIICACIÓN DE LOS ERRORES El error se defne, tal como habíamos dcho, como la dferenca entre el valor verdadero el obtendo epermentalmente. Los errores no sguen una le determnada su orgen está en múltples causas. Atendendo a las causas que lo producen, los errores se pueden clasfcar en dos grandes grupos: errores sstemátcos errores accdentales. Se denomna error sstemátco a aquel que es constante a lo largo de todo el proceso de medda, por tanto, afecta a todas las meddas de un modo defndo es el msmo para todas ellas. Estos errores tenen sempre un sgno determnado las causas probables pueden ser: - Errores nstrumentales de aparatos; por ejemplo, el error de calbrado de los nstrumentos. - Error personal: Este es, en general, dfícl de determnar es debdo a las lmtacones de carácter personal. Como, por ejemplo, los errores de paralaje, o los problemas de tpo vsual. - Errores de método de medda, que corresponden a una eleccón nadecuada del método de medda; lo que nclue tres posbldades dstntas: la nadecuacón del aparato de medda, del observador o del método de medda propamente dcho. Se denomnan errores accdentales a aquellos que se deben a las pequeñas varacones que aparecen entre observacones sucesvas realadas por el msmo observador bajo las msmas condcones. Las varacones no son reproducbles de una medcón a otra se supone que sus valores están sometdos tan sólo a las lees del aar que sus causas son completamente ncontrolables para un observador. Los errores accdentales poseen, en su maoría, un valor absoluto mu pequeño s se reala un número sufcente de meddas se obtenen tantas desvacones postvas como negatvas. Y, aunque con los errores accdentales no se pueden hacer correccones para obtener valores más concordantes con los reales, s pueden emplearse métodos estadístcos, medante los cuales se pueden llegar a algunas conclusones relatvas al valor más probable en un conjunto de medcones.

3 3.- CONCEPTOS DE EXACTITUD, PRECISIÓN Y SENSIBILIDAD En lo que se refere a los aparatos de medda, ha tres conceptos mu mportantes que vamos a defnr: eacttud, precsón sensbldad. La eacttud se defne como el grado de concordanca entre el valor verdadero el epermental. De manera que un aparato es eacto s las meddas realadas con él son todas mu prómas al valor verdadero de la magntud medda. La precsón hace referenca a la concordanca entre las meddas de una msma magntud realadas en condcones sensblemente guales. De modo que, una aparato será precso cuando la dferenca entre dferentes medcones de una msma magntud sean mu pequeñas. La eacttud mplca, normalmente, precsón, pero la afrmacón nversa no es certa, a que pueden estr aparatos mu precsos que posean poca eacttud, debdo a errores sstemátcos, como el error de cero, etc. En general, se puede decr que es más fácl conocer la precsón de un aparato que su eacttud báscamente, debdo a la ntroduccón del térmno verdadero. La sensbldad de un aparato está relaconada con el valor mínmo de la magntud que es capa de medr. Por ejemplo, decr que la sensbldad de una balana es de 5 mg sgnfca que, para masas nferores a la ctada, la balana no acusa nnguna desvacón. Normalmente, se admte que la sensbldad de un aparato vene ndcada por el valor de la dvsón más pequeña de la escala de medda. En muchas ocasones, de un modo erróneo, se toman como déntcos los conceptos de precsón sensbldad, aunque a hemos vsto que se trata de conceptos dferentes. Lo que estamos hablando hablaremos todavía un tempo de valores verdaderos, habrá que entenderlos como los que más tarde defnremos báscamente, valores medos. 3

