APÉNDICE: ANÁLISIS DE REGRESIÓN

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

Download "APÉNDICE: ANÁLISIS DE REGRESIÓN"

Transcripción

1 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores APÉDICE: AÁLISIS DE REGRESIÓ ITRODUCCIÓ El aálisis de regresió es ua herramiea esadísica que permie hacer u ajuse de daos eperimeales a ua reca co u crierio de míimos cuadrados. Si los daos eperimeales so {, }, dode =,,, el aálisis de regresió proporcioa la reca, ( ) = a+ b () que miimiza el error cuadráico medio ere valor siguiee: e ( ), es decir, que miimiza el ( ( )) = ( a b) = = () Obsérvese que e = ( ) es el error que afeca al dao eperimeal que lo desvía del modelo lieal ( ), mieras que e = ( ( )) es el error cuadráico para la medida. La epresió e la ecuació () proporcioa el error cuadráico medio. AÁLISIS DE REGRESIÓ Dado u cojuo de daos eperimeales ( parejas de daos (, ), dode =,, ), para ajusar los daos por míimos cuadrados a ua reca es ecesario realizar u cojuo de cálculos previos, de acuerdo co las siguiees epresioes: µ = (3a) = µ = (3b) = = ( ) (3c) = µ A.6

2 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores = ( ) (3d) = µ = ( µ )( µ ) (3e) = A parir de esos valores podemos calcular la ordeada e el orige ( a ) la pediee (b ) de la reca de la epresió () que mejor ajusa los daos: b = (4a) a= µ bµ (4b) El aálisis ambié proporcioa el coeficiee de deermiació R, que se calcula del siguiee modo: ( ) R = (5) Ese coeficiee oma valores ere 0, se puede ierprear como la proporció de la variació e los daos que es debida a la variació de. El reso de la variació e se debe al error (o a oras variables o cosideradas e el aálisis). De ese modo, si R =, se ierpreará que la reca a b = + ajusa perfecamee los daos {, } (si error, es decir, odos los daos se ecuera sobre la reca). Si quiere decir que o eise ua depedecia esadísica ere ambas variables. R = 0, Es más habiual el uso del coeficiee de correlació r e lugar del coeficiee de deermiació R. El coeficiee de correlació oma el valor, r = (6) puede comprobarse que r puede omar valores ere -, eiedo el mismo sigo que la pediee b. Tambié se verifica que r = R. A.7

3 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores ITERVALOS DE COFIAZA DE LA PEDIETE Y LA ORDEADA E EL ORIGE Los valores de b a obeidos co las ecuacioes (8) (9) os proporcioa la reca que mejor ajusa los daos eperimeales {, }. Si supoemos que las variables e esá relacioadas por u modelo lieal: = α + β + ε (7) dode α es la ordeada e el orige, β es la pediee, ε es el error (que presea flucuacioes aleaorias), los valores de a b obeidos de las ecuacioes (9) (8) sería ua esimació de los parámeros α β del modelo. Pueso que a b se ha esimado a parir de daos eperimeales ( por ao esá afecados por u error aleaorio), cabría preguarse por el error esádar ( SE ) de a b (es decir, por SE( a ) SE( b )), o por los iervalos de cofiaza del (por ejemplo) 95% de α β, es decir, los iervalos que deja dero el valor real de α de β, respecivamee, co ua probabilidad del 95%. El aálisis de regresió da respuesa a esa cuesió a ravés de u uevo parámero s : s = b (8a) s SE( b) = (8b) µ SE( a) = s + (8c) de modo que los iervalos de cofiaza del 95% de β α viee dados, respecivamee, por: = b± 0 05 SE( b) (9a) β. = a± 005 SE( a) (9b) α. siedo el valor críico de la disribució de Sude co grados de liberad. E la abla se idica los valores de α/ para disios valores de α del A.8

4 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores úmero de grados de liberad. Para cada valor de α se ha idicado el ivel de cofiaza correspodiee. ivel de cofiaza 99% 98% 95% 90% 80% 60% α Grados de Liberad Tabla : valores críicos α/ de la disribució de Sude para grados de liberad. IFERECIA ESTADÍSTICA: ITERVALO DE COFIAZA DE Supogamos que eemos u uevo dao + raamos de iferir el valor + asociado a dicho dao (el valor que mediríamos para si hemos observado + ). Si la relació ere e viiera dada por la reca = a+ b, la respuesa sería = a+ b. Si embargo, al esar los daos afecados por u error, a parir de u + + uevo dao + o podemos deermiar el valor de +, sio el iervalo e el que podemos ecorarlo co u ciero ivel de cofiaza. El aálisis de regresió permie deermiar ese iervalo de cofiaza a ravés del error esádar de +. El iervalo de cofiaza del 95% de + viee dado por: A.9

