Apuntes, resúmenes, trabajos, exámenes y ejercicios de Matemáticas de Otros cursos

Conceptes Fonamentals dels Fulls de Càlcul

Què és un full de càlcul i quines són les seves principals utilitats?

Un full de càlcul és un full format per cel·les que ens permet, mitjançant fórmules i funcions, realitzar càlculs, com ara sumar, calcular la mitjana i moltes més operacions. És molt important, ja que ens permet organitzar qualsevol empresa o treball de forma organitzada, només introduint números.

Com es diu la intersecció entre una columna i una fila d'un full de càlcul?

La intersecció entre una columna i una fila d'un full de càlcul es diu cel·la.

Què és un "llibre" en fulls de càlcul?

Un llibre és on es guarden els fulls de càlcul. Cada full de càlcul quedarà emmagatzemat sempre dins d'un llibre, i aquest... Continuar leyendo "Guia Completa de Fulls de Càlcul: Conceptes Bàsics i Funcions Essencials" »

Mediana

La mediana es el valor de la variable tal que el número de observaciones menor que él es igual al número de observaciones mayor que él. La denotaremos por Me.

Parámetros de Dispersión

Se llama dispersión a las desviaciones que existen respecto de la media, es decir, es necesario saber en qué medida los datos numéricos están agrupados o no alrededor de los valores centrales. Los parámetros que realizan esto se denominan parámetros de dispersión. Existen tres parámetros de dispersión principales: rango, varianza y desviación típica.

Rango o Recorrido

El rango o recorrido es la diferencia entre el mayor valor y el menor valor que toma la variable estadística. Se denota por R.

Desviación

La desviación es la diferencia entre... Continuar leyendo "Conceptos Fundamentales de Estadística Descriptiva: Medidas, Dispersión y Correlación" »

Conceptos Fundamentales en Estadística Descriptiva

Este documento presenta un compendio de fórmulas y definiciones esenciales utilizadas en estadística descriptiva para el análisis y la interpretación de datos.

Número de Elementos

num = E(3/4 + log n / log 2)

Medidas de Tendencia Central

Mediana

La mediana es el valor central en un conjunto de datos ordenados.

• Para datos no agrupados:

  La mediana se encuentra en la posición: X(n+1)/2

• Para datos agrupados:

  La fórmula para calcular la mediana es:

  X = Li + c * (((n/2) - Fi-1) / fi)

  Donde:

  • Li: Límite inferior de la clase mediana.
  • c: Amplitud de la clase mediana.
  • n: Número total de datos.
  • Fi-1: Frecuencia acumulada de la clase anterior a la clase mediana.
  • fi: Frecuencia absoluta de la clase mediana.

Percentiles

El círculo de Mohr es una herramienta gráfica utilizada para el cálculo de tensiones en planos con distintas orientaciones alrededor de un punto de una pieza sometida a un estado tensional biaxial. Se utiliza como recurso gráfico para visualizar y determinar las tensiones principales y cortantes máximas en un elemento.

Consideraciones para la Construcción del Círculo de Mohr

Para dibujar correctamente el círculo de Mohr, se deben tener en cuenta los siguientes detalles:

• El sentido de giro del ángulo en el círculo corresponde con el sentido de giro del plano AB en la realidad.
• El signo de las tensiones tangenciales (τ) se toma como positivo si giran en sentido de las agujas del reloj alrededor del elemento diferencial, y negativo en caso

Muestreos Probabilísticos

1. Muestreo Aleatorio Simple

Necesidad de información: Tamaño y marco muestrales.

Procedimiento:

• Elegir los elementos mediante un procedimiento estadístico (números aleatorios sin repetición).

2. Muestreo Aleatorio Sistemático

Necesidad de información: Tamaño y marco muestrales.

Procedimiento:

• Calcular el coeficiente de elevación: cantidad de individuos de la población que representa cada unidad muestral (N/n).
• El primer elemento se elige de manera aleatoria.
• Los restantes serán los situados en el marco muestral N/n posiciones después del anterior (sistemáticamente).

3. Muestreo Estratificado

Necesidad de información: Tamaño y marco muestrales; grupos en la población.

Procedimiento:

• Se comienza con un muestreo aleatorio

Modelos de Supervivencia: Enfoques No Paramétricos

Método de Kaplan-Meier

Este método sirve para estimar la función de supervivencia asociada a un conjunto de datos, asumiendo que todos los individuos tienen las mismas características y, por lo tanto, que ninguna de ellas influye sobre su supervivencia. Matemáticamente, esto significa que no se utilizan variables independientes, sino simplemente los tiempos en los que ocurren los eventos (muertes) y la presencia o ausencia de censura para cada individuo.

Suposiciones del Método de Kaplan-Meier

• Homogeneidad del tiempo de supervivencia: El instante en el cual se comienza a observar a un individuo no influye sobre su respuesta.
• La probabilidad de ser censurado debe ser independiente del efecto

Cualidades de los Modelos Geométricos

Las cualidades de los modelos geométricos permiten la concepción y descripción de cualquier forma. Proporcionan un medio para transmitir la información y son la base para el análisis de cualidades estéticas y funcionales.

Interpolación Global: Propiedades e Inconvenientes

Propiedades

• Invarianza frente a transformaciones afines.
• Resuelve los problemas inherentes al grado de la curva.
• Aportan un alto grado de suavidad a las curvas.

Inconvenientes

• Son poco previsibles los efectos sobre la curva ante el cambio de algún dato.
• La curva cambia totalmente al modificar algún dato.
• No es posible la reproducción exacta y sencilla de cónicas.
• El grado de la curva depende del número de datos que se interpola.
• Incremento

Ejercicio 10: Lanzamiento de cuatro monedas

Se lanzan cuatro monedas y se sabe que, por lo menos, aparecerán dos caras. ¿Cuál es la probabilidad de que aparezcan exactamente cuatro caras?

Solución:

Primero, definimos los eventos:

• A: Aparecen exactamente cuatro caras.
• B: Aparecen al menos dos caras.

El espacio muestral para el lanzamiento de cuatro monedas tiene 2⁴ = 16 resultados posibles. Los resultados que contienen al menos dos caras son:

{CCXX, CXCX, CXXC, XCCX, XCXC, XXCC, CCXC, CXCC, XCCC, CCCX, CCCC}

Hay 11 resultados posibles para el evento B, por lo que P(B) = 11/16.

El evento A (cuatro caras) solo tiene un resultado posible: {CCCC}.

La intersección de A y B (A ∩ B) es el evento en el que aparecen exactamente cuatro caras, que también... Continuar leyendo "Ejercicios resueltos de probabilidad: Monedas, daltonismo y más" »

Agrupación de Datos en Intervalos

El contenido de una sustancia en un líquido está dado con una precisión de 5 miligramos por litro. Así, los datos podrían tomar los valores de esta sucesión:

... 120, 125, 130, 135, 140, 145 ...

Tenemos un conjunto de datos de esta variable, comprendidos entre 110 y 245. Explica cómo los agruparías en intervalos de amplitud 25 y haz una tabla con los límites reales, los aparentes y las marcas de clase.

Cálculo de intervalos: (247,7 - 107,5) / 25 = 5,6. Necesitamos 6 intervalos de 25. Como 6 * 25 = 150, sobran 10; los podemos poner al principio para empezar los límites aparentes con un número redondo.

Tabla de Intervalos:

• Límites Reales: (97,5 ; 122,5) | Límites Aparente: 100 - 120 | Marca de Clase:

Escalas de Medición

Los indicadores son instrumentos de evaluación que utilizan diferentes escalas de medidas:

• Nominal: Nombrar o etiquetar. Ejemplos: sexo, comuna, escuela, diagnóstico.
• Ordinal: Nombrar o etiquetar y jerarquizar. Ejemplos: intensidad del dolor, nivel de ingreso, nivel de escolaridad.
• De Intervalo: Nombrar o etiquetar, jerarquizar y hacer comparaciones matemáticas. El 0 no significa ausencia. Ejemplo: temperatura.
• De Razón: Nombrar o etiquetar, jerarquizar y hacer comparaciones matemáticas. Ejemplos: edad, peso, número de hijos.

Usos de los Indicadores

• Diagnóstico de la situación de salud
• Identificación de carencias, necesidades y problemas
• Priorización de problemas
• Planificación sanitaria
• Evaluación de programas de salud
• Evaluación