4 4.- ERROR ABSOLUTO Y ERROR RELATIVO S medmos una certa magntud físca cuo valor verdadero es 0, obtenendo un valor de la medda, llamaremos error absoluto de dcha medda a la dferenca en donde, en general, se supone que << 0. 0, 1 El error absoluto nos da una medda de la desvacón, en térmnos absolutos, respecto al valor verdadero. No obstante, en ocasones nos nteresa resaltar la mportanca relatva de esa desvacón. Para tal fn, se usa el error relatvo. El error relatvo se defne como el cocente entre el error absoluto el valor verdadero : ε, 0 lo que, en forma porcentual se epresará como ε 100 %. Cuando ndquemos el resultado de una medda o de un conjunto de meddas de una magntud, tendremos que ndcar, sempre, el grado de ncertdumbre de la msma, para lo cual acompañamos el resultado de la medda de sus error absoluto; epresando el resultado así ±. De ordnaro, dado el sgnfcado de la cota de mprecsón que tene el error absoluto, este, durante el transcurso de estas práctcas de laboratoro, no deberá escrbrse con más de una cfra sgnfcatva aunque podrían admtrse dos cfras s estas no sobrepasan 4, pero esto se quedará para cursos posterores. S el error se ha obtendo con más de una cfra, se deberá a proceder a suprmr las posterores, aumentando en una undad la prmera, s la segunda fuera 5 o maor que 5. El valor de la magntud debe de tener sólo las cfras necesaras para que su últma cfra sgnfcatva sea del msmo orden decmal que la últma del error absoluto, llamada cfra de acotamento. Como ejemplo, damos las sguentes tablas de valores de dstntas magntudes en la columna de la querda mal escrtos en la de la derecha correctos para poner de manfesto lo que acabamos de decr. Ver al fnal del capítulo. 4

5 Valores ncorrectos Valores correctos 3,418 ± 0,13 3,4 ± 0,1 6,3 ± 0,09 6,30 ± 0, ± ,6 ± ,351 ± 0,7 48,4 ± 0,3 0,01683 ± 0,0058 0,017 ± 0,006 Nota: S un valor es leído de una tabla o algún otro lugar que no tengan una mencón epresa del error cometdo, se tomará como s todas sus cfras fueran sgnfcatvas. 5

6 5.- DETERMINACIÓN DE ERRORES EN MEDIDAS DIRECTAS Cuando realcemos la medda de cualquer magntud, deberemos ndcar sempre una estmacón del error asocado a la msma. Dado que no conocemos el valor verdadero de la magntud que deseamos medr, habrá que segur certos procedmentos para hacer una estmacón, tanto del valor verdadero, como de una cota de error, que nos ndquen la ncertdumbre de la medcón realada. Dstnguremos dos casos ben dferencados: a S sólo se puede realar una sola medda,, de la magntud. En este caso consderaremos que el error absoluto concde con el valor absoluto de la sensbldad S del aparato utlado para realar la medda. De este modo, el resultado de la medda lo epresaremos así: ± S b Caso en el que se realan varas meddas de una msma magntud. Con el fn de alcanar certa valde estadístca en los resultados de las meddas, es mu convenente repetr varas veces la determnacón del valor de la magntud problema. Los resultados de las meddas ndvduales pueden presentarse poco o mu dspersas, en funcón de esta dspersón será convenente aumentar o no el número de medcones de la magntud. Para decdr el número de determnacones que ha que efectuar del valor de la magntud físca que deseamos medr, seguremos el sguente procedmento: Se realan tres meddas de la magntud 1, 3, se calcula el valor 1 3 medo de las tres meddas, 3, se halla la dspersón total, D, de 3 las msmas, es decr, la dferenca entre los valores etremos de las meddas valor mámo menos el valor mínmo. nalmente, se obtene el tanto por cento de dspersón, T, que vene dado por: D T. 3 3 Ahora ben, puede suceder que el valor de la dspersón D no sea maor que el valor de la sensbldad del aparato de medda D S. En este caso, tomaremos como estmacón del valor verdadero de la magntud el valor medo de las tres meddas, 3, como error absoluto la sensbldad, es decr, 6

7 ± S 3 Ahora ben, s el valor de la dspersón D es maor que la sensbldad del aparato, D > S, procederemos a aumentar el número de meddas de la magntud. El crtero a segur en esta aumento vene condconado por el valor del porcentaje dspersón T del modo ndcado en la sguente tabla: T en las tres prmeras meddas Nº total de meddas necesaras T 3 % Bastan las 3 meddas realadas % < T 3 8% Ha que hacer 3 meddas más, hasta un total de 6 8% < T 6 15% Ha que hacer un total de 15 meddas 15% < T 15 Ha que hacer un mínmo de 50 meddas Una ve realadas las meddas necesaras, se toma como valor de la magntud el valor medo de la msma, calculado sobre el número total de meddas realadas en cuanto al correspondente error, se determna según los casos que sgue: S 1 se han realado tres meddas, se toma como error absoluto el valor de la sensbldad del aparato, es decr, lo que a hemos ndcado, S. se han realado ses meddas, entonces se calcula el error de dspersón defndo como D 6 /4 la cuarta parte de la dspersón total de las ses meddas, es decr, la dferenca entre la maor la menor de todas, se asgna como error absoluto de las meddas, el maor de entre este valor la sensbldad del aparato. Es decr, ma D 6 /6, S 3 se han realado más de 15 meddas; entonces el error absoluto puede calcularse por la epresón: N n 1/ 4 7

