Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

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

Download "Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia"

Transcripción

1 Scietia Et Techica ISSN: 0-70 Uiversidad Tecológica de Pereira Colombia HURTADO, LUIS HERNANDO; GARCÍA, MARÍA DOLLY; SALCEDO, GLADYS ELENA UN MODELO DE PONDERACIÓN PARA LA AUTOEVALUACIÓN DE UN PROGRAMA ACADEMICO Scietia Et Techica, vol. XI, úm. 9, diciembre, 005, pp Uiversidad Tecológica de Pereira Pereira, Colombia Dispoible e: Cómo citar el artículo Número completo Más iformació del artículo Págia de la revista e redalyc.org Sistema de Iformació Cietífica Red de Revistas Cietíficas de América Latia, el Caribe, España y Portugal Proyecto académico si fies de lucro, desarrollado bao la iiciativa de acceso abierto

2 Scietia et Techica Año XI, No 9, Diciembre de 005. UTP. ISSN UN MODELO DE PONDERACIÓN PARA LA AUTOEVALUACIÓN DE UN PROGRAMA ACADEMICO RESUMEN E este artículo se describe e forma detallada la costrucció de u modelo de poderació que puede ser utilizado e el Proceso de Autoevaluació co fies de Acreditació de u programa académico. El modelo propuesto es ua adaptació, a la poderació de características e idicadores, de las técicas desarrolladas por Thomas Saaty para otros propósitos como la toma de decisioes. El modelo utiliza el cocepto de vector propio pricipal de ua matriz reciproca y cosistete. PALABRAS CLAVES: Modelo de poderació, Vector propio pricipal, Matriz reciproca, Matriz cosistete. ABSTRACT This paper presets a detailed descriptio of a eightig model that ca be used for a academic program Self-assessmet Process hich aims at the official Accreditatio. The proposed model is a adaptatio--to the eightig of characteristics ad idicators of the techiques developed by Thomas Saaty for other purposes, such as decisio makig. The model uses the cocept of a pricipal eigevector of reciprocal ad cosistet matrix. KEYWORDS: Weightig model, Pricipal eigevector, Reciprocal matrix, Cosistet matrix. LUIS HERNANDO HURTADO MsC Estadística Profesor Titular Uiversidad del Quidío Director del Grupo de Ivestigació y Asesorías e Estadística piesa@uiquidio.edu.co MARÍA DOLLY GARCÍA MsC Matemáticas Profesor Titular Uiversidad del Quidío Directora Maestría e Biomatemáticas maesbiomat@uiquidio.edu.co GLADYS ELENA SALCEDO MsC Estadística. Cadidato a Doctor e Estadística (Uiversidad de Sao Paulo) Profesor Asociado Uiversidad del Quidío. Grupo de Ivestigació y Asesoría Estadística Uiversidad del Quidío. INTRODUCCIÓN Los parámetros co los cuales el CNA pretede evaluar la calidad de los programas académicos e las Uiversidades Colombiaas, está estructurados e ua clasificació erárquica cuyos iveles de erarquía so: los Factores, las Características y los Idicadores, []. E cualquiera de los iveles de esta clasificació los elemetos que la compoe o se puede valorar por igual e cuato a su aporte a los diferetes compoetes de la Calidad de la Educació Superior. Así por eemplo e el ivel de las Características alguas hace referecia a cuestioes relacioadas co la razó de ser la Educació Superior, otras aputa a eriquecer el Ser Uiversitario y uas cuatas se refiere solamete a codicioes de apoyo. E forma similar los Factores repercute de maera muy desigual sobre el desarrollo de la Istitució y más desigual aú sobre los diferetes Programas Académicos; lo mismo se puede argumetar para los Idicadores. E pricipio es ecesario etoces dar u peso diferete a los elemetos que compoe cada uo de los iveles de esta clasificació, esto es, defiir uos poderadores detro de cada ivel, lo cual equivale a costruir u sistema de poderació.. EL SISTEMA DE PONDERACIÓN PROPUESTO Las formas de costruir poderadores so muy diversas y va desde las que se apoya e técicas matemáticas o estadísticas hasta las que se fudameta totalmete e el coseso de u grupo. E todas ellas se idetifica claramete dos compoetes, la recolecció de la iformació y el procesamieto de la misma. La forma como se combia estas dos compoetes es lo que permite distiguir los diferetes sistemas de poderació. Como se trata e este caso de poderar elemetos e ua estructura erárquica se costruye vectores de poderació para cada ivel e la siguiete forma: u vector de poderació para los 8 factores, 8 vectores de poderació para las características detro de cada factor Fecha de Recepció: 3 Mayo de 005 Fecha de Aceptació: 6 Diciembre de 005

