Apuntes, resúmenes, trabajos, exámenes y problemas de Matemáticas

Estadística Descriptiva: Definición y Clasificación de Variables Cuantitativas y Cualitativas

Matemáticas3,6 KB

Fundamentos de Estadística Descriptiva: Conceptos Clave

En el estudio de la estadística, es fundamental comprender la terminología básica que define el alcance y la naturaleza de los datos recolectados.

Definiciones Esenciales

  • Población: Es la colección de todos los individuos, objetos u observaciones que poseen al menos una característica en común. Puede ser finita o infinita. Se denota por N, que representa el tamaño de la población.
  • Unidad de Análisis: Es el sujeto u objeto de la población que posee las características que se van a estudiar o analizar.
  • Muestra: Es un subconjunto o parte de la población que se diseña y selecciona mediante un procedimiento llamado muestreo. Se denota por n, que representa el tamaño de la muestra.
...
Continuar leyendo "Estadística Descriptiva: Definición y Clasificación de Variables Cuantitativas y Cualitativas" »

Cinemática robótica: Euler, cuaterniones, Denavit–Hartenberg y estructuras en LabVIEW

Matemáticas741,32 KB

Cinemática robótica y estructuras de datos en LabVIEW

¿Qué es el Bundle Array?

Respuesta: En el contexto de LabVIEW (común en esta materia), un Bundle es una función que permite agrupar varios elementos de datos (como cables o variables) de diferentes tipos en una sola estructura llamada Cluster (similar a un struct en C). No es un "Array" en el sentido estricto de una lista del mismo tipo, sino un agrupamiento de elementos heterogéneos para simplificar el cableado.

¿Cuáles son los dos problemas fundamentales a resolver en la cinemática del robot?

Respuesta:

  1. Cinemática directa (Forward Kinematics): Calcular la posición y orientación del efector final dados los ángulos de las articulaciones.
  2. Cinemática inversa (Inverse Kinematics):
...
Continuar leyendo "Cinemática robótica: Euler, cuaterniones, Denavit–Hartenberg y estructuras en LabVIEW" »

Ejercicios Resueltos sobre Pruebas de Hipótesis en Estadística

Matemáticas3,24 KB

Ejercicios de Pruebas de Hipótesis

  1. La directora del departamento de estudios graduados sospecha que la edad promedio de los estudiantes de Ingeniería, que se estimaba en 25 años, ha cambiado. Si fuese a plantear una prueba de hipótesis, ¿cuál pudiera ser su hipótesis nula?
    • a. μ = 25
    • b. μ > 25
    • c. μ < 25
    • d. μ ≠ 25
  2. La persona a cargo del control de calidad de una empresa debe determinar si la máquina empacadora de azúcar funciona correctamente. Cada paquete debe contener 5 kilos de azúcar. ¿Cuál puede ser la hipótesis nula de su investigación?
    • a. μ ≤ 5
    • b. μ < 5
    • c. μ = 5
    • d. μ ≠ 5
  3. ¿Cuál de las siguientes hipótesis puede corresponder a la hipótesis alterna de una investigación?
    • a. El promedio de la muestra es igual a
...
Continuar leyendo "Ejercicios Resueltos sobre Pruebas de Hipótesis en Estadística" »

Conceptos Clave de Econometría: Endogeneidad, Heterocedasticidad y Modelos de Elección

Matemáticas7,95 KB

Problemas de Especificación y Variables Instrumentales (VI)

Endogeneidad

La endogeneidad es un problema crítico que surge cuando una variable explicativa está correlacionada con el término de error. Las causas más comunes son la omisión de variables relevantes o la simultaneidad (causalidad inversa).

Ejemplo: En un modelo que relaciona salarios con educación, una variable no observada como la habilidad innata puede afectar tanto al nivel educativo alcanzado como al salario, generando endogeneidad.

