Probabilidad de que una variable tome un valor x determinado = N
|
|
- Felipe Ramos Ponce
- hace 5 años
- Vistas:
Transcripción
1 Magntuds dscrtas Probabldad d qu una varabl tom un valor dtrmnado p X ota ( p,,,,6 5 7, 6 8,6 7, 8 8,6 9 6,,8 5 p Probabldad,5,,5,,5, ota
2 Magntuds contnuas Probabldad d qu una varabl tom un valor ntr y +d dp d X dp f(d f( s la funcón dstrbucón d probabldad y s una dnsdad d probabldad o probabldad por undad d ntrvalo f( dp d f(
3 Magntuds dscrtas Magntuds contnuas p dp( f(d p dp( f(d h( p h( h( h(dp( h(f(d
4 . Al studar los ngrsos mnsuals d los habtants un dtrmnado país s mpló la sgunt funcón d dstrbucón: a C f( dond son los ngrsos mnsuals n uros y a s dtrmnó qu valía uros -. a Calcul C sabndo qu la funcón d dstrbucón db star normalzada. dp f(d f(d C a C a d d C a a / / n a d (n! n+ n!a n+ C a / / uros
5 b Cuáls son los ngrsos mnsuals mdos d un habtant d s país? dp f( d C a d C ( a a d / a n+ a n! 58 uros d n+ / / a a
6 c Rprsnta la funcón d dstrbucón. Indqu gráfcamnt como dtrmnaría la proporcón d habtants dl país qu tnn ngrsos mnsuals mnors qu l valor mdo? y mayors?. Calcula dchas proporcons hacndo uso d las tablas d ntgrals. f( (/uros,8,6,,,,8,6,, <> (uros ( < ( > dp dp dp + dp f( d f( d ( < a C d ( a < / a a / a / / a a C d rf a / / a aa ( < rf rf(.8.7.7
7 rf( t dt rf(.8 FUCIÓ DE ERROR rf( rf( rf( rf( rf( rf( + (
8 c Rprsnta la funcón d dstrbucón. Indqu gráfcamnt como dtrmnaría la proporcón d habtants dl país qu tnn ngrsos mnsuals mnors qu l valor mdo? y mayors?. Calcula dchas proporcons hacndo uso d las tablas d ntgrals. f( (/uros,8,6,,,,8,6,, <> (uros ( < ( > dp dp dp + dp f( d f( d ( < a C d ( a < / a a / a / / a a C d rf a / / a aa ( < ( < rf rf( ( >.5 5.% %
9 d La varanza (σ proporcona una mdda d la anchura d la dstrbucón. S pud dmostrar qu la varanza s pud calcular mdant la rlacón σ Cuál s la varanza d la dstrbucón d ngrsos mnsuals qu stamos studando? dp f( d dp f(d ( a / C a d C a d n a d (n! n+ n!a n+ a! 5!a / / / 5 / σ σ 6.5 uros a a a 6766 uros
10 . Las frcuncas d vbracón d un sóldo pudn tratars como una varabl contnua, ya qu las mustras macroscópcas prsntan un númro muy grand d modos d vbracón. En su studo d las capacdads calorífcas d los sóldos Dby propuso caractrzar la dstrbucón d frcuncas mdant la funcón: A ma g( > ma dond ma s la frcunca máma d vbracón dl sóldo y s conscunca d su naturalza dscrta. a- Calcula A n funcón d la frcunca máma g( Dby dp f(d ma ma f(d A d A d A ma ma A ma A ma
11 b Dtrmna la frcunca mda d vbracón n funcón d la frcunca máma ma ma A d A d A d f( dp ma ma ma
12 . La dstrbucón gaussana s utlza muy frcuntmnt n dstntos ámbtos para caractrzar funcons d dstrbucón. Su forma gnérca s: (δ σ f( / σ arprsnta sta funcón tomando σ.6 y δ,, brprséntala ahora tomando δ y σ.6,.,.5 (,7,7...,6,5,6,5,6.,5,,,,,,,,
13 . La vlocdads molculars n una dtrmnada dmnsón (v por jmplo d una mustra d gas formada por moléculas d masa m y a la tmpratura T s dstrbuyn d acurdo a la funcón: g(v C a Dtrmna la constant C mv kt dp f(d v g(v dv mv mv kt kt C dv C dv mv kt C dv C mv kt dv C 7 m kt / n a d (n! n+ n!a n+ C m kt /
14 B Dtrmna l valor mdo d la vlocdad dp f( d m kt v v g(v dv v dv kt v / mv C Dtrmna la varanza d la dstrbucón v m m kt v g(v dv v dv v kt kt v m kt / / m kt / kt m / mv / mv kt dv σ v v kt m
15 D En una mustra d un mol d moléculas d argón a K dtrmna cuántas tndrían una vlocdad v comprndda ntr y + m/s.,5e-,e- g(v_ (s/m,5e-,e-,5e-,e- 5,E-5,E v_ (m/s ( < v < + dp v g(v dv ( < v < + m kt / mv kt dv m kt / mv kt dv ( < / / / v < + m m rf rf( / kt m kt kt S ( < v A < +.85 A
16 ,,... n a a n! d n!a (n! d a d a d d d d n a n n n a n a a a n a n a n >
I. MEDIDAS DE TENDENCIA CENTRAL
I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors
Más detallesY i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión
Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las
Más detallesConceptos Básicos Previos
Concptos Báscos Prvos Clasfcacón d Sñals Comuncacons Unvrsdad d Cantabra Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ 0 ) = ( ( / [n] Sñals Dtrmnstas Rpaso d concptos
Más detallesTema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria
ma. Sñals y udo Comuncacons Dgtals Unvrsdad d Cantabra. Clasfcacón Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ ( ( / [n]. Sñals Dtrmnstas paso d concptos d la
Más detallesCapitulo IV. Síntesis dimensional de mecanismos
Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..
Más detallesApéndice A ANÁLISIS TENSORIAL
Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un
Más detallesejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT
jrccos E.- uál s la nrgía raconal molar d la molécula d odo a las dos tmpraturas antrors?. Haz srvr las nrgías raconals xprmntals. ln Q, ( ) ln! 5 v,, v 5 v ln c v d ln d d d d d 5 v v 5 v v d d 5 v v
Más detallesTema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO
Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada
Más detallesIntroducción. Descripción del espacio físico Coordenadas curvilíneas: propiedades Líneas y superficies coordenadas Elementos de geometría diferencial
I. Fundamntos mat. Coordnadas d curvlínas Góm, 00/ Dpto. Físca Aplcada III (U. Svlla) Campos Elctromagnétcos Ingnro d Tlcomuncacón I. Fundamntos mat. Coordnadas curvlínas Introduccón. Dscrpcón dl spaco
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detallesCentro de Masa. Sólido Rígido
Centro de Masa Sóldo Rígdo El centro de masa de un sstema de partículas es un punto en el cual parecería estar concentrada toda la masa del sstema. En un sstema formado por partículas dscretas el centro
Más detallesMáster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística
Mástr n Ecología Métodos para l studo d Sstmas Ecológcos: Dsño, Análss y Modlzacón. III. Rgrsón logístca Rgrsón logístca: ntroduccón - VR bnara p.., prsnca/ausnca, vvo/murto - Los prdctors pudn sr contnuos
Más detallesUNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores
UIVERSI CIOL E MR EL PLT - 017 FCULT E IGEIERÍ - EPRTMETO E FÍSIC CÁTER: Físca d los Smconductors SERIE 4: vl d Frm- Smconductors 1.- Calcular la nrgía d Frm para l oro a T=0K..- a) Calcular la nrgía d
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesComprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos
Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesAdministración de inventarios. Ejercicio práctico.
Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo
Más detallesTEMA 2: MAGNITUDES ALEATORIAS
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables
Más detallesPara un gas en reposo y con todas las direcciones equivalentes el valor promedio de cualquier componente de la velocidad es siempre cero.
.. Al aumnta la tmpatua l valo dl pomdo d la componnt x d la vlocdad d las moléculas d un gas: a) aumnta. b) dsmnuy. c) no camba. d) dpnd s s a o a constant aa un gas n poso y con todas las dccons quvalnts
Más detallesTema 2. Teoría Cinética de Gases
Tema. Teoría Cinética de Gases. Introducción. Funciones de distribución de la elocidad 3. elocidades Características 4. Distribución de Energías 5. Colisiones con las aredes. Efusión 6. Colisiones Intermoleculares
Más detallesTema 2. Líneas de Transmisión Terminadas
Tma. ínas d Transmsón Trmnadas,. Introduccón. Rflxón.3 Ondas staconaras.4 Impdanca d ntrada.5 Dsadaptacón n la cara y n l nrador.6 Rspusta transtora José A. Prda, Dpto. Innría d Comuncacons, Unvrsdad d
Más detallesResumen TEMA 6: Momentos de inercia
EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesTema 1. Termodinámica Estadística. Problemas
ma. rmodinámica Estadística Problmas jrcicios E.- S tin un sistma formado por partículas iguals, con 6 nivls nrgéticos no dgnrados. a) Calcular l númro acto d microstados (M) n los trs casos siguints:
Más detallesGENERADORES DE BARRIDO DE TENSIÓN
GENERADORES DE BARRDO DE TENSÓN RUTO DE BARRDO TRANSSTORZADO ON ORRENTE ONSTANTE El funconamnto d t crcuto dfn como, la carga un condnador lnalmnt a partr d una funt d corrnt contant. Excpto para valor
Más detallesEl comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales
Propas raatvas curpos opa El comportamnto al l CN srv como stánar contra l cual s compara l comportamnto curpos rals El comportamnto ral s xprsa por una sr propas fnas n rlacón al CN En gnral las propas
Más detallesTEMA 3: ESTIMACIÓN PUNTUAL.
TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método
Más detallesCINEMÁTICA (TRAYECTORIA CONOCIDA)
1º Bachillrato: Cinmática (trayctoria conocida CINEMÁTICA (TRAYECTORIA CONOCIDA (Todos los datos y cuacions, n unidads dl S.I. 1. Un objto tin un moviminto uniform d rapidz 4 m/s. En l instant t=0 s ncuntra
Más detallesANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT
ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesReacciones en disolución. Efecto del disolvente en la constante de velocidad
0/06/05 Raccions n disolución Efcto dl disolvnt n la constant d vlocidad El orign dl fcto pud dbrs a: Distinto grado d solvatación Modificación dl mcanismo d racción Distinta constant diléctrica Encuntros
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesTema 2. teoría cinética de gases. Problemas (1-9)
Ta. toría cinética d gass Problas (-9) Intgrals qu suln aparcr n la TCG TCG.-Calcular la dnsidad d probabilidad para la coponnt d la locidad d una ustra d oléculas d O a 3 K n l intralo < < s - Rprsntar
Más detallesSECRETARIA DE ENERGIA
Juvs 8 d octubr d 0 DIARIO OFICIAL (Prmra Sccón) 8 SECRETARIA DE ENERGIA NORMA Ofcal Mxcana NOM-04-ENER-0, Caractrístcas térmcas y óptcas dl vdro y sstmas vdrados para dfcacons. Etqutado y métodos d pruba.
Más detallesPrueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A
Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)
Más detalles+ ( + ) ( ) + ( + ) ( ) ( )
latrals n. iguals. f. La función CONTINUIDAD f () Es continua n l punto?. Calcular los límits ³ ² 5 Para qu la función sa continua n s db cumplir: f f Calculamos por sparado cada mimbro d la igualdad f
Más detallesELEMENTOS DE MECÁNICA ESTADÍSTICA
FI A Patrco Martns Cook ELEMEOS DE MECÁICA ESADÍSICA. Introduccón. Al gual qu la trmodnámca, la mcánca stadístca tn como objto l studo d las propdads macroscópcas d la matra, pro, a dfrnca d aquélla, su
Más detallesANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT
ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d
Más detallesBIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA
BIOMETRÍA II CLASE 7 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA Héctor Olguín Salnas Dto d Ecología, Gnétca y Evolucón FECN, UBA Asocacón ntr l tamaño d la clda d anals d abja y la rvalnca dl ctoarásto
Más detallesCapítulo 12. Introducción a la Termodinámica Estadística.
Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part
Más detallesValoración cualitativa de impactos ambientales mediante lógica borrosa
Valoracón cualtatva d mpactos ambntals mdant lógca borrosa Rcbdo para valuacón: d Sptmbr d 2006 Acptacón: 3 d Dcmbr d 2006 Rcbdo vrsón fnal: 9 d Dcmbr d 2006 Robrto Pch G. Artículo d nvstgacón cntífca
Más detallesSe desea saber como se ha de procesar el producto de forma que se minimicen los costos totales.
Emn d l Asgntur Optmzcón d Procsos 5º curso d Ingnrí Químc uno mpo: h. Prolm En un fctorí hy qu procsr un fluo ddo F m /h d un producto qu s otn d un tnqu d lmcnmnto clntándolo n cutro undds térmcs qu
Más detallesINTEGRACIÓN POR PARTES
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERA DEPARTAMENTO DE MATEMÁTICA Y ESTADISTICA INTEGRACION INTEGRACIÓN Algunas intgrals qu s nos prsntan nos rsultan un poco compljas, ya por lo
Más detallesTema 1. Termodinámica Estadística
ma. rmodnámca Estadístca. Introduccón a la rmodnámca Estadístca.. Estados d un Sstma. Rlacón ntr las Prodads Macroscócas y Mcroscócas d un Sstma. 3. Funcons rmodnámcas n l Colctvo Canónco. 4. Prodads ntrrtacón
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesPara un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:
7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos
Más detallesEnergía. Reactivos. Productos. Coordenada de reacción
CINÉTICA QUÍMICA 1 - Razon: a) Si pud dducirs, a partir d las figuras corrspondints, si las raccions rprsntadas n (I) y (II) son d igual vlocidad y si, prvisiblmnt, srán spontánas. b) En la figura (III)
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesAPLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS QUE INVOLUCRAN A LA RECTA TANGENTE Y LA RECTA NORMAL
APLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS QUE INVOLUCRAN A LA RECTA TANGENTE Y LA RECTA NORMAL 74 Cuando un problma gométrico stá nunciado n términos d la rcta
Más detallesUnidad 17 Distribuciones de probabilidad. Distribuciones binomial y normal
Undad 7 Dstrbucones de probabldad. Dstrbucones bnomal y normal PÁGINA 89 SOLUCIONES. La probabldad es: 4 P(V y M) = = 8. Sabemos que P( Defectuoso) = 0,05. El número de chps que cabe esperar defectuosos
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesSOLUCIONARIO. UNIDAD 13: Introducción a las derivadas ACTIVIDADES-PÁG Las soluciones aparecen en la tabla.
UNIA : Introducción a las drivadas ACTIVIAES-PÁG. 0. Las solucions aparcn n la tabla. [0, ] [, 6] a) f () = b) f () = + c) f () = 9 d) f () = 7, 6 8, 67. El valor d los límits s: f ( h) f () a) lím 6 h
Más detallesImplementación de un Regulador PID
Tma 3 Implmntación d un Rgulador PID Gijón - Marzo 22 .4 Accions d Control Clásicas.2 x(t).8.6 x(t) (t) _ P I D 2 3 u(t) Sistma.4.8.6.4.2-5 5 5 2 25 3 (t) -.2 -.4-5 5 5 2 25 3 2.8 - Proporcional ( t) =
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2014 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS.
eptembre 04 EAMEN MODELO B ág. INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 04 Códgo asgnatura: 60037 EAMEN TIO TET MODELO B DURACION: HORA olucones 0 4 40 30 0 0 0 44 4 39 6 4 36 37 3 8 00 0 0 03 04 Nº de
Más detallesCAPITULO 2. Aplicación de la mecánica cuántica a la resolución de problemas físicos sencillos
CAPITULO. Aplicación d la mcánica cuántica a la rsolución d problmas físicos sncillos 1) Partícula n un foso d potncial infinito (caja d una dimnsión) I I V() V() V() X l d ( ) + m d d ( ) m + ( E V (
Más detallesCapitulo IV. IV.2 Generación de trayectorias. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica
Capitulo IV IV. Gnración d trayctorias Capítulo IV Síntsis dimnsional d mcanismos IV. Síntsis dimnsional d mcanismos. Gnración n d funcions. IV. Gnración n d trayctorias.. Introducción n a la síntsis d
Más detallesAT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD. A gn inf. A gn sup PPR = P e PPR
AT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD FÓRMULA AT07 NOMBREdlINDICADOR Porcntaj d población n la scula con un avanc rgular por dad. FÓRMULAdCÁLCULO PPR = PPR A + inf A
Más detalles10. Decisión Bayesiana.
8/05/07 0. Dsón Baysana. 0. robabldad ondonada. robabldad total. Torma d Bays. 0. Intrprtaons dl onpto d probabldad. 0.3 Modfaón d las rnas dl dsor. 0.4 Valor montaro sprado on nformaón mprfta. Valor d
Más detalles1. (RMJ15) a) (1,5 puntos) Discute el siguiente sistema de ecuaciones en función del parámetro a:
EXAMEN DE MATEMÁTICAS II (Eamn Final, Rcupración d Análisis Intgrals) BACHILLERATO EXAMEN FINAL (RMJ5) a) (,5 puntos) Discut l siguint sistma d cuacions n función dl parámtro a: + y + az + ay + z a a +
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesLÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN
LÍMITE DE FUNCIONES LÍMITE DE UNA FUNCIÓN CUANDO LÍMITE FINITO. DEFINICIÓN Cuando la función pud comportars d divrsas manras: f l Al aumntar los valors d, los valors d f s aproiman a un cirto númro l.
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes
Más detalles4.1 Procedimientos de inferencia para la distribución exponencial
4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal
Más detalles4. Método estadístico para el mapeo de amenaza por deslizamientos. Método de información ponderada. Cálculo de pesos. Probabilidad.
1 4. Método stadístco para l mapo d amnaza por dslzamntos Cs van Wstn Lbro: onham-cartrm, capítulo 9, pp 30-333 Método d nformacón pondrada tp 1: : 3: 4: 7: tp tp 6: act=ff(actvty="actv",npx,0) Aggrgat
Más detallesCAPÍTULO 2. Ecuación paraxial de Helmholtz.
CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando
Más detallesTiempos de relajación T 1 y T 2
empos de relajacón y Levtt,;Haacke, 7/4/ RI - Lus Agulles Pedrós Relajacón y dnámca: Supongamos un sstema de espnes alnados cuyo campo vertcal es estátco. d dt Supongamos el campo horzontal por acople
Más detalles2. Cálculo del coeficiente de transmisión de calor K de cerramientos
2. Cálculo dl cofcnt d transmsón d calor K d crramntos 2.1. Crramnto smpl Para un crramnto d caras planoparallas, formado por un matral homogéno d conductvdad térmca l y spsor L, con cofcnts suprfcals
Más detallesTema 3-Sistemas de partículas
Tema 3-Sstemas de partículas Momento lneal y colsones Momento lneal de un partícula Segunda ley de Newton dp F dt p mv Impulso I tb ta Fdt Teorema del mpulso I p B p A Centro de masas 1 r M m r con M m
Más detalles7 L ímites de funciones. Continuidad
7 L ímits d funcions. Continuidad Página 05 f () = + Pinsa y ncuntra límits a) + ; + ; + + ; ; ; ; 9 0; 0; 0 ) 0; 0; 0 f ) + ; + ; 0 g) + ; + h) ; f () = a) 0 0, Página 0 a) a) f () = ; f () = ; f () =
Más detallesANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE.
ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE. El mastro impart la matria d Física y al iniciar un tma rscata los sabrs prvios d los alumnos sobr l tma, como s mustra a continuación:
Más detallesDETERMINACION DE LAS RELACIONES VOLUMÉTRICAS DE LOS SUELOS
DETERMINACION DE LAS RELACIONES VOLUMÉTRICAS DE LOS SUELOS I. GENERALIDADES: La dtrminación d las rlacions volumétricas d los sulos son importantísimas, para l manjo comprsibl d las propidads mcánicas
Más detallesIntroducción a la técnica de Bond-Graph
Capíítullo T1 Introduccón a la técnca d Bond-Graph 1.1 INTRODUCCIÓN En un sstma físco cualqura, la nrgía pud almacnars, dspars o ntrcambars. Cuando postrormnt s unn dos sstmas, aparcn dstntos flujos d
Más detallesHallar la media y varianza. Obtener la F.G.M y obtenerlas de nuevo.
FGM-MARKOV 7.-Una varable aleaora ene de funcón de cuanía x Px ( ),3,3, 3, Hallar la meda y varanza. Obener la F.G.M y obenerlas de nuevo. En base a la funcón de cuanía µ α Ex P ( ),3 +,3 +, + 3,,3 σ α
Más detallesManual de Ayuda del Sistema para la Impresión de Planilla de Reemplazo
Manual d Ayuda dl Sstma paa la Impsón d Planlla d Rmplazo PASOS A REALIZAR PASO NRO 1: El pm paso s ngsa al sto d la Dccón Gnal d Escula, la dccón s http//:bass.mndoza.du.a/ntant, n l stos dbá ngsa l nomb
Más detalles1. Notación y tabulación
Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón
Más detallesTrabajo. 6-Sep-06 Alicia Ma. Esponda Cascajares 1
Trabajo 6-Sep-06 Alicia Ma. Esponda Cascajares Trabajo Interacción energética entre un sistema y sus alrededores, a través de aquellas porciones de los límites del sistema en que no hay transferencia de
Más detallesEJERCICIOS RESUELTOS TEMA 1: PARTE 3
Ejrcicios rsultos Tma part III): Límits d uncions º BCN EJERCICIOS RESUELTOS TEMA : PARTE 3 LÍMITES DE FUNCIONES. CONTINUIDAD Ejrcicios rsultos Tma part III): Límits d uncions º BCN ) Dada la guint unción:
Más detalles15. LAS ESTADÍSTICAS CUÁNTICAS
5. Estadístcas Cuántcas 5. LAS ESTADÍSTICAS CUÁNTICAS El límt clásco Hmos vsto n l Capítulo qu cuando las funcons d onda d dos partículas déntcas no s solapan, éstas s comportan como partículas cláscas,
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesEXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov
EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc la
Más detallesElementos axisimétricos cuadráticos: Introducción. Elementos axisimétricos cuadráticos: Aproximación
Unvsdad Smón Bolíva Inodccón Ssmas d GDL Ssmas d GDL Ssmas connos MEF n dnámca Dsccón dl MEF Elmno baa Elmno va Elmno lano Elm. aysmécos Asmécos lnals Aysmé. cadácos Elmno sóldo Foml. d Galkn Dnámca alaoa
Más detallesREVISTA COLOMBIANA DE FÍSICA, VOL. 34, No CUANTIZACIÓN DEL FLUJO MAGNÉTICO EN SUPERCONDUCTORES NO SIMPLEMENTE CONEXOS
REVISTA OLOMBIANA DE FÍSIA, VOL. 34, No.. 00 UANTIZAIÓN DEL FLUJO MAGNÉTIO EN SUPERONDUTORES NO SIMPLEMENTE ONEXOS Vrglo Nño y Wllam Hrrra Dpartamnto d Físca, Unvrsdad Naconal d olomba, Bogotá, olomba.
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesMATERIA: Matemáticas VI, AREA III y IV CICLO ESCOLAR PROFESOR Víctor Manuel Armendáriz González
Ciudad d Méico Fundadora y Dirctora Gnral: Profra. Alina Mirya Sánchz Martínz MATERIA: Matmáticas VI, AREA III y IV CICLO ESCOLAR 014-015 PROFESOR Víctor Manul Armndáriz Gonzálz Progrsions Rsulv los siguints
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesMAGNITUD: 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 detallesTema 2. Termodinámica Estadística. Problemas
ma. rmodnámca Estadístca Problmas jrccos. La apromacón d trlng (ln! ln - ) prmt valuar l logartmo d factorals d númros grands con un rror puño. Calcula y rprsnta l rror rlatvo (n %) obtndo al utlzar la
Más detallesMÉTODOS DE INTEGRACIÓN. x x x. x x. dx dx x. dx x 2)( Lnx. x dx x. x x
http://www.damasorojas.com.v/ damasorojas8@gmail.com damasorojas8@hotmail.com, damasorojas8@galon.com MÉTODOS DE INTEGRACIÓN.-Sustitución Simpl. d d d d d d d d d d d d d d d d d d d d d d d d a d d d
Más detallesEncuesta de ocupación en albergues
Encusta d ocupacón n albrgus Mtodología Fbrro 207 IE. Insttuto aconal d Estadístca Mtodología. rsntacón 2. Obtvos 3. Undad stadístca 4. Ámbto d la ncusta 5. fncón d varabls 6. Marco d la ncusta y dsño
Más detallesVARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Más detallesCARACTERÍSTICAS EXTERNAS y REGULACIÓN de TRANSFORMADORES
CARACTERÍSTCAS EXTERNAS y REGLACÓN d TRANSFORMADORES Norbrto A. Lmozy 1 CARACTERÍSTCAS EXTERNAS S dnomina variabl ntr a una magnitud qu stá dtrminada ntr dos puntos, tal como una difrncia d potncial o
Más detallesANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS
ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS Rafal Morno Ruz, Vcnt T. Gonzálz Catalá, Olga Gómz Pérz-Cacho y Eduardo Trgo Martínz RESUMEN En t trabao analza la rntabldad
Más detalles