3 70 y 4 vectores de poderació para los idicadores detro de cada característica; este couto de vectores forma lo que se llamará el Sistema de Poderació Vertical. Complemetario a este sistema se costruye otro que permita valorar las diferetes fuetes de iformació que se tiee para cada idicador, es decir: documetos, ecuestas y etrevistas. Esto último costituye el Sistema de Poderació Horizotal. Volviedo al Sistema de Poderació Vertical, que es sobre el cual se cetra la mayor parte del esfuerzo, se cosidera que es e el ivel de las Características dode meor se reflea la filosofía de la Autoevaluació, pues los Factores o so más que agregados u poco arbitrarios y los Idicadores obedece a u asuto fudametalmete de tipo técico para valorar las Características []. De estas cosideracioes surge la siguiete estrategia para costruir el Sistema de Poderació. E. Se podera las Características e forma global, es decir si tomar e cueta el Factor al cual perteece e la clasificació erárquica. E. La suma de las poderacioes de las Características que compoe cada Factor, co relació a la suma total, da la poderació de los Factores. E3. Las poderacioes de cada Característica co relació a la suma de las poderacioes detro del Factor, da los ocho (8) vectores de poderacioes de las Características e cada Factor. E4. El mecaismo de poderació aplicado e la etapa (E) se utiliza luego para poderar los idicadores detro de cada característica.. RECOLECCIÓN Y PROCESAMIENTO DE INFORMACIÓN De acuerdo co la estrategia propuesta basta co detallar la Etapa (E), puesto que la seguda y tercera trata sobre u procesamieto simple de datos y la cuarta es ua repetició de la primera. E la costrucció de los poderadores de las características, que se mecioa e la etapa (E), se idetifica dos compoetes del trabao estadístico que so la recolecció de la iformació y el procesamieto de la misma. La recolecció de la iformació se hace e los siguietes pasos: P: Se pide a los actores del proceso, (profesores de plata y ocasioales) valorar cada ua de las 4 características co relació a la Calidad de la Educació Superior. Esta valoració se hace asigado ua calificació a cada característica e ua escala cualitativa que tiee cico iveles como se muestra e la primera columa de la tabla y que se covierte, e algú Scietia et Techica Año XI, No 9, Diciembre de 005. UTP mometo, a ua escala cuatitativa co las equivalecias que se muestra e la seguda columa Extremadamete importate 5 Muy importate 4 Importate 3 Mediaamete importate Poco importate Tabla. Escalas de calificació de las características P: Co la escala cuatitativa se ecuetra, para cada característica, la calificació que e promedio le da el grupo de los actores. P3: La calificació promedio de cada característica se covierte de uevo a ua escala cualitativa a través de las equivalecias que aparece e la tabla. Calificació promedio Mayor de 4.5 Mayor de 3.5 y meor o igual a 4.5 Mayor de.5 y meor o igual a 3.5 Mayor de.5 y meor o igual a.5 Meor o igual a.5 Escala cualitativa Extremadamete importate Muy importate Importate Mediaamete importate Poco importate Tabla. Equivalecias para covertir las calificacioes promedio a la escala cualitativa P4: Las calificacioes promedio, covertidas ahora a la escala cualitativa, se somete a discusió del grupo de actores y como resultado de la discusió se puede llegar a modificar alguas calificacioes hasta lograr el coseso del grupo. P5: El vector de calificacioes de las características, obteido del coseso, se covierte de uevo a ua escala cuatitativa co las equivalecias mecioadas e la tabla y a partir de este vector se costruye ua matriz para aplicar la técica estadística de Aálisis Multiobetivo coocida como Método del Aálisis Jerárquico, ([3], [4]), que permite obteer el vector de poderacioes para las 4 características mecioadas e la etapa E.. EL PROCESAMIENTO DE LA INFORMACIÓN Como se mecioó ates, el procesamieto de la iformació sumiistrada por los actores se hace aplicado el Método de Aálisis Jerárquico de Thomas Saaty que se fudameta e el siguiete euciado:

4 Scietia et Techica Año XI, No 9, Diciembre de 005. UTP 7 Cuado e u proceso decisorio varias alterativas está siedo cosideradas por u grupo de persoas, la elecció de ua u otra depederá de la importacia relativa etre las alterativas. Se tiee etoces que si,,..., so las calificacioes dadas por los actores a las alterativas cosideradas, la importacia relativa etre la alterativa i co respecto a la alterativa se puede represetar i por el cociete y la importacia relativa etre todas las posibles pareas de alterativas se puede resumir por medio de la matriz W = Tres propiedades para destacar e esta matriz so las siguietes:. Los elemetos de la diagoal pricipal vale puesto que expresa la importacia relativa de cada alterativa cosigo misma.. La matriz W es recíproca co relació a la diagoal pricipal, esto es i = ( ), o sea que los elemetos ubicados i por debao de la diagoal pricipal so el recíproco de los que está por ecima de la misma. 3. La matriz W es cosistete ya que si llamamos i a i =, se cumple que a i a k = a ik, i,, k =,,. La tercera de estas propiedades implica la seguda y el cumplimeto de ambas garatiza que la matriz W tega asociado u vector deomiado de prioridades el cual captura la domiacia etre las alterativas. Además si W es ua matriz cosistete se cumple tambié lo siguiete:. La matriz W tiee u valor propio real positivo deotado el cual domia e módulo todos los λ demás valores propios, su correspodiete vector propio es úico y es el vector propio pricipal.. El valor propio λ = y los demás valores propios so cero. 3. El vector propio pricipal de W coicide co el vector de prioridades. E teoría la forma que tiee los elemetos de la matriz W hace que sea siempre cosistete y por lo tato recíproca; pero e la práctica, al costruir la matriz de comparacioes de alterativas W, es imposible usar todos los decimales de cada compoete i /, así que ecesariamete hay trucamietos y la matriz resultate, que llamaremos U, o es recíproca y cosecuetemete tato tampoco es cosistete. Si embargo cuado la matriz U es apeas ua pequeña perturbació de W, se dice que U es casi cosistete y las ateriores propiedades se modifica ahora e la forma siguiete [3]:. U tiee u valor propio real positivo deotado λ el cual domia e módulo todos los demás valores propios, su correspodiete vector propio es úico y es el vector propio pricipal.. El vector propio pricipal de U coicide co el vector de prioridades. 3. El valor propio pricipal λ y los demás valores propios so e módulo muy cercaos a cero. El cumplimieto de las dos primeras propiedades garatiza que a partir de las calificacioes de alterativas se forme ua matriz que resulta casi cosistete y co su vector propio pricipal ormalizado se pueda costruir los poderadores. La ormalizació del vector propio e este caso se hace utilizado como orma la suma de las compoetes (orma L ). La tercera propiedad ofrece la posibilidad de costruir u ídice que cuatifica el grado e que la matriz U se alea de la cosistecia; ua forma de este ídice es la siguiete IC = λ Dode IC es el ídice de cosistecia y es el úmero de alterativas cosideradas (características e este caso).