El estimador de Mínimos Cuadrados Ordinarios (MCO) se vuelve sesgado e inconsistente si existe esta correlación, es decir, si Cov(X, u) ≠ 0.

La fórmula del estimador MCO es:

β̂_MCO = (X'X)⁻¹X'Y

Solución: Variables Instrumentales (VI)

Una...

Continuar leyendo "Conceptos Clave de Econometría: Endogeneidad, Heterocedasticidad y Modelos de Elección" »

Fundamentos de Estadística Descriptiva e Inferencial

Matemáticas3,83 KB

Clasificación de Variables Estadísticas

Las variables son fundamentales para el estudio de los datos y se dividen en:

  • Variables cualitativas: describen cualidades.
  • Nominales: sin orden (ej: color de bola, tipo de moneda).
  • Ordinales: con orden (ej: nivel de satisfacción, puesto en ranking).
  • Cuantitativas: valores numéricos.
  • Discretas: valores enteros (ej: nº de monedas, aciertos).
  • Continuas: valores decimales (ej: diámetro, ingresos, peso).
  • Variable aleatoria: resultado numérico o categórico de un experimento.

Métodos de Muestreo

El muestreo es el proceso de selección de una parte de la población para su estudio:

  • Muestreo aleatorio simple: todos tienen la misma probabilidad (ej: sorteo, números al azar).
  • Sistemático: se elige cada k-ésimo
...
Continuar leyendo "Fundamentos de Estadística Descriptiva e Inferencial" »

Dominando los 3 Métodos Clave de Factorización de Polinomios

Matemáticas1,75 KB

Métodos Esenciales de Factorización Algebraica

1. Factorización de la Suma o Diferencia de Cubos Perfectos

Este método se aplica a binomios que son la suma o diferencia de dos términos elevados al cubo.

Pasos para la Factorización:

  • Se extrae la raíz cúbica de cada término del binomio.
  • Se forma un producto de dos factores: un factor binomio y un factor trinomio.
  • El factor binomio es la suma (o diferencia) de las raíces cúbicas obtenidas.
  • El factor trinomio se determina así:
    • El cuadrado de la primera raíz.
    • Menos el producto de estas raíces.
    • Más el cuadrado de la segunda raíz.

2. Factorización de una Diferencia de Cuadrados: Dos Binomios Conjugados

La diferencia de cuadrados es uno de los casos de factorización más comunes, resultando siempre...

Continuar leyendo "Dominando los 3 Métodos Clave de Factorización de Polinomios" »

Selección sistemática de elementos muéstrales

Matemáticas4,55 KB

Media:(x̄):Es el promedio, se suman todos los datos y el total se divide en la cant. De datos.

Mediana (Me):Los datos de menor a mayor y se ve cuál es el dato central (del medio)

ej:  Si la muestra es impar  ej:    5,7,6,4,3,8,7  = 3,4,5,6,7,7,8   Me=6                          Si la muestra es par   ej: 4,5,5,5,6,7,8,9,9,9  = 7+6= 13:2= 6,5 Me

Desv. Esatandar:  Medida del grado de dispersión de los datos con respecto al valor promedio. 

 Moda (Mo):N que mas se repite

Frecuencia (f):Cant. De veces que se repite el dato, al final va el n total

Frecuencia relativa: (f/n) 

Frec. Abs acumulada (F): 1ero pongo el mismo n de f y luego lo sumo con el de abajo y así

AD_4nXehsBiSTmX7P51N5W5kcJpHboLd5E0tzyGDZJhoM06kgiL5VH_5JJlBxDhrE2GqJuPZr1j3WpsOFMh9rqM1rrg3zBTBRna_yf62QVpIVNRBC5n4p5g62i72tRDtGiArNJhaHpW8?Key=wq8fe3XpBVpY4IlxLpXebg

