CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica

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

Download "CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica"

Transcripción

1 CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo en un msmo sto en ssmos pasados, por lo que este se calculara evaluando prmero la tasa de actvdad sísmca en las fuentes generadoras de temblores y después se ntegraran los efectos que producen los ssmos que se generan en la totaldad de las fuentes. III.1.1 Ssmcdad de las fuentes La Repúblca Mexcana está dvdda en 476 fuentes generadoras de ssmos a una tasa constante. La actvdad de cada una de estas fuentes está especfcada en térmnos de la tasa de excedenca de magntudes λ(m). La funcón anteror es una versón modfcada de la relacón de Gutenberg y Rchter, por lo que la ssmcdad queda descrta de la sguente manera: e b M b M u M 0 b M0 b Mu e e (3.1) e M 0 : Mínma Magntud Relevante 1 Basado en R8 31

2 λ0, b, M u : Parámetros que defnen la tasa de excedenca de cada una de las fuentes sísmcas, estmados por procedmentos estadístcos bayesanos. La formula (3.1) se utlza para la mayor parte de las fuentes sísmcas, sn embargo se ha observado que la dstrbucón de magntudes de los grandes temblores de subduccón (M>7) se aparta de la relacón de Gutenberg y Rchter, dando orgen al llamado temblor característco, por lo que para grandes temblores la ssmcdad queda defnda de la sguente manera: M EM M 7 1, s M>7 (3.) M λ(7), EM, σ M : Parámetros que se deben de obtener estadístcamente para la zona mexcana de subduccón. Ф: Funcón de dstrbucón ormal Estándar. III.1. Atenuacón de las ondas sísmcas Ya que se ha calculado la tasa de actvdad de cada una de las fuentes sísmcas, es necesaro evaluar los efectos que, en térmnos de ntensdad, produce cada una de ellas en un sto de nterés. Para lograr lo anteror, es necesaro tener conocmento de la ntensdad que se presentaría en el sto en cuestón, s en la -ésma fuente ocurrera un temblor. A las 3

3 expresones que relaconan magntud, poscón relatva fuente-sto e ntensdad se les conocen como leyes de atenuacón. Se pueden utlzar cuatro leyes de atenuacón dferentes dependendo de las trayectoras que recorren las ondas en su camno de la fuente al sto, las cuales se descrben a contnuacón: 1. Temblores costeros Se utlz para la aceleracón máxma del terreno provocada por temblores generados en la costa sur del pacífco, la ley de atenuacón de Ordaz.. Temblores de profunddad ntermeda Aquí se emplea el modelo de atenuacón descrto por Rosenblueth que trata de un modelo teórco fuente-trayecto con parámetros ajustados para reproducr los pocos regstros de aceleracón dsponbles para este tpo de ssmo. 3. Temblores superfcales Para modelar la atenuacón de estos temblores se utlzan leyes de atenuacón construdas con datos regstrados en Calforna. 33

4 4. Temblores costeros afectando la zona frme del Valle de Méxco o exste propamente terreno frme en el D.F. por lo que se modela la atenuacón de las ondas de una manera específc para ello se utlzan las leyes de atenuacón de Reyes. III.1.3 Efectos de la geología local El efecto del tpo de suelo sobre la ampltud y la naturaleza de las ondas sísmcas es de suma mportanca para la estmacón del pelgro sísmco, ya que se estma el movmento a partr de funcones de transferenca promedo obtendas de movmentos sísmcos regstrados en roc suelos frmes y suelos blandos. La funcón de transferenca de roca a suelo frme está dada por: FT T 1 35T T T 1 5T (3.3) Y para suelos blandos por: FT T 1 35T T T 1 5T (3.4) En las expresones anterores (3.3, 3.4) T es el perodo de la funcón de transferenc FT. 34

5 III.1.4 Cálculo del pelgro sísmco Una vez que ya se ha calculado todo lo descrto anterormente, se procederá a realzar el cálculo del pelgro sísmco, consderando la suma de los efectos de la totaldad de las fuentes sísmcas y la dstanca entre cada fuente y el sto. El pelgro sísmco v(sa), expresado en térmnos de las tasas de excedenca de ntensdades (Sa), se calcula de la sguente manera: v( Sa) M u 1 M 0 d M dm Pr SA Sa M, R dm (3.5) Donde la sumatora abarca la totaldad de las fuentes sísmcas y Pr(SA>Sa M, R ) es la probabldad de que la ntensdad exceda un certo valor, dadas la magntud del ssmo (M) y la dstanca entre la -ésma fuente y el sto (R ). S suponemos que la ntensdad tene una dstrbucón Lognormal y dadas la magntud y la dstanc se tene que: E ln Sa M, R ln Sa Pr( SA sa M, R ) (3.6) ln Sa Ф: Funcón de dstrbucón ormal Estándar 35

6 E lnsa M, R atenuacón correspondente) : Valor medo del logartmo de la ntensdad (dado por la ley de σ lnsa : Desvacón estándar III. Vulnerabldad Estructural La vulnerabldad de una estructura se defne como la relacón que exste entre el movmento sísmco y el nvel de daño. El parámetro que se utlza para calcular el nvel de daño es la dstorsón máxma de entrepso. A contnuacón se descrbe la forma en que se relacona la ntensdad sísmca con el daño en la estructura antes de la aplcacón de deducble, límte de prmer resgo y reaseguro. III..1 Daño esperado dada la dstorsón máxma de entrepso La dstorsón máxma de entrepso se estma de la sguente manera: 3/ Sa T (3.7) 4 h 36

7 β 1 : Factor de amplfcacón que estma el desplazamento lateral máxmo en la altura máxma de la estructura consderando un comportamento mecánco de tpo elástco-lneal a partr del desplazamento espectral. β : Factor de amplfcacón que estma la deformacón máxma de entrepso a partr de la dstorsón global de la estructura. β 3 : Factor que permte calcular los desplazamentos laterales máxmos en estructuras con comportamento nelástco, a partr de los desplazamentos laterales máxmos elástcos. β 4 : Factor que permte calcular el cocente entre la relacón de la dstorsón máxma de entrepso y la global en una estructura con comportamento elástco-lneal, y entre la relacón de la dstorsón máxma de entrepso y la global de una estructura con comportamento nelástco. η: Factor que permte estmar el perodo fundamental de una estructura a partr del número de nveles. : úmero de psos de la edfcacón. Sa(T): Aceleracón espectral que depende del pelgro sísmco del sto y del perodo fundamental de vbracón y del amortguamento de la estructura. h: Altura de entrepso en la edfcacón que depende del tpo de sstema estructural, de la ubcacón geográfca del nmueble y de la fecha de construccón. 37

8 El valor esperado del daño en una estructura dada la dstorsón máxma de entrepso se calcula de la sguente manera: E (3.8) (3.9),ρ: Parámetros de vulnerabldad estructural que dependen del sstema estructural y de la fecha de construccón. III.. Densdad de probabldad del daño La densdad de probabldades del daño en la estructura se supone es de tpo Beta y se calcula medante la sguente fórmula: a b ab a 1 b 1 1 (3.10) P 38

9 Donde a y b, son parámetros que se pueden calcular a partr de la meda y del coefcente de varacón del daño, C(β). E C C 1 E a (3.11) E 1 b a E (3.1) C (3.13) E E β σ β C γ β γ β : Valor esperado de la pérdda : Varanza de la pérdda : Coefcente de varacón de la pérdda Exste poca nformacón para determnar el coefcente de varacón de la pérdda. Sn embargo, sabemos, que cuando el valor esperado de la pérdda es nulo la dspersón 39

10 tambén lo es y que para valores ntermedos, es dfícl precsar, cuánto vale la varanza de la pérdda. Se han realzado ejerccos de smulacón suponendo estructuras smples con propedades aleatoras, para poder fjar varacones de la varanza con la sguente formula funconal: r 1 1 s Q E E 1 (3.14) V max Q (3.15) r1 s D D0 r 1 s r (3.16) D 0 V max : Varanza máxma D 0 : vel de daño para el que ocurre la varanza máxma r: Tomado gual a 3 40

11 III.3 Evaluacón de pérddas por ssmo para fnes de seguro En este apartado, se descrben los procedmentos para evaluar pérddas, especalmente en los aspectos propos de la operacón del seguro de terremoto. III.3.1 Efecto de coaseguro, deducble y límte en una edfcacón Después de haber calculado la pérdda brut nos nteresa calcular la pérdda neta β, la cual resulta de aplcar coaseguro (C), deducble (D) y límte de prmer resgo (L). 0 D L - D s D s D L s L En la anteror, no se ncluye explíctamente el efecto de coaseguro, ya que es una constante proporconal que afecta a la pérdda después de aplcar el deducble. Ahor se procede a calcular E(β γ), σ (β γ) y la dstrbucón de probabldad de β γ. Para esto, a la pérdda bruta (β), se le asgna una dstrbucón Beta con parámetros a y b, cuyas relacones con los momentos estadístcos de β ya se han establecdo. E(β γ) y σ (β γ) se calculan ntegrando la ecuacón anteror con respecto a la densdad de probabldades. La dstrbucón de probabldad de β γ queda de la sguente manera: 41

12 Pr( B 0) Ba D, b Pr( B ) Ba( D, b) Pr( B L D) 1 Ba( L, b) En donde Ba(x,b) es la funcón Beta acumulada. El valor esperado y la varanza de la pérdda neta se calculan de la sguente forma: T1 T T3 E (3.17) T a Ba( L, a 1, b) Ba( D, a 1, ) (3.18) a b 1 b T D( Ba( L, b) Ba( D, )) (3.19) b T ( L D)(1 Ba( L, )) (3.0) 3 b Adconalmente, calculamos el segundo momento: 4

13 E( ) u1 u u3 u4 (3.1) a( a 1) u1 ( Ba( L, a, b) Ba( D, a, b)) (3.) ( a b)( a b 1) Da u ( Ba( L, a 1, b) Ba( D, a 1, b)) (3.3) a b u3 D ( Ba( L, b) Ba( D, b)) (3.4) u4 ( L D) (1 Ba( L, b)) (3.5) Para fnalmente obtener: E( ) E ( ) (3.6) III.3. Pérdda Máxma Probable para una edfcacón La pérdda máxma probable (PML) se defne como un estmador del tamaño de las pérddas máxmas que sería razonable esperar en una edfcacón sometda a un proceso estaconaro de ocurrencas sísmcas. Para calcular el PML de una ubcacón, se procede de la sguente manera: 43

14 1. Determnar las tasas de excedenca de las pérddas netas.. Selecconar la probabldad anual de excedenca que sería gual a la probabldad de quebra y adoptar como PML el valor de pérdda asocado a esa probabldad anual de excedenca. Las tasas de excedenca de las pérddas netas se calculan por medo de la sguente fórmula: dv( a) Pr( B a) da (3.7) da 0 a: Intensdad sísmca relevante v(a): Tasa de excedenca de la ntensdad. La formula (3.7) se utlza cuando se trata de una edfcacón ndvdual, sn embargo, tratándose de una cartera complet se procede de la sguente manera para calcular el PML: 1. Elegr el perodo de retorno de los ssmos potencalmente asocados con el PML.. Determnar, para cada fuente sísmc la magntud del ssmo que tene ese perodo de retorno. 44

15 3. Determnar, para cada nmueble de la carter la ntensdad sísmca que se presentaría s, en la fuente correspondente, que se localza a certa dstanca del nmueble hubese ocurrdo el ssmo con la magntud establecda anterormente. 4. A partr de la coleccón de ntensdades en cada nmueble, se calcula la dstrbucón de probabldad de la pérdda de la cartera completa. 5. Se determna el PML para la fuente, como la pérdda que se excedía con probabldad 10%. 6. De entre los PML calculados para cada fuente, se elge el mayor. III.3.3 Cálculo de la Prma Pura de Resgo La pérdda anual, tambén conocda como prma técnca o prma pura de resgo, se defne como la esperanza de la pérdda que se tendría en un año cualquer suponendo lo sguente: 1. El proceso de ocurrenca de ssmos es estaconaro.. A las estructuras dañadas se les resttuye su resstenca nmedatamente después de un ssmo. La Prma Pura de Resgo se calcula de la sguente manera: dv a β AE = E β a da (3.8) 0 da Basado en R9 45

16 a: Intensdad sísmca relevante. v(a): Tasa de excedenca de esta ntensdad. E β a : Valor esperado de la pérdda neta que se tendría que s se presentara en el sto donde se localza la estructura de nterés, un ssmo con ntensdad a. La funcón v(a) mde el pelgro sísmco e índce la frecuenca con que se exceden ntensdades sísmcas de valor dado en un sto de nterés. En este modelo, la pérdda que ocurre al presentarse un ssmo con ntensdad conocda es una varable aleator cuyo valor no puede antcparse, y sobre la cual sólo puede fjarse una dstrbucón de probabldad. Puesto que la prma pura de resgo es la pérdda esperada anual, la prma de resgo de una cartera es la suma de las prmas puras de las edfcacones que la conforman. 46

CAPÍTULO 3.0 METODOLOGÍA Evaluación de peligro sísmico

CAPÍTULO 3.0 METODOLOGÍA Evaluación de peligro sísmico CAPÍTULO 3.0 METODOLOGÍA 3. Evaluacón de pelgro sísmco El pelgro sísmco se cuantfca en térmnos de los perodos de retorno de ntensdades ( o sus nversos, las tasas de excedenca sísmcas relevantes en el comportamento

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

FORMA TRADICIONAL DE CÁLCULO DE DESPLAZAMIENTOS Y FUERZAS EN ESTRUCTURAS SIN MAMPOSTERÍA RESUMEN

FORMA TRADICIONAL DE CÁLCULO DE DESPLAZAMIENTOS Y FUERZAS EN ESTRUCTURAS SIN MAMPOSTERÍA RESUMEN CAPITULO 1 FORMA TRADICIONAL DE CÁLCULO DE DESPLAZAMIENTOS Y FUERZAS EN ESTRUCTURAS SIN MAMPOSTERÍA RESUMEN En la actualdad los métodos de dseño estructural y las consderacones que se realzan prevas al

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

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

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

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

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

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

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

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

Más detalles

PyE_ EF1_TIPO1_

PyE_ 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 detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

1.- Objetivo Alcance Metodología...3

1.- Objetivo Alcance Metodología...3 PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la

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

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

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

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

Más detalles

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10. CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o

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

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

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

Más detalles

AJUSTE 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. 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 detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Medidas de centralización

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

Más detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012 Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE

Más detalles

Tema 1.3_A La media y la desviación estándar

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

Más detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste

Más detalles

Estadísticos muéstrales

Estadísticos 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 detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

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

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009 METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal

Más detalles

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD 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 detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

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

Modelos triangular y parabólico

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

Más detalles

La ecuación de equilibrio dinámico del sistema de 1 grado de libertad dinámico (1 GLD) sin amortiguamiento indicado en la Figura 1 se expresa como:

La ecuación de equilibrio dinámico del sistema de 1 grado de libertad dinámico (1 GLD) sin amortiguamiento indicado en la Figura 1 se expresa como: Respuesta a exctacones sísmcas La ecuacón de equlbro dnámco del sstema de grado de lbertad dnámco ( GLD) sn amortguamento ndcado en la Fgura se expresa como: () M y() t 0 K u t + = () M K u( t ) y( t)

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

Estadísticos muéstrales

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

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

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

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 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 detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04

Más detalles

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

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

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) 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 detalles

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

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

Variables Aleatorias

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

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

Variables Aleatorias

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

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

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

Más detalles

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS

Más detalles

TEMA 3. VARIABLE ALEATORIA

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

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

2. ANALISIS ESTADISTICO

2. ANALISIS ESTADISTICO CAPITULO. ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS El análss estadístco consste en parametrzar un conjunto de datos (precptacones o caudales) con el fn de extrapolar y conocer eventos venderos. La seleccón

Más detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

1. Variable aleatoria. Clasificación

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

Más detalles

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón

Más detalles

Regresión lineal y correlación lineal

Regresión lineal y correlación lineal UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

Simposio de Metrología 25 al 27 de Octubre de 2006

Simposio de Metrología 25 al 27 de Octubre de 2006 Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO

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

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

Enlaces de las Series de Salarios. Metodología

Enlaces de las Series de Salarios. Metodología Enlaces de las eres de alaros Metodología ntroduccón La Encuesta de alaros en la ndustra y los ervcos (E, cuyo últmo cambo de base se produjo en 996) ha sufrdo certas modfcacones metodológcas y de cobertura,

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

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

Más detalles

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo

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

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A CI4A: ANALISIS ESTRUCTURAL Prof.: Rcardo Herrera M. Programa CI4A NÚMERO NOMBRE DE LA UNIDAD OBJETIVOS DURACIÓN 4 semanas Prncpo de los trabajos vrtuales y teoremas de Energía CONTENIDOS.. Defncón de trabajo

Más detalles