5 7 3. PONDERADORES DE CARACTERÍSTICAS Y FACTORES PARA UN PROGRAMA ACADÉMICO Co el propósito de ilustrar las ideas presetadas e este artículo se muestra a cotiuació u eemplo e dode se detalla la forma como se puede costruir los poderadores de las características y los factores e u programa académico El vector de calificacioes de cada ua de las 4 características se obtiee de u taller elaborado previamete co los docetes del Programa aplicado el procedimieto descrito e la secció.. Supogamos que el resultado del taller produce el siguiete vector de calificacioes promedio para las 4 características: C 4.3 C 5.00 C3 4.5 C C 4.7 C3 4.6 C4 4.8 C C3 4. C4 4.3 C5 4.5 C C4 4.5 C5 3.8 C6 4.8 C C5 3.7 C6 3.4 C7 4.6 C C6 4.8 C C C C C C9 4.5 C C C9 4.8 C C C C C C4 3.4 C0 4.8 C 4.00 C3 3.4 C 4.6 C 4.5 C Tabla 3. Calificacioes dadas por los actores a las 4 características A partir de la Tabla 3, que resume el vector de calificacioes de las 4 alterativas, se costruye la matriz U de comparacioes de alterativas, de la cual se muestra a cotiuació solamete la parte que correspode a las primeras 9 filas y 9 columas.,000 0,99,007 0,938,94,0,6 0,930,49,009,000,07 0,947,306,0,38 0,938,60 0,993 0,984,000 0,93,84,005,7 0,93,4,066,056,074,000,379,079,307 0,99,6 0,773 0,766 0,779 0,75,000 0,78 0,948 0,79 0,889 0,988 0,979 0,995 0,97,78,000, 0,99,36 0,86 0,808 0,8 0,765,055 0,85,000 0,758 0,938,076,066,083,009,39,089,39,000,36 0,870 0,86 0,876 0,86,5 0,880,067 0,809,000 Tabla 4. Primeras 9 filas y 9 columas de la matriz de comparacioes de alterativas El valor propio máximo, λ = , por lo tato el ídice de cosistecia (IC) toma el valor IC = Scietia et Techica Año XI, No 9, Diciembre de 005. UTP , lo cual garatiza que la matriz U es ua pequeña perturbació de ua matriz cosistete El vector propio pricipal de la matriz U, asociado a λ, o vector de prioridades, se muestra a cotiuació e su forma ormalizada, es decir después de dividir cada ua de sus compoetes etre la suma de todas ellas. Esta forma ormalizada es fialmete el vector de prioridades o de pesos relativos de las características que se muestra e la Tabla 5 a cotiuació. V 0.0 V 0.03 V V V 0.0 V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V V 0.0 V V 0.03 V 0.03 V Tabla 5. Vector de prioridades o vector propio ormalizado Partiedo del vector e prioridades se costruye los poderadores de los Factores e la siguiete forma: El poderador del Factor es la suma de los cuatro primeros compoetes, la poderació del Factor se obtiee al sumar los siguietes cico compoetes, el poderador del Factor 3 resulta de sumar los compoetes 0 al 7, para el Factor 4 es la suma de los compoetes 8 a 3, el poderador del Factor 5 es el valor del compoete 3, el del Factor 6 se obtiee al sumar los compoetes 33 al 36, el poderador del Factor 7 se obtiee al sumar los compoetes 37 a 39 y fialmete la poderació del Factor 8 es la suma de las compoetes 40 a 4. E estas codicioes el vector de poderació de los ocho Factores es el siguiete: FACTORES PONDERADORES Misió y proyecto istitucioal 0.0 Estudiates 0. Profesores 0.9 Procesos académicos 0.35 Bieestar istitucioal 0.0 Orgaizació, admiistració y 0.09 gestió Egresados e impacto sobre el 0.07 medio Recursos físicos y fiacieros 0.07 Tabla 6. Poderadores para los ocho Factores

6 Scietia et Techica Año XI, No 9, Diciembre de 005. UTP 73 Para hallar los poderadores de las características correspodietes al Factor se divide los compoetes a 4 del vector de prioridades etre el poderador del Factor, es decir por 0.0. Para hallar los poderadores de las características correspodietes al Factor se divide los compoetes 5 a 9 del vector de prioridades etre el poderador del Factor (0.) y así sucesivamete. Los poderadores de las Características e cada Factor se muestra e la tabla 7. FACT FACT FACT 3 FACT 4 FACT 5 FACT 6 FACT 7 FACT 8 CARAC. CARAC. CARAC. CARAC. CARAC. CARAC. CARAC. CARAC [] 0.5 [5] 0.7 [0] 0. [8] 0.08 [3].00 [33] 0.8 [37] 0.34 [40] 0.34 [] 0.5 [6] 0. [] 0.4 [9] 0.07 [34] 0.3 [38] 0.30 [4] 0.39 [3] 0.4 [7] 0.8 [] 0.5 [0] 0.07 [35] 0.7 [39] 0.35 [4] 0.7 [4] 0.6 [8] 0.4 [3] 0.4 [] 0.07 [36] 0.3 [9] 0.9 [4] 0.3 [] 0.07 [5] 0. [3] 0.07 [6] 0.0 [4] 0.07 [7] 0. [5] 0.07 [6] 0.08 [7] 0.08 [8] 0.06 [9] 0.07 [30] 0.07 [3] 0.07 Tabla 7. Poderadores de las Características e cada Factor 4. BIBLIOGRAFÍA [] Comité Cetral de Acreditació. Guía de Autoevaluació para Programas de Formació, 0 págias, Uiversidad del Quidío, Armeia, 004. [] Coseo Nacioal de Acreditació. Lieamietos para la Acreditació de Programas, 9 págias, Bogotá, 003. [3] Saaty, T. L. ad Vargas, L. G. Decisio-Makig ith the AHP: Why is the Pricipal Eigevector Necessary?. Uiversity of Pittsburgh. PA 560, 00, i publicatio. [4] Saaty T. L. Método de Aálise Hierárquica, 367 págias, McGra-Hill, Makro, São Paulo, 99.