8 que proporcona el llamado error cuadrátco medo puesto que es algo así como una meda del cuadrado de los errores, en donde son cada una de las meddas realadas, n es la meda artmétca de todas las meddas ndvduales N es el número total de meddas realadas. El procedmento segudo en este últmo caso se debe a que, en una sere repetda de meddas de una msma magntud, la dstrbucón estadístca de éstas alrededor del valor medo representa una forma típca, que recbe el nombre de dstrbucón gaussana o dstrbucón normal. 6.- DETERMINACIÓN DEL ERROR DE UNA MAGNITUD MEDIDA INDIRECTAMENTE Como a hemos ndcado, la medda ndrecta de una magntud se alcana medante la aplcacón de una fórmula a un conjunto de meddas drectas varables ndependentes o datos, que las relaconan con la magntud problema. Por eso tambén esta fórmula ha de servrnos para obtener el error de dcha magntud. Ahora eplcaremos la manera de realar esto. Antes que nada, debemos ndcar que, s en la fórmula ctada aparecen números rraconales, tales como π, e, etc, debemos elegr el número de cfras sgnfcatvas con las que vamos a realar los cálculos, de modo que los errores cometdos al apromar estos números rraconales no afecten a la magntud que queremos determnar bastará con poner una cfra sgnfcatva más baja que la más baja de los datos,. Supongamos que la magntud problema es funcón de otras magntudes físcas datos, estando relaconadas con ellas por,,,... 5 Supongamos, además, que se han realado meddas de las ctadas varables,,,... se han determnado su valor medo al que llamaremos con el msmo nombre,,,... sus errores absolutos,,,... Para realar el cálculo del error absoluto de, en funcón de los antedchos valores, se procede así: En prmer lugar, se obtene la dferencal total de en funcón de las varables,,,... d d d d... S, a contnuacón asmlamos las dferentes dferencales a los errores absolutos, además, consderamos que en el cálculo del error de debemos ponernos en el caso más desfavorable sempre deseamos tener una cota de error, o sea un valor de la magntud del que podamos estar seguros de que el 8

9 valor verdadero está dentro de nuestro ntervalo de segurdad, o sea, el maor error posble. Lo que sgnfca que consderaremos todos los errores como postvos, es decr, tomaremos, además, los valores absolutos de las dervadas parcales, con lo que obtendremos el valor absoluto de, es decr,... 6 En este problema se presenta una notable smplfcacón en el caso de que la funcón fórmula consderada sea de la forma: a b c... 7 con a, b, c, constantes postvas o negatvas; a que en este caso podemos proceder del sguente modo: Calculamos la dferencal logarítmca de tomar ln luego la dferencal de este logartmo: d d a b d c d..., 8 en donde, asmlando de nuevo los dferencales totales a los errores absolutos, tenemos: a b c... 9 Y, recordando el concepto de error relatvo, ε, obtenemos ε aε bε cε Con esto podemos, fnalmente obtener el error absoluto de, ε.. 11 Ejemplos numércos del cálculo de errores a Error de una magntud de la forma general 5: Vamos a calcular el error de una magntud que depende de los datos a través de una epresón del tpo. u v 9

10 Consderemos que se han meddo las valores medos de las varables se han determnado sus errores absolutos, de modo que, 7,33 ± 0,1,45 ± ,0 ± 0,1 u 50, ± 0,1 v 1,033 ± 0,01 3,6 ± 0,0 Vamos a obtener el valor de la magntud el error correspondente a la msma 1, v v u u. Realando cálculos se obtene: v u v v u u v u v u v u v u Tras realar los cálculos numércos correspondentes, se obtene: 0, Tenendo en cuenta el número mámo de cfras sgnfcatvas del error absoluto, obtenemos el resultado fnal: 1,86 ± 0,04 Propuesta alternatva Con el fn de smplfcar el engorroso cálculo de dervadas parcales como en el caso anteror, podemos utlar el cambo de varables. Como puede verse en el sguente tratamento del ejemplo anteror: Hagamos X X u v U u v U 10