Coef de variación (cv))=( S (varianza) /x̄) *100

AD_4nXfA_RLsb6Z-OabOYPC1gZHWW0VZx3VH46tI6K84gDi1HbcrvEKJkD_GNFUKt47iOC3lctF3p3XaAPHqjwmUJnup4HkC_CuWrDpJk62Z25D1vfv628xJzPU39jl1_L8kx-AtezAmcg?Key=wq8fe3XpBVpY4IlxLpXebg  Para el

...
Continuar leyendo "Selección sistemática de elementos muéstrales" »

Resolución de Problemas Matemáticos: Estrategias y Errores Comunes

Matemáticas3,02 KB

Resolución de Problemas Matemáticos

ETE con la ? en el Ei. P tenía uvas y L le ha dado 2, ahora tiene 7. ¿Cuántas tenía P antes del regalo? ? en T. P tenía 7 uvas, L le ha robado algunas, ahora P tiene 2. ¿Cuántas le ha robado L? ? en Ef P tenía 7 uvas y L le ha robado 2. ¿Cuántas tiene ahora P? EEE P tiene 7 uvas y L tiene 5. ¿Cuántas tienen en total? ECE con la ? en Ec P tiene 11 uvas más que L, L tiene 32. ¿Cuántas tiene P? ? en C P tiene 32 uvas, si L tiene 11, ¿Cuántas uvas más o menos que P tiene L? ? en Er P tiene 32 uvas. Tiene 11 menos que L. ¿Cuántas tiene L? TTT A P le dan 32 uvas el lunes, le dan 11 el martes. ¿Cuántas ha recibido en total? CTC con la ? en T P tenía 32 uvas menos que L antes; ahora tiene...

Continuar leyendo "Resolución de Problemas Matemáticos: Estrategias y Errores Comunes" »

Conceptos Fundamentales de la Teoría de Grafos: Definiciones y Teoremas Clave

Matemáticas6,3 KB

Fundamentos de Grafos y Dígrafos

Grafo Dirigido o Dígrafo

Un Grafo Dirigido (o Dígrafo, también llamado grafo orientado, simple y finito) es un par $G = (W, F)$ formado por dos conjuntos finitos:

  • $W \neq \emptyset$: El conjunto de sus vértices o nodos.
  • $F \subseteq W \times W$: El conjunto de sus arcos o flechas.

Cada flecha $e \in F$ es un par ordenado de dos vértices $e = (v, w) \in W \times W$, que llamaremos, respectivamente, inicio y fin de la flecha.

Grafo No Orientado

Un Grafo No Orientado (simple y finito) es un par $G = (W, F)$ formado por dos conjuntos finitos:

  • $W \neq \emptyset$: El conjunto de sus vértices.
  • $F \subseteq \{\{v, w\} / v, w \in W \text{ y } v \neq w\}$: El conjunto de sus lados o aristas.

Grafos Isomorfos

Dos grafos $G_...

Continuar leyendo "Conceptos Fundamentales de la Teoría de Grafos: Definiciones y Teoremas Clave" »

Monomios y Polinomios: definiciones, operaciones y descomposición en factores primos

Matemáticas3,94 KB

Monomio

Monomio, expresión algebraica formada por el producto de números y letras (variables) elevadas a exponentes.

Elementos del monomio

  • Coeficiente: la parte numérica.
  • Parte literal: las variables con sus exponentes.
  • Grado del monomio: la suma de los exponentes de las variables.

Operaciones con monomios

  1. Suma y resta de monomios.

    Solo se pueden sumar o restar monomios semejantes (es decir, con la misma parte literal). Si son semejantes, se suman o restan los coeficientes y se mantiene la parte literal.

  2. Multiplicación de un número por un monomio.

    Se multiplica el número por el coeficiente y se mantiene la parte literal.

  3. Producto de monomios.

    Se multiplican los coeficientes y se suman los exponentes de las mismas variables en la parte literal.

...
Continuar leyendo "Monomios y Polinomios: definiciones, operaciones y descomposición en factores primos" »