II Encuentro Internacional de Matemáticas, Estadística y Educación Matemática 2013

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

Download "II Encuentro Internacional de Matemáticas, Estadística y Educación Matemática 2013"

Transcripción

1 II Encuentro Internaconal de Matemátcas, Estadístca y Educacón Matemátca 03 APLICACIOES ESTADÍSTICAS E FÍSICA EXPERIMETAL Smón Bolívar Cely *,Lda Rscanevo *Unversdad Pedagógca Tecnológca de Colomba **Unversdad Pedagógca y Tecnológca de Colomba RESUME Incalmente, se hace un breve resumen sobre las tendencas actuales y recomendacones de nvestgadores en ddáctca de la Físca y luego se presentan dos aplcacones estadístcas de uso frecuente en la enseñanza de la físca expermental. Ellas son, la dstrbucón de probabldad de Gauus, para descrbr el proceso de la medda y el promedo ponderado, para control de caldad en trabajos de ntercomparacón en centros de nvestgacón. La base de datos para realzar las aplcacones, fueron tomados en una actvdad de clase, empleando un Módulo para Experencas de Mecánca (M.E.M); dseñado y construdo bajo la modaldad de un proyecto de nvestgacón en la U.P.T.C, por uno de los responsables del presente documento. Complementaro a lo anteror, se escrbó un software en lenguaje de programacón Fortran, para realzar en forma rápda y confable los cálculos numércos. Todo el trabajo, se desarrollo bajo la modaldad de clase ntegral. Palabras claves: Gauss, ponderados, ntercomparacón, módulo MEM, software. ABSTRACT A bref overvew of current trends and recommendatons of researchers n ddactcs of the physcs, then, t presents two statstcal applcatons of frequent use n the teachng of expermental physcs. These are, the Gauus probablty, to descrbe the process of measurement and the weghted average, to control the qualty n ntercomparson n research centers. The database for dong applcatons were taken on an nteractve class actvty, usng a Mechancs Module Experences (MEM), desgned and bult n the form of a research project at UPTC, by one of the authors of current document. Complementary to ths, t was wrtten software n Fortran programmng language, to perform n a fast and relable numercal calculates. All work was developed n the form of an ntegral class. Key Words: Gauss, weghted, ntercomparson, MEM module, software.. Introduccón La enseñanza de la Físca, es un problema que nos atañe a todos los docentes que tenemos a cargo estos cursos. El problema no es solamente local, es naconal y mundal. Una dscplna como las cencas físcas, que es la base fundamental para el desarrollo de otras cencas, requere de docentes dóneos, reflexvos e nvestgadores de su propo quehacer en el aula. La preocupacón para mejorar en el campo de la ddáctca de la físca se ha hecho manfesta, en premos óvel de la físca: León M. Lederman 988, Georges Charpak 99, Carl E. Weman 00, los cuales después de haber sdo galardonados con la máxma dstncón de la cenca, se dedcaron a atender problemas de la enseñanza aprendzaje de la Físca a todo nvel (). Algunos apartes de esta cta bblográfca: Los cursos tradconales en los cuales los estudantes son llenados con nformacón que en la mayoría de los casos no entenden, deben ser susttudos por formas nteractvas de enseñanza que faclte la comprensón sólda del concepto. La enseñanza es más centífca, en la medda en que se apoye en medcones cuanttatvas. La clase magstral, según nvestgacones en los últmos 5 años ha fallado en todos los países del mundo.

2 II Encuentro Internaconal de Matemátcas, Estadístca y Educacón Matemátca 03 Otro autor mportante, en nvestgacones en ddáctca de la Físca (), señala Se debe procurar una mejora permanente en la caldad del profesorado que enseña la Físca. Tal mejora debe estar enfocada en una acttud reflexva y autónoma de cómo hacer las cosas. La acttud del docente no debe ser consumsta, pasvo; debe defnr sus propas metodologías, con capacdad de reflexón sobre sus práctcas y flexble a cambos propos del aula. Abandonar el papel de mero transmsor de conocmentos ya elaboraos. Los profesores que en el aula tenemos un laboratoro de prmera mano, somos observadores dóneos de lo que ocurre y por tal motvo, somos nvestgadores del proceso enseñanza aprendzaje. En nuestra nsttucón, la stuacón puede ser aún más crítca, Se cree que con solo poseer el conocmento, se es dóneo para enseñarlo. Se observa que no exste mayor conexón entre la teoría y la práctca. En la mayoría de los casos un docente drge el curso de la fundamentacón teórca y 5 o más docentes la parte expermental, la cual se realza sn acuerdo de sus contendos. La stuacón es susceptble de cambar, s desarrollamos clases de modelo ntegral, en donde se tenga el laboratoro de prmera mano en el aula, para que a través de actvdades nteractvas, se afance el aprendzaje de los conceptos teórcos con la ayuda expermental. Presentamos entonces, una prmera contrbucón en concordanca con los nvestgadores en ddáctca de la Físca.. Conceptos Estadístcos Consderados La Estadístca, es una herramenta mprescndble en los trabajos expermentales de la Físca. Dos temas fundamentales, son la base de este trabajo: la dstrbucón de probabldad de Gauss y los promedos smples y ponderados. La dstrbucón de probabldad de Gauss o dstrbucón normal (3,5,6), está dada por la ecuacón (). ( xx) PG ( x) e () donde, x es una varable aleatora contnua, x es el promedo muestral (o prmer momento de la dstrbucón) o promedo smple, calculado con su respectvo error para datos expermentales con las ecuacones (). es la desvacón estándard, la cual se obtene como la raíz cuadrada de la varanza ( s ), expresada con su respectvo error por las ecuacones (3). x x, ( x) () s ( x x), ( ) (3) ( )

3 II Encuentro Internaconal de Matemátcas, Estadístca y Educacón Matemátca 03 Es una dstrbucón smétrca alrededor del valor medo x, y físcamente mportante, porque parece descrbr correctamente la dstrbucón de observacones aleatoras para la mayoría de los expermentos. S lo que se tene es un conjunto de datos x, procedendo cada uno de una dstrbucón Gaussana, pero con dferente desvacón estandard, la funcón de dstrbucón, tambén está dada por la ecuacón (), tenendo en cuenta que cada dato tene su propa. El método de probabldad máxma produce como mejor estmatvo del valor medo y su error asocado, el resultado expresado por las ecuacones (4), conocdo como promedo ponderado ( ). x /, ( ) / / (4) 3. Montaje Expermental para las aplcacones x Para generar el conjunto de datos aleatoros, se empleó un Módulo para Experencas de Mecánca (M.E.M) (4), dseñado y construdo por uno de los autores de este documento, bajo la modaldad de un proyecto de nvestgacón. En la Fgura, se observa el montaje empleado. Fgura : Montaje expermental, para generar la base de datos, con los cuales se halla la ecuacón partcular de Gauss que los descrbe y se construye el hstograma correspondente.

4 P G (t) II Encuentro Internaconal de Matemátcas, Estadístca y Educacón Matemátca 03 Se tomaron 00 datos, relaconados con el tempo que gasta una esfera en recorrer el espaco entre las fotoceldas. En cada dato, la esfera parte en contacto con el electromán, el cual la lbera una vez que se le suspende la corrente, asegurando de esta forma mantener las msmas condcones ncales para cada evento durante toda la experenca de laboratoro. El espaco entre fotoceldas es fjo durante todo el expermento. 4. Resultados obtendos Se escrberon dos programas de cálculos numércos en lenguaje de programacón Fortran. El prmero llamado Hstogauss.for, realza varas tareas, que permten segur paso a paso la construccón de hstogramas, medante una actvdad nteractva con él. Permte calcular los parámetros o momentos de la dstrbucón de gauss, que conducen a la determnacón de la ecuacón partcular de la msma y a su correspondente nterpretacón. En la Fgura, se muestran los resultados obtendos con la base de datos tomados en el MEM. 0 P G (t)=/(0,00( e -(t-0,64) /((0,00) ) ,638 0,639 0,640 0,64 0,64 0,643 0,644 t(s) Fgura : Vsualzacón del hstograma y la ecuacón partcular de Gauus, obtendos con datos en una actvdad de clase de físca expermental. Como herramentas de trabajo, se empleó el programa hstogauss.for y el grafcador Orgen. Comparando la ecuacón partcular lustrada en la Fgura, con la ecuacón (), se deduce que los valores de los parámetros de la dstrbucón son: valor medo del conjunto de datos, t =0,64 s y desvacón estándar o ncertdumbre de la dstrbucón de datos, =0,00 s. El valor relatvamente pequeño de la desvacón estándar se debe a que los tempos fueron tomados con un cronómetro de buena precsón (0-4 s).

5 II Encuentro Internaconal de Matemátcas, Estadístca y Educacón Matemátca 03 Un segundo resultado relaconado con promedos smples y ponderados, se lustra en la Fgura 3. Como base de datos para realzar la aplcacón, se tomó de la lteratura (4), la nformacón relaconada con la vda meda del muón (partícula elemental masva, con carga negatva y espn ½), calculada y reportada por varos laboratoros del mundo, los cuales se observan en la Tabla, en donde se hace nvestgacón en físca de partículas. o de laboratoro Vda meda ( ) Otra forma de ( ) s,98 0,00,98(),97 0,005,97(5) 3,948 0,000,948(0) 4, 0 0,004,03(4) 5,98 0,00,98() 6, 0 0,003,0(3) 7,966 0,000,966(0) s Tabla : Resumen de datos relaconados con la vda meda de un muón y su respectva ncertdumbre, calculada por dferentes laboratoros de nvestgacón en físca de partículas. Aplcando las ecuacones, 3, 4, al conjunto de datos de la Tabla, se obtenen los sguentes resultados para la vda meda del muón: (,98 0,003) s, empleando promedos smples y (,970 0,0006) s, empleando promedos ponderados. Cada uno de estos ntervalos de probabldad consttuye la herramenta, para avalar el trabajo de un laboratoro de metrología, en procesos de ntercomparacón de meddas. En algunas ocasones (no muy rgurosas), los laboratoros deben clasfcar en el promedo smple, y en otras (más rgurosas) en el promedo ponderado. Para lustrar lo anteror, se elaboró un programa en lenguaje de programacón Fortran (Ponderados.for), que junto con el grafcador Orgen, nos permte vsualzar resultados como los lustrados en la Fgura 3. Del resultado gráfco, Fgura 3, se deduce, que por crtero de promedo smple, clasfcarían 4 laboratoros, mentras que por promedo ponderado, solamente laboratoros seran certfcados como de alta caldad. Una stuacón semejante a la vda meda del muón, ocurre con los laboratoros que hacen dosmetría de radacones onzantes. Su trabajo es de una gran responsabldad, para garantzar que no se va a rradar nútlmente pacentes en tratamento, radodagnóstco, o públco en general. Sus detectores deben regstrar las meddas de doss, garantzando que sus valores están en un promedo smple o ponderado, según las exgencas de las entdades reguladoras.

6 II Encuentro Internaconal de Matemátcas, Estadístca y Educacón Matemátca 03 Fgura 3: Resultados obtendos, para clasfcar los laboratoros que reportan la vda meda de un muón, empleando promedos smples y ponderados. 5. Conclusones La actvdad de trabajo expuesto en este documento, se desarrollo en concordanca con las recomendacones de los nvestgadores en ddáctca de la Físca. Las herramentas de cálculo elaboradas, permten desarrollar actvdades de clase nteractva, con mejores resultados en el proceso enseñanza aprendzaje. Los fundamentos de la Estadístca, se pueden comprender mejor con la ayuda de la expermentacón, realzada como una actvdad de clase ntegral. La Estadístca es una cenca auxlar, ndspensable para el desarrollo de otras áreas del conocmento, como se ha mostrado en este documento, en el campo de la Físca. Referencas (). Mchel, P.,? Que podemos hacer para lograr un aprendzaje sgnfcatvo en la Físca?, Unversdad Autónoma Metropoltana Iztapalapa Mexco DF (007). (). Antono Garca, C., Investgacones en Ddáctca de la Físca: tendencas actuales e ncdencas en la formacón del profesorado, Unversdad de Sevlla España (009). (3). Leo, W.R., Technques for uclear and Partcles Physcs Experment, Sprnger- Verlag, Berln edelberg (005). (4). S, Bolívar., Dseño y Construccón de un Módulo de Experencas de Mecánca de una partícula, Proyecto de nvestgacón UPTC(00). (5). Lynos, L., Statstcs for uclear and Partcle Phsyscst, Cambrdge Unversty Press (986). (6). Crstancho, F., otas de Clase Análss Estadístco de Datos Expermentales U.. Bogotá (009)

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

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

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

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

Análisis de Resultados con Errores

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

Más detalles

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

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

3. VARIABLES ALEATORIAS.

3. 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 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

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

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

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

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

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

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

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

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

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

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

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

Práctica 1 Caracterización de un voltímetro analógico

Práctica 1 Caracterización de un voltímetro analógico Págna 3/9 Área: Práctca 1 Caracterzacón de un voltímetro analógco Págna 3 Págna 4/9 Área: 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Foco ncandescente Fuente de poder Resgo asocado Quemadura

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

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

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

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

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

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

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

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

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

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

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

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Introducción a la Física. Medidas y Errores

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

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

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

Práctica 1. Caracterización de un voltímetro analógico

Práctica 1. Caracterización de un voltímetro analógico Práctca 1 Caracterzacón de un voltímetro analógco Elaborado por: Revsado por: Autorzado por: gente desde: M en E. Elzabeth Agurre Maldonado M en I. Rgel Gámez Leal Ing. Gabrel Jaramllo Morales M en A.

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 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 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

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

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

RECUENTO DE MICROORGANISMOS VIABLES EN MEDIOS LIQUIDOS: TECNICA DEL NUMERO MAS PROBABLE (NMP).

RECUENTO DE MICROORGANISMOS VIABLES EN MEDIOS LIQUIDOS: TECNICA DEL NUMERO MAS PROBABLE (NMP). RECUENTO DE MICROORGANISMOS VIABLES EN MEDIOS LIQUIDOS: TECNICA DEL NUMERO MAS PROBABLE (NMP). Cátedra de Mcrobología General- Facultad de Cencas Exactas- UNLP. En muchas ocasones, ya sea por un bajo número

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

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

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

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

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO

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

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

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal

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

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

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

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD.

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD. APELLIDOS Y NOMBRES:... EJERCICIO: Se han regstrado dferentes pesos de los alumnos del segundo grado de una Insttucón Educatva en klogramos. 40 41 42 50 40 48 41 43 39 40 47 46 49 49 50 39 50 48 42 45

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

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

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

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

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

PRÁCTICA 4. INDUCCIÓN ELECTROMAGNÉTICA. A. Observación de la fuerza electromotriz inducida por la variación de flujo magnético

PRÁCTICA 4. INDUCCIÓN ELECTROMAGNÉTICA. A. Observación de la fuerza electromotriz inducida por la variación de flujo magnético A. Observacón de la fuerza electromotrz nducda por la varacón de flujo magnétco Objetvo: Observacón de la presenca de fuerza electromotrz en un crcuto que sufre varacones del flujo magnétco y su relacón

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

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

Pista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador.

Pista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador. ITM, Insttucón unverstara Guía de Laboratoro de Físca Mecánca Práctca : Colsones en una dmensón Implementos Psta curva, soporte vertcal, cnta métrca, eseras metálcas, plomada, dspostvo óptco dgtal, varlla

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.

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

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Unversdad de onora Departamento de Matemátcas Área Económco Admnstratva Matera: Estadístca I Maestro: Dr. Francsco Javer Tapa Moreno emestre: 016-1 Hermosllo, onora, a 17 de 016. Introduccón En la clase

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Tema 1. Conceptos generales

Tema 1. Conceptos generales Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS

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

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.

Más detalles

3.3 Prueba de Matemáticas y Lenguaje

3.3 Prueba de Matemáticas y Lenguaje 04 3.3 Prueba de Matemátcas y Lenguaje Con el objetvo de conocer el nvel de conocmento de ml doscentos sesenta y cuatro estudantes de las escuelas nvestgadas dentro de la cudad de Guayaqul, se efectúa

Más detalles

LABORATORIO REMOTO DE INSTRUMENTACIÓN ELECTRÓNICA

LABORATORIO REMOTO DE INSTRUMENTACIÓN ELECTRÓNICA LABORATORIO REMOTO DE INSTRUMENTACIÓN ELECTRÓNICA M. A. Domínguez, J. M. Carrllo, J. A. Fernández and R. Pérez-Aloe Abstract En la actualdad exste un gran nterés a nvel mundal por la educacón a dstanca

Más detalles

Modelado de un Robot Industrial KR-5

Modelado de un Robot Industrial KR-5 RESUMEN Modelado de un Robot Industral KR-5 (1) Eduardo Hernández 1, Samuel Campos 1, Jorge Gudno 1, Janeth A. Alcalá 1 (1) Facultad de Ingenería Electromecánca, Unversdad de Colma, km 2 Carretera Manzanllo-Barra

Más detalles

Midiendo la Asociación lineal entre dos variables

Midiendo la Asociación lineal entre dos variables Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

Práctica 2 Caracterización de un dinamómetro

Práctica 2 Caracterización de un dinamómetro Págna 1/9 Práctca Caracterzacón de un dnamómetro Págna 1 Págna /9 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Peso de las masas patrón Resgo asocado Al manpular las masas nadecuadamente se

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

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

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD Químca Analítca (913) 1 rrores y tratamento estadístco de datos TRATAMINTO D LOS RSULTADOS ANALITICOS A- SIGNIFICADO D LA MDICION D UNA MAGNITUD Medr una magntud físca es asocarle a la msma un valor dmensonado

Más detalles

Aplicación de un Modelo para la Predicción de Pérdidas de Trayectoria en un Sistema de Comunicaciones Inalámbricas en Pisos de Edificios

Aplicación de un Modelo para la Predicción de Pérdidas de Trayectoria en un Sistema de Comunicaciones Inalámbricas en Pisos de Edificios ENGI Revsta Electrónca De La Facultad De Ingenería Vol. No. Dcembre Año ISSN 56-561 Aplcacón de un Modelo para la Predccón de Pérddas de Trayectora en un Sstema de Comuncacones Inalámbrcas en Psos de Edfcos

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

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

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

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

Termómetros de resistencia de platino y la escala internacional de temperatura EIT-90

Termómetros de resistencia de platino y la escala internacional de temperatura EIT-90 Termómetros de resstenca de platno y la escala nternaconal de temperatura EIT- Víctor Martínez Fuentes La EIT- La Escala Internaconal de Temperatura de 19 (EIT- ) se adoptó por el CIPM en 1989 para reemplazar

Más detalles