11 Con lo que nos quedaría, Y, aplcando el método de la dervada logarítmca, obtendríamos X U X X U U en donde todos lo datos son conocdos podemos calcular, que es lo que queríamos sn realar nnguna dervada. 11

12 II.- CONSTRUCCIÓN DE GRÁICAS La representacón gráfca de los fenómenos físcos que estudaremos deberá ajustarse a las sguentes normas: 1 Gráfcas en papel mlmetrado en el caso de que no estén realadas con ordenador con los ejes ben traados, ndcando en sus etremos la magntud representada en ese eje, así como la undad en que ha sdo medda. El título de la gráfca se pondrá, ben claro, en la parte superor. La varable ndependente del fenómeno estudado se representará en abcsas la dependente en ordenadas. 3 Las escalas, sobre ambos ejes, han de permtr una lectura rápda senclla. Para ello se elegrán las escalas con ntervalos sencllos de 1,, 5, 10, 0,... undades. 4 Sobre los ejes sólo se ndcarán los valores correspondentes a las dvsones enteras de la escala que quedarán así unformemente espacadas. Nunca se señalarán los valores correspondentes a las meddas realadas. 5 Los valores meddos se representarán sobre el papel mlmetrado por el punto correspondente a sus dos coordenadas punto epermental rodeado por el denomnado rectángulo de error, cua base abarca desde - hasta, cua altura se etende desde - hasta, sendo e las coordenadas del punto epermental. 6 En el caso de que o sean desprecables en comparacón con la escala utlada, el rectángulo de error quedará reducdo a un smple segmento vertcal u horontal barra de error, según el caso. En el caso ecepconal de que ambos errores sean smultáneamente desprecables, el punto epermental quedaría reducdo a un punto. Las gráfcas han de ser líneas fnas contnuas, nunca quebradas, que han de pasar por todos los rectángulos de error, aunque para ello dejen muchas veces de pasar por los puntos epermentales, que pueden quedar a derecha o a querda de la gráfca. S al hacer esta operacón, alguno de los rectángulos de error, queda ecesvamente alejado de la forma contnua de la gráfca, es prueba de que esa medda es falsa, por alguna causa accdental, debería repetrse. 1

13 III.- AJUSTE DE LA RECTA DE REGRESIÓN POR EL MÉTODO DE LOS MÍNIMOS CUADRADOS Con frecuenca, se plantea el problema de encontrar una epresón matemátca f de la le físca que rge el comportamento de un determnado fenómeno, a partr de una sere de N meddas,,, de las magntudes e que lo caracteran. Cuando la representacón gráfca del fenómeno estudado proporcona una dstrbucón de los puntos epermentales que parecen tener la forma de una curva plana determnada es convenente obtener la ecuacón de esta curva que probablemente será la epresón de la le físca que rge el fenómeno estudado. El método más potente, sobre todo, el más smple conocdo es el de regresón por los mínmos cuadrados. Estos métodos son aplcables a dversas curvas de dstntos grados, pero nosotros, en este prmer curso de ntroduccón, nos vamos a lmtar a estudar el caso más smple posble de una le físca lneal, es decr de una recta de regresón. Dcha recta debe de cumplr la condcón de que los puntos epermentales queden dstrbudos smétrcamente a ambos lados lo más prómos posble de la msma. Esta condcón se cumple s se oblga a la recta, de ecuacón a b, cumpla con que la epresón C, Σ a b Tenga un valor mínmo. Dervando respecto a a a b, hacendo ambas dervadas guales a cero, tras una sere de operacones, se obtene: a N N Nb b N a N S la recta hubera de pasar por el orgen de coordenadas, el problema se smplfca notablemente, puesto que, al ser b 0, resulta a que proporcona drectamente el valor de la pendente de la recta. Además de los valores de la pendente de la ordenada en el orgen, es nteresante obtener el denomnado coefcente de correlacón lneal, r, que nos da una medda del grado de correlacón de apromacón entre los valores de 13

14 las varables e, es decr, hasta que punto e están relaconados medante una funcón lneal. La epresón de r es [ N N N r que varía entre cero correlacón nestente ± 1 correlacón completa. Las epresones correspondentes al cálculo de error de la pendente de la ordenada en el orgen son 1 N b a a 1 1 N b a N b 14