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 Ciecia y Tecología de los Alimetos ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 1. La opiió y satisfacció de los titulados... 5 1.1. Satisfacció co la formació y

Más detalles

PALABRAS CLAVES: Cadena de Markov, Martingala y Valores propios.

PALABRAS CLAVES: Cadena de Markov, Martingala y Valores propios. Scietia et Techica Año IV, No 39, Septiembre de 2008 Uiversidad Tecológica de Pereira ISSN 0122-1701 459 PROPIEDADES DE LA MATRIZ Properties of the matrix EN UNA CADENA DE MARKOV i a Markov chai RESUMEN

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació DIRPE Metodología Diseño Estadístico Ecuesta Sobre Ambiete y Desempeño Istitucioal Departametal

Más detalles

Capítulo 4. Desarrollo de la investigación. A continuación presentamos los datos que finalmente proporcionaron las universidades

Capítulo 4. Desarrollo de la investigación. A continuación presentamos los datos que finalmente proporcionaron las universidades Capítulo 4 Desarrollo de la ivestigació 4.1 Datos dispoibles A cotiuació presetamos los datos que fialmete proporcioaro las uiversidades correspodietes, debido a políticas de cada uiversidad y pla de estudios

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión Sucesioes de úmeros reales Sucesioes covergetes: límite de ua sucesió Tato e la educació secudaria obligatoria como e el bachillerato se habla poco de las sucesioes de úmeros reales. Si acaso se dedica

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica. 5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Una nueva serie para el cálculo del número π

Una nueva serie para el cálculo del número π Ua ueva serie para el cálculo del úmero π Sergio Falcó Sataa Resume: Es de sobras coocido que eiste muchísimas series uméricas para el cálculo de los primeros dígitos del úmero π. Pero, e geeral, todas

Más detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

Pre-PAES 2016 Media aritmética, moda y mediana.

Pre-PAES 2016 Media aritmética, moda y mediana. Pre-PAES 016 Media aritmética, moda y mediaa. Nombre: Secció: Las medidas de tedecia cetral (MTC) so ciertos valores alrededor de los cuáles tiede a cocetrarse los datos de ua població, esto se debe a

Más detalles

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

Unidad 3. Construcción de números índice y aplicaciones al análisis económico

Unidad 3. Construcción de números índice y aplicaciones al análisis económico Uidad 3. Costrucció de úmeros ídice y aplicacioes al aálisis ecoómico Los úmeros ídices, utilizados co frecuecia e Ecoomía, Demografía y diferetes campos de la estadística aplicada, so valores coveietes

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 1. La opiió y satisfacció de los titulados... 5 1.1. Satisfacció co la formació y la Uiversidad... 5 1.2. Efoque profesioal

Más detalles

Métodos Iterativos para resolución de sistemas de ecuaciones lineales.

Métodos Iterativos para resolución de sistemas de ecuaciones lineales. Métodos Iterativos para resolució de sistemas de ecuacioes lieales Roberto Leó V Jorge Costazo V robertoleo@gmailcom jcosta@ifutfsmcl 8 de agosto de 006 Motivació El problema de la resolució de sistemas

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

Burgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana

Burgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre

Más detalles

Educación Estocástica La enseñanza y aprendizaje de la probabilidad y la estadística

Educación Estocástica La enseñanza y aprendizaje de la probabilidad y la estadística I Ecuetro Colombiao de Educació Estocástica La eseñaza y apredizaje de la probabilidad y la estadística COMBINATORIA PARA LA ESCUELA Bejamí Sarmieto y Felipe Ferádez Uiversidad Pedagógica Nacioal (Colombia)

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas

Más detalles

Introducción. v Qué es la estadística?

Introducción. v Qué es la estadística? v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 138

Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 138 Prácticas de Matemáticas I y Matemáticas II co DERIVE-5 8. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales

Más detalles

ANEXO Cuantificación de la labor del Formador de Mercado

ANEXO Cuantificación de la labor del Formador de Mercado México, D.F., 27 de febrero de 2006 ANEXO 1 1. Cuatificació de la labor del Formador de Mercado La actividad de las istitucioes que participa e la figura de Formadores de Mercado se cuatifica utilizado

