Apuntes, resúmenes, trabajos, exámenes y problemas de Matemáticas

Fundamentos de Probabilidad y Modelos de Distribución Aleatoria

Matemáticas13,6 KB

Conceptos Básicos de la Probabilidad

La aleatoriedad refleja la imposibilidad de predecir con absoluta certeza un resultado futuro. Sin embargo, existe una forma de describir el comportamiento global de una población en estudio gracias a la distribución de probabilidad, la cual asigna probabilidades a los diferentes valores y describe el comportamiento separado de la variable. Por su parte, la variable aleatoria cuantifica los resultados posibles de un experimento aleatorio.

Un experimento aleatorio se define como cualquier ensayo o prueba que puede repetirse en numerosas ocasiones bajo condiciones homogéneas, presentando en cada prueba un resultado bien definido pero imposible de predecir de antemano. El término se utiliza para enfatizar...

Continuar leyendo "Fundamentos de Probabilidad y Modelos de Distribución Aleatoria" »

Estadística Descriptiva: Estadísticos, Parámetros y Tipos de Variables con Ejercicios Verdadero o Falso

Matemáticas3,26 KB

Conceptos básicos de estadística: ejercicios de verdadero o falso

A continuación se presentan once afirmaciones sobre conceptos fundamentales de estadística, con su respuesta y su correspondiente justificación.

1. Un estadístico es una característica de una población

Falso. Un estadístico es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el objetivo de estimar o inferir características de una población o modelo estadístico.

2. Un parámetro es una característica de una población

Verdadero. En estadística, un parámetro es un número que resume la gran cantidad de datos que pueden derivarse del estudio de una variable estadística.

3. Las variables discretas pueden adoptar cualquiera de los valores de

...
Continuar leyendo "Estadística Descriptiva: Estadísticos, Parámetros y Tipos de Variables con Ejercicios Verdadero o Falso" »

Fórmulas de Geometría Analítica: Puntos, Rectas, Cónicas y Formulario

Matemáticas3,89 KB

1. Puntos en el plano

Dados A(x₁, y₁) y B(x₂, y₂):

  • Distancia: d = √[(x₂ - x₁)² + (y₂ - y₁)²]
  • Punto medio: M = ((x₁ + x₂)/2, (y₁ + y₂)/2)
  • Pendiente: m = (y₂ - y₁) / (x₂ - x₁)

2. La recta

  • Punto-pendiente: y - y₁ = m(x - x₁)
  • General: Ax + By + C = 0 → m = -A/B
  • Simétrica: (x/a) + (y/b) = 1 (cortes en (a,0) y (0,b))
  • Distancia de un punto P(x₀,y₀) a la recta: d = |Ax₀ + By₀ + C| / √(A² + B²)
  • Paralelas: m₁ = m₂ | Perpendiculares: m₁ · m₂ = -1

3. Circunferencia

  • Canónica: centro C(h,k), radio r: (x - h)² + (y - k)² = r²
  • General: x² + y² + Dx + Ey + F = 0
  • Centro: C(h,k) = (-D/2, -E/2)
  • Radio: r = (1/2) · √(D² + E² - 4F)

4. Parábola (vértice V(h,k))

EjeCanónica / OrdinariaGeneralFoco (F)Directriz
Horizontal
...
Continuar leyendo "Fórmulas de Geometría Analítica: Puntos, Rectas, Cónicas y Formulario" »

Fórmulas de Markowitz, Sharpe, diversificación y valoración de acciones: resumen completo

Matemáticas6,73 KB

0

Si nos dan escenarios con probabilidades:

E(Ri) = Σ (Ri · Pj) → %

σ²(Ri) = Σ (Ri - E(Ri))² · Pj → %²

σ(Ri) = √(σ²(Ri))

Cov(Ri, Rj) = Σ (Ri - E(Ri)) · (Rj - E(Rj)) · Pj → %²

Si te dan la matriz, empieza aquí ↓

E(Rm) = x1 · E(R1) + x2 · E(R2) + x3 · E(R3) → %

CEi = xi · E(Ri) → %

σ²m = x1²·σ1² + x2²·σ2² + x3²·σ3² + 2·x1·x2·σ12 + 2·x1·x3·σ13 + 2·x2·x3·σ23 → %²
σm = √(σ²m)

CVi = xi · [x1·σ1i + x2·σ2i + x3·σ3i] → %²

Modelo de Markowitz

Min σ²m = (fórmula de la varianza)

  • Restricción paramétrica: E(R1)·x1 + E(R2)·x2 + E(R3)·x3 = E*
  • Restricción presupuestaria: x1 + x2 + x3 = 1
  • No negatividad: x1, x2, x3 ≥ 0


Modelo de Sharpe

Rm (escenario) = x1·R1 + x2·R2 + x3·R3 → %

Cov(Ri,

...
Continuar leyendo "Fórmulas de Markowitz, Sharpe, diversificación y valoración de acciones: resumen completo" »

Incertidumbre de Medida en Termometría: Fórmulas ITS, IEC, UNE y Termopares

Matemáticas3,26 KB

Fórmulas de incertidumbre en termometría

ITS: t = x + δa + δp + δs + δdR + δUR + St(δr + δe + δd + δu)

IEC: t = x + δT + δdT + δp + δUT + St(δr + δe + δd + δu)

UNE: t = x + δr + δe + δd + δu + δT + δdT

Termopar: 1/Stx · (x + δr + δe + δd + δu + Vtref) + δΔtc + δT + δdT + δTH + δT

Significado de los términos

  • δa: error del ajuste.
  • δp: autocalentamiento.
  • δs: repetibilidad.
  • δdR: deriva de la RTP.
  • δUR: calibración de la RTP.
  • δT: tolerancia.
  • δdT: deriva de la RTP.
  • δΔtc: no uniformidad térmica.
  • δTH: no homogeneidad del termopar.
  • δTU: calibración del termopar.

Cálculo de las incertidumbres típicas

  • u(δa) = Residuo / √3
  • u(δs) = Repe / k = 0,01 / 3
  • u(δdR) = deriva / 3 = 0,01 / 3
  • u(δT) = lím. exact. / √3
  • u(Vtref)
...
Continuar leyendo "Incertidumbre de Medida en Termometría: Fórmulas ITS, IEC, UNE y Termopares" »

Regresión lineal, ANOVA, clúster y análisis factorial en SPSS: guía práctica paso a paso

Matemáticas7,55 KB

Regresión lineal

Recodificar en variables distintas
Los valores perdidos → perdidos del sistema
Todos los demás valores → perdidos del sistema
Etiquetas de valor → cambiar los nombres
Medida → escala

Analizar → Regresión → Lineales
Dependientes → Variable dependiente recodificada
Independientes → Todas las variables independientes recodificadas
Estadísticos → Coeficientes de regresión → todas las casillas

Método → Intro: realizar pasos individuales, por pasos

Resumen del modelo

Observamos que existe un único modelo.

Disponemos de la R cuadrado y la R cuadrado ajustada.

Con las variables que tenemos, observamos la varianza explicada: en este caso es del 40,7 % → es significativa (sig. < 0,001).

Realizamos la predicción, aunque...

Continuar leyendo "Regresión lineal, ANOVA, clúster y análisis factorial en SPSS: guía práctica paso a paso" »

Reactores Químicos: Balances de Materia, Cinética y Velocidad de Reacción en Sistemas Heterogéneos

Matemáticas8,02 KB

Balances de materia en reactores

Reactor discontinuo (batch): E-S=D+A; D=-A; D=Va*vr, A=dna/dt; Va*vr=-dna/dt.

Volumen constante (VCTE): dt=ca₀∫dxa/va (entre xa y 0); volumen no constante (VnoCTE): dt=na₀∫dxa/(va*vr).

Reactor continuo (no estacionario): τ/ca₀=Vr/Fa₀ = xa/va; tb en función de Fa y fa₀.

Tanque agitado discontinuo (qe=qs, vr=cte): E-S=D+A; E-S=D; Fa₀-Fa=va*vr (en función de xa).

Fa₀-Fa₀(1-xa)=va*vr*xa/va=vr/Fa₀=τ/ca₀; τ=ca₀*(xa/va).

Reactor tubular de flujo pistón: la concentración varía con la longitud, no con el radio: E-S=D+A; E-S=D; Fa-(Fa+dFa)=va*dVr; -dFa=va*dVr (en función de xa); Fa₀*dxa=va*dVr;

dxa/va=dVr/Fa₀; dxa/va=Vr/Fa₀=τ/ca₀; τ=ca₀*∫dxa/va.

Reacciones reversibles de primer

...
Continuar leyendo "Reactores Químicos: Balances de Materia, Cinética y Velocidad de Reacción en Sistemas Heterogéneos" »

Distribuciones de probabilidad y contraste de hipótesis: fundamentos en estadística

Matemáticas3,79 KB

Distribuciones de probabilidad continuas

Distribución rectangular o uniforme

Se dice que la variable aleatoria X se distribuye según una distribución rectangular o uniforme, y se nota X ~ U(a, b), si su función de densidad es:

f(x) = 1/(b − a) si x ∈ (a, b).

Para comprobar que es una función de densidad debe verificar:

  1. f(x) ≥ 0.
  2. ∫ₐᵇ f(x) dx = 1.

Distribución exponencial

Sea X una variable aleatoria valuada en ℝ⁺. Se dice que X se distribuye según una distribución exponencial si su función de densidad es:

f(x) = (1/θ) e^(−x/θ) si x > 0, θ > 0.

Se verifica que es función de densidad si:

  1. f(x) ≥ 0.
  2. ∫₀^(+∞) f(x) dx = 1.

Distribución normal

Se dice que la variable aleatoria Z sigue una distribución normal reducida,...

Continuar leyendo "Distribuciones de probabilidad y contraste de hipótesis: fundamentos en estadística" »

Patologías Respiratorias y Torácicas: Neumonía, EPOC, SAHS, Asma, Tuberculosis y Más

Matemáticas26,23 KB

Patologías respiratorias y torácicas

Neumonía

Oscila entre el 10 % y el 40 % de ingresos y el 10 % de ingresos en UCI.

Etiología

Neumococo, Chlamydophila pneumoniae, Legionella.

Patogenia

Aerobios, sangrado, otorrinolaringológicos.

Clínica

Típica y atípica.

Exploración

Descenso de saturación de oxígeno (SatO2) en el segundo trimestre.

Aparato respiratorio

Ventilación mecánica, crepitantes.

Exploración complementaria

Radiografía: vaciamiento de espacios aéreos, patrón intersticial, opacidades. Aereograma (cavitación, neumatocele).

Analítica

Leucocitosis, PCR, procalcitonina, saturación, gasometría.

Diagnóstico

  • Gram y cultivo de esputo.
  • Hemocultivos (no ambulatorios).
  • Antígeno urinario.
  • Serología (títulos).
  • Invasivo: derivación (aerobios,
...
Continuar leyendo "Patologías Respiratorias y Torácicas: Neumonía, EPOC, SAHS, Asma, Tuberculosis y Más" »

Predicados en Prolog: Listas, Árboles y Algoritmos Clásicos Explicados con Código

Matemáticas3,45 KB

1-aplanar([],[]). / Aplanar([Car|Cdr],[Car|X]):-atomic(Car),!,aplanar(Cdr,X).

aplanar([Car|Cdr],R):-aplanar(Car,Y), aplanar(Cdr,Z), Concar(Y,Z,R).

2-aplanar2(Lista,ListaA):-aplanardl(Lista,ListaA-[]).

aplanardl([],X-X).

aplanardl(A,[A|X]-X):-atomic(A),A\==[].

aplanardl([Caar|Cdr],CarA-X):aplanardl(Car,CarA-CdrA),aplanardl(Cdr,CdrA-X).

3-concat([],X,X).

concat([Car|Cdr],Y,[Car|R]):-concat(Cdr,Y,R).

4-conjunto([]).

conjunto([Car|Cdr]):-miembro(Car,Cdr),!,fail.

conjunto([_|Cdr]):-conjunto(Cdr).

5-cartesiano([],_,[]).

cartesiano([Car|Cdr,L,R:-pegar(Car,L,X),cartesiano(Cdr,L,Z),contact(X,Z,R).

pegar(_,[],[]):-!

pegar(X,[Car|Cdr],[[X,Car]|R]):-pegar(X,Cdr,R).

6-cart(x,y,z):-cart(x,y,z-[])

cart([],_,[]-[])

cart([Car|cdr],L,R-res):-pegar(car,L,R-Z),cart(Cdr,L,Z-Res)...

Continuar leyendo "Predicados en Prolog: Listas, Árboles y Algoritmos Clásicos Explicados con Código" »