15 IV.- INTERPOLACIÓN 1.- EN TABLAS DE SIMPLE ENTRADA La tablas de smple entrada nos proporconan el valor de una varable dada en funcón de otra, vceversa. Cuando se quere determnar el valor de que corresponde a uno de no tabulado, o vceversa, se supone que, para ntervalos mu pequeños de las varables como es usual en las tablas de valores, la funcón es lneal por tanto los ncrementos de las msmas son proporconales. Esto nos permte dseñar un procedmento para encontrar estos valores no tabulados llamado nterpolacón lneal. Para resolver el problema se determnan prevamente los valores tabulados de e entre los que se encuentran los de nuestro problema 1 << ; 1 < <, 1 1 Entonces, la relacón que lga con puede escrbrse, dentro de las apromacones antedchas, según la fórmula lneal que permte determnar en funcón de, o vceversa. El error absoluto de resulta ser EN TABLAS DE DOBLE ENTRADA En las tablas de doble entrada, para cada pareja de valores e se sumnstra el valor correspondente de una tercera varable relaconada con las dos anterores medante una funcón,. En este caso el trao de tablas cuos ntervalos se consderan ahora trplemente lneales, entre cuos valores se encuentran el buscado, presentan el aspecto 1 << ; 1 < <,

16 La relacón apromada lnealmente que permte el cálculo es puede utlarse tambén en la nterpolacón nversa, es decr, en la determnacón de o, conocdos los valores de, o de,. El error de resulta análogamente de la epresón:

17 NOTAS *Cfra sgnfcatva El número de dígtos con sgnfcado de una magntud se llama número de cfras sgnfcatvas. En general, nngún número puede tener más cfras sgnfcatvas que las de los números a partr de los cuales se ha calculado. La regla para consderar un dígto como sgnfcatvo es la de que el error absoluto de la medda debe de ser del orden de magntud ** de este msmo dígto. Nosotros, para fjar deas, adoptaremos el conveno de consderar que s una cfra es sgnfcatva, el error absoluto de la magntud es al menos de una undad de ese orden. Por ejemplo, s los números 300,06 0,00078 están escrtos con todas sus cfras sgnfcatvas, sgnfcará que sus errores son ± 0,01 ± 0,00001, respectvamente. En los cálculos con números mu grandes o mu pequeños estas consderacones se smplfcan en gran medda utlando las potencas de de denomnada a veces notacón centífca. Por ejemplo, la dstanca de la Terra al Sol es apromadamente de m, pero al escrbr el número de esta manera no se está ndcando, evdentemente no se puede medr esta dstanca con una precsón de 1 m!, el número de cfras sgnfcatvas. S el error que hemos cometdo es del orden de 1000 Km, podemos escrbr este número así: m. De esta forma es evdente que el número de cfras sgnfcatvas es ses. *Orden de magntud Cuando hablamos de orden de magntud de un número nos estamos refrendo al valor de un número que concde apromadamente con el orden de la prmera cfra de aquel. Por ejemplo, en 1387,4 la prmera cfra es el 1, que es del orden de los mles ; en 3, el tres es del orden de los de mllones ; en 0,00056, el cnco es del orden de la demlésma; etc. Esto lo podemos poner de una manera algo más sstemátca de la manera sguente: llamaremos orden de magntud de una medda a la potenca de de más baja de las dos entre las que está contendo el número. Por ejemplo, veamos los tres números ctados más arrba: 1387,4 puede escrbrse así: 10 < 1387,4 < Lo que quere decr que de este número dremos que tene un orden de magntud de 10 3 o de los mles. Análogamente, 10 7 < 3, <10 8. Es decr que de este número dremos que tene un orden de magntud de 10 7 o de los de mllones Tambén, 10 < 0,00056 < 10. O sea, que de este número dremos que tene un orde n de magntud de 10-4 o de las de mlésmas. 3 17

18 Naturalmente, estos valores habrá que tratarlos con sentdo común no se trata de un concepto precso, sno una manera de hablar centífca. Por ejemplo, s consderamos dos números tales como , la aplcacón de la regla anteror nos dría que el prmero tene un orden de magntud 1 el segundo,. Cuando la dferenca entre los dos es de tan sólo undades! Está claro que, en este caso, lo sensato es decr que ambos tenen el msmo orden de magntud el lógco sería el. 18

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Laboratorio de Bases Físicas del Medio Ambiente

Laboratorio de Bases Físicas del Medio Ambiente Laboratoro de Bases Físcas del Medo Ambente Teoría de errores Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Medr es, báscamente, comparar con un patrón y esta

Más 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

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

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

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

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

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

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

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

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

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

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

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

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

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

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

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores.