Más detalles

TALLER DE MATEMÁTICAS DESIGUALDADES

TALLER DE MATEMÁTICAS DESIGUALDADES TALLER DE MATEMÁTICAS DESIGUALDADES NOTAS Es bie sabido que e el cojuto de los úmeros reales existe ua relació de orde atural : se dice que x < y cuado y x es u úmero positivo Co esta relació, el cojuto

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Divisió de Plaificació, Estudios e Iversió MIDEPLAN Curso: Preparació y Evaluació de Proyectos EVALUACIÓN DE PROYECTOS: Coceptos Básicos Temario Matemáticas

Más detalles

ETAPAS GENERALES. Etapa 1. PASO 1 PARA COORDINADORES. Consentimiento informado. ETAPA 1. ETAPA 4 Entrega de resultados ETAPA 2

ETAPAS GENERALES. Etapa 1. PASO 1 PARA COORDINADORES. Consentimiento informado.  ETAPA 1. ETAPA 4 Entrega de resultados ETAPA 2 ETAPAS GENERALES PARA COORDINADORES EVALUACIÓN DOCENTE DE CARÁCTER DIAGNÓSTICO FORMATIVA (ECDF) 2016 Las cuatro etapas geerales que hace parte de la ECDF so las siguietes: ETAPA 1 Práctica educativa ETAPA

Más detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 3.- INFERENCIA ESTADÍSTICA I UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis Ejemplo Solució ) Se trata de ua distribució muestral de diferecia de proporcioes. Se evalúa dos tipos diferetes de solucioes para pulir, para su posible uso e ua operació de pulido e la fabricació de

Más detalles

Prácticas de Matemáticas I y Matemáticas II con DERIVE 136

Prácticas de Matemáticas I y Matemáticas II con DERIVE 136 Prácticas de Matemáticas I y Matemáticas II co DERIVE 6. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

ETAPAS GENERALES PARA RECTORES Y DIRECTORES RURALES

ETAPAS GENERALES PARA RECTORES Y DIRECTORES RURALES ETAPAS GENERALES PARA RECTORES Y DIRECTORES RURALES EVALUACIÓN DOCENTE DE CARÁCTER DIAGNÓSTICO FORMATIVA (ECDF) 2016 Las cuatro etapas geerales que hace parte de la ECDF so las siguietes: ETAPA 1 Práctica

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos

Más detalles

PROGRAMA DEDICACIÓN CON ENFÁSIS EN INVESTIGACIÓN PRODEIN

PROGRAMA DEDICACIÓN CON ENFÁSIS EN INVESTIGACIÓN PRODEIN PROGRAMA DEDICACIÓN CON ENFÁSIS EN INVESTIGACIÓN PRODEIN SEMESTRE 1 DE 2011 UNIVERSIDAD INDUSTRIAL DE SANTANDER VICERRECTORÍA DE INVESTIGACIÓN Y EXTENSIÓN 1. INTRODUCCIÓN Este programa pretede facilitar

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

1. Óptica geométrica: conceptos básicos y convenio de signos.

1. Óptica geométrica: conceptos básicos y convenio de signos. . Óptica geométrica: coceptos básicos y coveio de sigos. Tal y como habíamos defiido previamete al estudio de las reyes de la reflexió y de la refracció, llamamos rayo a ua líea imagiaria perpedicular

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

Organización y gestión de la empresa informativa

Organización y gestión de la empresa informativa Estudios de Periodismo Uiversidad Carlos III de Madrid Orgaizació y gestió de la empresa iformativa Prof. Javier Galá y Prof. Guadalupe Aguado Orgaizació gestió de la empresa iformativa. Estudios de Periodismo.

Más detalles

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la

Más detalles

CONSIDERACIONES TEORICAS Y PRAXIS DEL PROCESO DE JERARQUIA ANALITICA EN LA TOMA DE DECISIONES. Andrés E. Reyes Polanco. Profesor Asociado UCV

CONSIDERACIONES TEORICAS Y PRAXIS DEL PROCESO DE JERARQUIA ANALITICA EN LA TOMA DE DECISIONES. Andrés E. Reyes Polanco. Profesor Asociado UCV CONSIDERACIONES TEORICAS Y PRAXIS DEL PROCESO DE JERARQUIA ANALITICA EN LA TOMA DE DECISIONES. Adrés E. Reyes Polaco. Profesor Asociado UCV Itroducció. La técica que a cotiuació cometamos fue desarrollada

Más detalles

4.4 Sistemas mal condicionados

4.4 Sistemas mal condicionados 7 4.4 Sistemas mal codicioados l resolver u sistema de ecuacioes lieales usado u método directo, es ecesario aalizar si el resultado calculado es cofiable. E esta secció se estudia el caso especial de

Más detalles

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

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

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

ETAPAS GENERALES PARA DOCENTES ORIENTADORES

ETAPAS GENERALES PARA DOCENTES ORIENTADORES ETAPAS GENERALES PARA DOCENTES ORIENTADORES EVALUACIÓN DOCENTE DE CARÁCTER DIAGNÓSTICO FORMATIVA (ECDF) 2016 Las cuatro etapas geerales que hace parte de la ECDF so las siguietes: ETAPA 1 Práctica educativa

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos

Más detalles

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios 1. Experimetos aleatorios U experimeto se llama aleatorio cuado o se puede predecir su resultado; además, si se repitiese el mismo experimeto e codicioes aálogas, los resultados puede diferir. a) El resultado

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 1. La opiió y satisfacció de los titulados... 6 1.1. Satisfacció co la formació y la Uiversidad... 6 1.2. Efoque profesioal

Más detalles

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 Cetro Nacioal de Saidad Ambietal Área de Cotamiació Atmosférica INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 1 ANTECEDENTES El RD 102/2011 de

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011. NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores

Más detalles

MODELO DE RESPUESTAS. Lim n. Lim

MODELO DE RESPUESTAS. Lim n. Lim Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Lapso 008 - INTEGRAL MATEMÁTICA I (175) FECHA PRESENTACIÓN: 08-11-008 MODELO DE RESPUESTAS OBJ 7 PTA 7 Dadas las sucesioes de térmios

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 1. La opiió y satisfacció de los titulados... 6 1.1. Satisfacció co la formació y la Uiversidad... 6 1.2. Efoque profesioal

Más detalles

MUESTREO. Con los datos de la tabla se calcula el número total de elementos. 795 Mujeres 80

MUESTREO. Con los datos de la tabla se calcula el número total de elementos. 795 Mujeres 80 MUESTREO 1. Supogamos que e u cetro escolar los alumos y docetes se distribuye de acuerdo co la tabla siguiete: 3 ESO 4 ESO 1º Bach º Bach Prof Hombres 85 80 100 83 4 Mujeres 95 96 110 91 31 Si quieres

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

Métodos de la Minería de Datos

Métodos de la Minería de Datos This is page i Priter: Opaque this Métodos de la Miería de Datos Dr Oldemar Rodríguez Rojas 6 de mayo de 2008 ii This is page iii Priter: Opaque this Cotets Elemetos básicos de aálisis de datos exploratorio

Más detalles

TEMA 6.- INTERVALOS DE CONFIANZA

TEMA 6.- INTERVALOS DE CONFIANZA TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método

Más detalles

Determinantes. Ramón Espinoza Armenta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO

Determinantes. Ramón Espinoza Armenta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO Determiates Ramó Espioza Armeta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO Sea A M ( K), dode 2. El i-ésimo meor de A es la matriz A i, obteida a partir de A elimiado el regló i y la columa. Eemplo. Sea 3

Más detalles

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander Rudimetos 5: Teorema del Biomio Profesor Ricardo Satader Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:...... 1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros

Más detalles

Instituto de Información Territorial del Estado de Jalisco. 1

Instituto de Información Territorial del Estado de Jalisco. 1 RELACIÓN ENTRE MARGINACIÓN Y CONECTIVIDAD Resume El presete documeto es producto del sistema de iformació geográfica (SIG) del Atlas de Camios y Carreteras del Estado de Jalisco. Es u proceso de aálisis

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

Tema 2: Diagonalización de matrices cuadradas

Tema 2: Diagonalización de matrices cuadradas Departameto de Aálisis Ecoómico UNIVERSIDAD DE ZARAGOZA Tema : Diagoalizació de matrices cuadradas.1. El cojuto R Defiició: Dados úmeros reales x 1, x,..., x R, se llama -tupla ordeada a x = ( x 1,, x,...,

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

Combinatoria. Tema Principios básicos de recuento

Combinatoria. Tema Principios básicos de recuento Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo

Más detalles

Donde: I : Interés diario FD : Factor Diario K : Monto de cuenta al día anterior (capital inicial + intereses) i : Interés del día anterior

Donde: I : Interés diario FD : Factor Diario K : Monto de cuenta al día anterior (capital inicial + intereses) i : Interés del día anterior I. FORMULAS: Fórmulas usadas e el cálculo de iterés de la Cueta Ahorro a FÓRMULAS Y EJEMPLOS EXPLICATIVOS DEL CÁLCULO DE INTERÉS DE CUENTA AHORRO A PLAZO FIJO - TRADICIONAL 1 Fórmula Pricipal (a).- Actualmete

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

TEA 100 TEA. Ultima fecha de actualización

TEA 100 TEA. Ultima fecha de actualización I. FORMULAS: Fórmulas usadas e el cálculo de iterés de la Cueta Ahorro a FÓRMULAS Y EJEMPLOS EXPLICATIVOS DEL CÁLCULO DE INTERÉS DE CUENTA AHORRO A PLAZO FIJO BIENESTAR RETIRO PROGRAMADO 1 Fórmula Pricipal

Más detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

Notas de Teórico. Sistemas de Numeración

Notas de Teórico. Sistemas de Numeración Departameto de Arquitectura Istituto de Computació Uiversidad de la República Motevideo - Uruguay Sistemas de umeració Arquitectura de Computadoras (Versió 4.3b - 6) SISTEMAS DE UMERACIÓ. Itroducció E

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

Distribución Multinomial

Distribución Multinomial Uiversidad de Chile. Rodrigo Assar Facultad de Ciecias Físicas y Matemáticas M A34B 3 Adrés Iturriaga Departameto de Igeiería Matemática. Víctor Riquelme Distribució Multiomial Resume E el presete artículo

Más detalles

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase

Más detalles

Paso 6. Recopilar información

Paso 6. Recopilar información Paso 6. Recopilar iformació Ua vez determiado el tipo de ivestigació que se llevará a cabo, se revisará la bibliografía pertiete al respecto del tema de estudio para coocer los procedimietos y las técicas

Más detalles

Juegos Matemáticos Una Sucesión Matemática Curiosa A Curious Mathematical Sequence

Juegos Matemáticos Una Sucesión Matemática Curiosa A Curious Mathematical Sequence Juegos Matemáticos Ua Sucesió Matemática Curiosa A Curious Mathematical Sequece Marco Viicio Vásquez Beral Revista de Ivestigació Volume IV, Número 1, pp. 141 148, ISSN 174-0410 Recepció: 9 Abr 13; Aceptació:

Más detalles

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra

Más detalles

Walter Orlado Gozales Caicedo Secuecias Lógicas OBJETIVO: Lograr habilidad y destreza e el alumo practicado u razoamieto abstracto PROCEDIMIENTOS: INICIAL: Halla el valor del térmio que cotiúa e:,,,, 0,

Más detalles

2.1. Concepto Monto, capital, tasa de interés y tiempo.

2.1. Concepto Monto, capital, tasa de interés y tiempo. 1 2.1. Cocepto El iterés compuesto tiee lugar cuado el deudor o paga al cocluir cada periodo que sirve como base para su determiació los itereses correspodietes. Así, provoca que los mismos itereses se

Más detalles

Álgebra I Práctica 2 - Números naturales e inducción

Álgebra I Práctica 2 - Números naturales e inducción FCEyN - UBA - Segudo Cuatrimestre 203 Álgebra I Práctica 2 - Números aturales e iducció. Reescribir cada ua de las siguietes sumas usado el símbolo de sumatoria (a) + 2 + 3 + 4 + + 00, (b) + 2 + 4 + 8

Más detalles

Resumen de combinatoria

Resumen de combinatoria Resume de combiatoria 1. Pricipio básico Ua tupla so símbolos ordeados (! 1 ;! 2 ; :::;! ). La i esima compoete es! i. Dos tuplas distitas tiee al meos ua compoete distita. Se costruye u cojuto de tuplas

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

Cálculo II (0252) TEMA 6 SERIES DE POTENCIAS. Semestre

Cálculo II (0252) TEMA 6 SERIES DE POTENCIAS. Semestre Cálculo II (5) Semestre - TEMA 6 SERIES DE POTENCIAS Semestre - José Luis Quitero Julio Departameto de Matemática Aplicada UCV FIUCV CÁLCULO II (5) José Luis Quitero Las otas presetadas a cotiuació tiee

Más detalles

Muestreo en Poblaciones Finitas

Muestreo en Poblaciones Finitas Muestreo Aleatorio Simple 1/22 Muestreo e Poblacioes Fiitas Muestreo Aleatorio Simple José A. Mayor Gallego Departameto de Estadística e Ivestigació Operativa Uiversidad de Sevilla Septiembre de 2011 Coteidos

Más detalles