5 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores SE ( µ ) = s + + (0a) + ( + ) = a+ b ± SE( ) (0b) siedo el valor críico de la disribució de Sude co grados de liberad, que puede obeerse de la abla, EJEMPLO Supogamos que medimos, para 0 codicioes, la esió ere los ermiales de ua resisecia la corriee que circula a ravés de ésa. Las medidas se muesra e la abla : V (V) I (ma) Tabla : medidas de esió corriee e el ejemplo. Para hacer u aálisis de regresió, co el objeo de ecorar la reca = a+ b que mejor ajusa los daos aeriores (dode se ideifica la esió V co la variable idepediee la iesidad I co la variable depediee ), e primer lugar debemos obeer µ, µ,, : µ =. 004 V (a) µ = ma (b) = V (c) A.0

6 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores = ma (d) = V ma (e) La pediee la ordeada e el orige de la reca que mejor ajusa los daos so, respecivamee: b = ma/ V (a) a = ma (b) relacioado el ajuse por míimos cuadrados co la le de Ohm, I= a+ bv (3a) V I = R (3b) debemos comprobar que el valor de la ordeada e el orige ( a ) es mu pequeño (comparado co las iesidades medidas) puede ser despreciado. Del mismo modo, podemos ideificar el valor de la resisecia co el iverso de la pediee: V R = k b =. ma =. Ω (4) El coeficiee de deermiació R es, R = (5) lo que idica que, e los daos medidos, el 99.88% de la variació e la iesidad observada se debe a la variació e la esió aplicada, el 0.% resae se debe a oros procesos (probablemee a errores de medida, bie isrumeales o bie de lecura). El coeficiee de correlació r oma el valor, r = (6) pueso que el valor es mu próimo a la uidad, podemos cocluir que los daos eperimeales se ajusa mu bie a ua reca. E la figura se ha represeado los daos medidos {V, I } la reca I= a+ bv que mejor los ajusa. A.

7 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores Figura : represeació de los daos del ejemplo de la reca que mejor los ajusa. Para deermiar el iervalo de cofiaza del 95% de la pediee la ordeada e el orige, obeemos los valores siguiees: s = ma (7a) SE( b ) = ma/ V (7b) SE( a ) = 0. 4 ma (7c) omado (para u ivel de cofiaza del 95%) para 8 grados de liberad de la abla ( = 3. ) obeemos los iervalos de cofiaza: β = ma/ V ± ma/ V (8a) α = ma ± ma (8b) de dode puede cocluirse que la ordeada e el orige es (como era de esperar e ese ejemplo) despreciable. Para deermiar el iervalo de cofiaza del 95% de la resisecia R, podemos hacer uso de la ideificació R = / β, usar la epresió de propagació del error, A.

8 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores R( β) β R = β = β β (9a) β R = ± = kω± kω (9b) β β Fialmee, supogamos que omamos ua ueva medida de esió V = V. El iervalo de cofiaza del 95% de la iesidad que se mediría e ese uevo eperimeo se calcularía a parir de SE( + ), SE( + ) = ma (0) se obedría, + =. 870 ma ± ma () es decir, que si e el eperimeo + medimos 7.43 V, podemos decir que ha ua probabilidad del 95% de que la medida de iesidad + se ecuere ere.398 ma 3.36 ma. CÁLCULOS DE REGRESIÓ CO MICROSOFT EXCEL Para realizar los cálculos básicos de regresió co el paquee Microsof Ecel, se puede proceder del siguiee modo:. Iroducir los daos ; e dos columas (por ejemplo, e las casillas A:A0 las casillas B:B0).. Seleccioar las casillas co los daos (por ejemplo, A:A0 B:B0). 3. Marcar el icoo Asisee para gráficos". 4. Seleccioar el ipo de gráfico XY Dispersió" el subipo e el que sólo figura los puos. 5. Marcar siguiee" varias veces hasa fializar. 6. Marcar u puo de la gráfica co el boó derecho del raó seleccioar Agregar líea de edecia". 7. Elegir el ipo de edecia o regresió Lieal". 8. E esa veaa, seleccioar Opcioes". A.3

9 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores 9. E la pare iferior de la veaa de opcioes, marcar Presear ecuació e el gráfico" Presear el valor de R cuadrado e el gráfico". 0. Marcar Acepar": aparecerá el ajuse lieal de los daos, juo co la ecuació de la reca = a + b el coeficiee de deermiació R. Tambié se puede reproducir los cálculos idicados, obeiedo µ, µ,,,, ec. A.4

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS

TALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

Qué es la Cinética Química?

Qué es la Cinética Química? Tema 4. La velocidad de Cambio Químico I. Velocidad de reacció.. Ecuació de velocidad y orde de reacció. 3. álisis de los daos ciéicos: ecuacioes iegradas de ciéicas secillas. 4. Ciéicas complejas.. Velocidad

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL CONCEPTO BÁCO DE ETADTCA NFERENCAL Població N Muesra Parámeros Esadísico µ Esimador dividuo Cada parámero poblacioal le correspoderá u esadísico de la muesra que cosiuirá ua esimació del primero. Defiició

Más detalles

UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS

UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS Movimieo recilíeo Iroducció El esudio de los movimieos de los cuerpos es de vial imporacia para coocer el comporamieo

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

SISTEMAS, MATRICES Y DETERMINANTES

SISTEMAS, MATRICES Y DETERMINANTES .- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a

Más detalles

OSCILACIONES AMORTIGUADAS. PENDULO DE POHL

OSCILACIONES AMORTIGUADAS. PENDULO DE POHL OSCILACIONES AMORTIGUADAS. PENDULO DE POHL.- INTRODUCCION TEÓRICA El Pédulo de Pohl de la figura permie esudiar las oscilacioes libres, amoriguadas y forzadas de baja frecuecia producidas mediae u pédulo

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

Nucleación y crecimiento unidimensional

Nucleación y crecimiento unidimensional Nucleació y crecimieo uidimesioal Pare II. Aálisis de la ecuació de Avrami Virgilio A. Gozález G.* Carlos A. Guerrero S, Jua Aguilar G.* ABSTRACT The applicaio of he Avrami-Johso-Mehl model o he uidimesioal

Más detalles

CONTROL DE ASISTENCIA A EXAMEN

CONTROL DE ASISTENCIA A EXAMEN Uiversidad de Las Palmas de Gra Caaria Escuela Técica Superior de Igeieros de Telecomuicació Teoría de la Señal - Eame Covocaoria Ordiaria: 3 de febrero de 2009 CONTROL DE ASISTENCIA A EXAMEN La firma

Más detalles

Métodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8

Métodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8 8 7 - - - - - Méodos Numéricos - Cap 7 cuacioes Diereciales Ordiarias PVI 8 cuacioes Diereciales Ordiarias DO Ua cuació Dierecial es aquella ecuació que coiee diereciales o derivadas de ua o más ucioes

Más detalles

Curvas MOISES VILLENA

Curvas MOISES VILLENA 6 6.1. 6.. 6.. 6.4. 6.1. FUNCIÓN VECTORIAL DE UNA VARIABLE REAL 6.1.1 DOMINIO 6.1. LIMITE 6.1. CONTINUIDAD 6.. TRAYECTORIA (CAMINO) 6.. GRAFICA. DEFINICIÓN 6.4. TRAZA 6.5. CURVA 6.6. DERIVADA 6.7. CONCEPTOS

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

LECCIÓN N 14 ADQUISICIÓN Y CONVERSIÓN DE DATOS. Conversión Digital-Analógica. Conversión Analógico-Digital

LECCIÓN N 14 ADQUISICIÓN Y CONVERSIÓN DE DATOS. Conversión Digital-Analógica. Conversión Analógico-Digital Elecróica Digial LECCÓN N 4 ADQUSCÓN Y CONVESÓN DE DAOS roducció uesreo de señal Coversió DigialAalógica Coversió AalógicoDigial 4 Elecróica Digial roducció La iformació digial se puede procesar, almacear

Más detalles

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIÓN DE LA PRODUCCIÓN Y LAS OPERACIONES

Más detalles

6. Intervalos de confianza

6. Intervalos de confianza 6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros

Más detalles

MMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos

MMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos MMII_c4_MSV: Ecuació de Lapace e u recáguo. Probemas o homogéeos Guió: E esa case os ocuparemos de a apicació de Méodo de Separació de Variabes (MSV) a a ecuació de Lapace, o que podremos hacer mediae

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques

Más detalles

Decimocuarta clase. Respuesta al impulso y convolución

Decimocuarta clase. Respuesta al impulso y convolución Uiversidad Disrial Fracisco José de Caldas - Aálisis de Señales y Sisemas - Marco A. Alzae Decimocuara clase. Respuesa al impulso y covolució E esa clase repasamos y esedemos la clase 3, ya que se raó

Más detalles

EXAMEN FINAL DE METODOS NUMERICOS (MB536)

EXAMEN FINAL DE METODOS NUMERICOS (MB536) UNIVERSIDAD NACIONAL DE INGENIERIA P.A. 7- FACULTAD DE INGENIERIA MECANICA //7 EXAMEN FINAL DE METODOS NUMERICOS (MB36) SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO Y CALCULADORA CIENTIFICA ESCRIBA

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA : MATRICES Y DETERMINANTES Juio, Ejercicio 3, Opció B Reserva 2, Ejercicio 3, Opció A Reserva 2, Ejercicio 3, Opció B Reserva 3, Ejercicio

Más detalles

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013 El Marge de Riesgo México Por: Pedro Aguilar B. [email protected] [email protected] Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució

Más detalles

MS-1 Modelos de supervivencia Página 1 de 20

MS-1 Modelos de supervivencia Página 1 de 20 CURSO: - TEMA : Pricipales modelos de moralidad. Modelizació esocásica. Ley de De Moivre. Leyes de Dormoy y de Sag. Leyes de Gomperz y de Makeham. Oros modelos de moralidad. Esudiaremos aquí disios modelos

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores

Capítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores Capíulo Iroducció a la Elecróica de oecia. Iroducció a la Elecróica de oecia. Clasificació de los Coeridores Como su ombre lo idica su fució es coerir ua fuee de ua esió y frecuecia dada a ora de diferees

Más detalles

UNIDAD IV. Qué es predicción en el modelo lineal?

UNIDAD IV. Qué es predicción en el modelo lineal? UNIDAD IV Qué es predicció e el modelo lieal? UNIDAD IV Qué es la predicció e el modelo lieal? La ecoomía es el esudio del modo e que la sociedad gesioa sus recursos escasos Gregory Makiw Qué es predicció

Más detalles

CAPITULO 2. La importancia básica de pronóstico es de ser un eslabón que se une a la etapa de Planificación y Control de un sistema.

CAPITULO 2. La importancia básica de pronóstico es de ser un eslabón que se une a la etapa de Planificación y Control de un sistema. CAPITULO PRONOSTICOS Hacer u proósico, es hacer u proceso de esimació de u acoecimieo fuuro, a parir de ua iformació de ipo hisórica, ormalmee de ipo maemáica, y/o de ipo referecial de apreciacioes, esimacioes

Más detalles

EJERCICIOS PROPUESTOS

EJERCICIOS PROPUESTOS 7 Marices EJERCICIOS PROPUESTOS y. Ejercicios resuelos.. Dadas las marices A y B idica, si es posible. A 0 0 4 B 5 0 a) Los elemeos a 4 y b 4 b) La dimesió de cada ua de ellas c) La mariz raspuesa de cada

Más detalles

TEORÍA DE CONTROL MODELO DE ESTADO

TEORÍA DE CONTROL MODELO DE ESTADO TEORÍA DE ONTROL MODELO DE ESTADO Defiicioes: (Ogaa) Esado. El esado de u sisema diámico es el cojuo más pequeño de variables (deomiadas variables de esado) de modo que el coocimieo de esas variables e

Más detalles

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar

Más detalles

Cómo medir la precisión de los pronósticos?

Cómo medir la precisión de los pronósticos? Cómo medir la precisió de los proósicos? Por Tomás Gálvez Maríez Presidee y Direcor de CELOGIS Educaio Parer de ENAE Busiess School A la fecha de la publicació de ese documeo used podrá ecorar, e la mayoría

Más detalles

Capitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica

Capitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica Capiulo II II.2 Teoría de curvaura 1 Capiulo II Movimieo Plao II.1 Aspecos geerales del movimieo plao. II.2 Teoría de la curvaura. 1. Teorema de Harma. 2. Euler-Savary. 3. Circuferecia de iflexioes y circuferecia

Más detalles

Precálculo Quinta edición Matemáticas para el cálculo

Precálculo Quinta edición Matemáticas para el cálculo Precálculo Quia edició Maemáicas para el cálculo Límies JAMES STEWART, LOTHAR REDLIN, SALEEMWATSON Pag. 88-94 . Cocepo iuiivo de ie de ua fució. Limies Esquema del capiulo E ese capiulo se esudia la idea

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

2. Estimación de errores de medidas directas

2. Estimación de errores de medidas directas Estimació de errores y forma de expresar los resultados de las prácticas. Error: Defiició E el laboratorio igua medida tiee ifiita precisió. Por ello, ua parte importate del proceso de medida es la estimació

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

Reserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A

Reserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)

Más detalles

Tema 8B El análisis fundamental y la valoración de títulos

Tema 8B El análisis fundamental y la valoración de títulos PARTE III: Decisioes fiacieras y mercado de capiales Tema 8B El aálisis fudameal y la valoració de íulos 8B.1 Iroducció. 8B.2 El aálisis fudameal y la valoració de íulos. 8B.3 Modelos para la valoració

Más detalles

SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X

SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X Jorge E. Heráez, Eih C. e Heráez Uiversia e Paamá, Cero Regioal Uiversiario De Veraguas, Deparameo e Maemáica. RESUMEN E el presee rabajo esuiamos la ecuació

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral

Más detalles

Matemáticas II Bachillerato de Ciencias y Tecnología 2º Curso MATRICES Definición. Notaciones Tipos de matrices...

Matemáticas II Bachillerato de Ciencias y Tecnología 2º Curso MATRICES Definición. Notaciones Tipos de matrices... Maemáicas II Bachillerao de Ciecias y Tecología 2º Curso Uidad MTRICES...- Defiició. Noacioes.... - 2 -.2.- Tipos de marices.... - 2 -.3.- Operacioes co marices.... - 3 -.3..- Igualdad de marices.... -

Más detalles

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN

ACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN FCULTS DE INGENIERÍ PÁGIN: 5-1 de 16 INTRODUCCIÓN El esudio de las aceleracioes e los mecaismos ariculados coplaares se puede abordar ya sea por méodos aalíicos o por méodos gráficos. Ese capíulo se deermiará

Más detalles

El estado espacial de tensiones en un punto, puede ser representado a través de una matriz (tensor) de tensiones.

El estado espacial de tensiones en un punto, puede ser representado a través de una matriz (tensor) de tensiones. ..- sado spacial de Tesioes l esado espacial de esioes e u puo, puede ser represeado a ravés de ua mari esor de esioes. : Tesor de Tesioes Sea, el vecor ormal a u plao ubicado e el espacio. L ˆ L,, dode

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

LECCIÓN N 9 CÁLCULO CINETOSTÁTICO DE MECANISMOS PLANOS 9.1 FUERZAS DE INERCIA DE LOS ESLABONES DE LOS MECANISMOS PLANOS

LECCIÓN N 9 CÁLCULO CINETOSTÁTICO DE MECANISMOS PLANOS 9.1 FUERZAS DE INERCIA DE LOS ESLABONES DE LOS MECANISMOS PLANOS LEIÓN N 9 ÁLULO INETOSTÁTIO DE MEANISMOS PLANOS 9. UERZAS DE INERIA DE LOS ESLAONES DE LOS MEANISMOS PLANOS omo se sabe del curso de mecáica, e el caso más geeral odas las fuerzas de iercia del eslabó

Más detalles

Ecuaciones diferenciales ordinarias: Problemas de valor inicial

Ecuaciones diferenciales ordinarias: Problemas de valor inicial Tiulació: Asigaura: Auor: Igeiero Geólogo Aálisis Numérico César Meédez Ulima acualizació: 6/0/00 Ecuacioes difereciales ordiarias: Problemas de valor iicial Plaificació: Maeriales: Coocimieos previos:

Más detalles

CAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y

CAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y Capíulo 3 Marco eórico CAPÍTULO 3 MARCO TEÓRICO A lo largo de ese capíulo se explica los cocepos básicos que se debiero eer y cosiderar para la elaboració de la clasificació de maerias primas, los modelos

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

Tema 4: Fenómenos de transporte de carga

Tema 4: Fenómenos de transporte de carga Elecróica de disosiivos Tema 4: Feómeos de rasore de carga Ca. : Se, Ca. 4: K. Kao rrasre de oradores movilidad resisividad efeco all ifusió de oradores Proceso de difusió Relació de Eisei Iyecció de oradores

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

ECONOMETRÍA APLICADA II

ECONOMETRÍA APLICADA II FRANCISCO PARRA RODRÍGUEZ (Docor e Ecoomía Uiversidad Nacioal de Educació a Disacia) ECONOMETRÍA APLICADA II Ecoomeria Aplicada II b Fracisco Parra Rodríguez is licesed uder a Creaive Commos Recoocimieo-NoComercial-ComparirIgual

Más detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u

Más detalles