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores. Coportaento Mecánco de los Materales Antono Mguel Posadas Chnchlla Ingenería de Materales Departaento de Físca Aplcada Facultad de Cencas Eperentales Unversdad de Alería DETERMIACIÓ DE ERRORES Y TRATAMIETO

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

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más 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

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

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

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

1.1 Ejercicios Resueltos Tema 1

1.1 Ejercicios Resueltos Tema 1 .. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas)

Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas) Bases Físcas del Medo Ambente Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas.

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

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

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS.

TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. GESTIÓN FINANCIERA. TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. 1.- Funconamento de las cuentas bancaras. FUNCIONAMIENTO DE LAS CUENTAS BANCARIAS. Las cuentas bancaras se dvden en tres partes:

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

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

TEORÍA DE MEDIDAS INTRODUCCIÓN

TEORÍA DE MEDIDAS INTRODUCCIÓN Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más 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

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más 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

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

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

2. Tratamiento de errores

2. Tratamiento de errores . Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la

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

Físicas (1º curso CC AA) Teoría de Errores (Programa de Prácticas)

Físicas (1º curso CC AA) Teoría de Errores (Programa de Prácticas) Físcas (1º curso CC AA) Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana. Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

ADENDA 008 LICITACIÓN L-CEEC-001-12

ADENDA 008 LICITACIÓN L-CEEC-001-12 ADENDA 008 LICITACIÓN L-CEEC-001-12 OBJETO: CONTRATACIÓN DE LA CONSTRUCCIÓN DE LA FASE I DEL RECINTO FERIAL, DEL CENTRO DE EVENTOS Y EXPOSICIONES DEL CARIBE PUERTA DE ORO POR EL SISTEMA DE ECIOS UNITARIOS

Más detalles

Algoritmo para la ubicación de un nodo por su representación binaria

Algoritmo para la ubicación de un nodo por su representación binaria Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón

Más detalles

Física del Medio Ambiente

Física del Medio Ambiente Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez (smaranon@ugr.es) Andy Kowalsk (andy@ugr.es) 1 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos

Más detalles

INTRODUCCIÓN AL LABORATORIO DE FÍSICA

INTRODUCCIÓN AL LABORATORIO DE FÍSICA INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

Tratamiento de datos experimentales. Teoría de errores

Tratamiento de datos experimentales. Teoría de errores Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más 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

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS

CÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS CÁLCULO DE ICERTIDUMBRES Y REPRESETACIOES GRÁFICAS ITRODUCCIÓ El estudo de la Físca es ncompleto s no se apoya en epermentos de laboratoro que permtan la comprensón de los fenómenos en estudo. Con los

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

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

Lección 4. Ejercicios complementarios.

Lección 4. Ejercicios complementarios. Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,

Más detalles

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

Más detalles

2.5 Especialidades en la facturación eléctrica

2.5 Especialidades en la facturación eléctrica 2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17 Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES

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

Funciones más usuales 1

Funciones más usuales 1 Funciones más usuales 1 1. La función constante Funciones más usuales La función constante Consideremos la función más sencilla, por ejemplo. La imagen de cualquier número es siempre 2. Si hacemos una

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2. Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables

Más detalles

COMPARADOR CON AMPLIFICADOR OPERACIONAL

COMPARADOR CON AMPLIFICADOR OPERACIONAL COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón

Más detalles

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso

Más detalles

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

Más 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

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

Introducción al riesgo de crédito

Introducción al riesgo de crédito Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta

Más detalles

UNIDAD 1. LOS NÚMEROS ENTEROS.

UNIDAD 1. LOS NÚMEROS ENTEROS. UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar

Más detalles

1.- Una empresa se plantea una inversión cuyas características financieras son:

1.- Una empresa se plantea una inversión cuyas características financieras son: ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES. Departamento de Economía Aplcada (Matemátcas). Matemátcas Fnanceras. Relacón de Problemas. Rentas. 1.- Una empresa se plantea una nversón cuyas característcas

Más detalles

NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1

NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1 Unversdad del Valle Unversdad del Valle Departamento de Físca 1. INTRODUCCION NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1 En todas las ramas de las cencas físcas y de la ngenería se trabaja constantemente

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

TEMA 1.- CONCEPTOS BÁSICOS TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles