Apuntes, resúmenes, trabajos, exámenes y problemas de Matemáticas

Fundamentos de Cálculo Diferencial en Varias Variables

Matemáticas5,21 KB

Conceptos Fundamentales de Cálculo Multivariable

Límite de una función en un punto

Sea f: C → Rq una función definida en un conjunto C ⊂ Rp y sea a ∈ Rp un punto de acumulación de C. Se dice que L ∈ Rq es el límite de f en el punto a, y lo denotaremos como limx→a f(x) = L, si: ∀ ε > 0, &exists; δ > 0 tal que si x ∈ B(a, δ) ∩ C, entonces f(x) ∈ B(L, ε).

Continuidad

Se dice que f es continua en a (siendo a un punto de acumulación de C) si existe el limx→a f(x) y se cumple que limx→a f(x) = f(a). Si a es un punto aislado de C, se dice por convenio que f es continua en a.

Derivada

Si f es una función real (q=1), se llama derivada de f en a al límite: limα→0 [f(a+α) - f(a)] / α = [f(

...
Continuar leyendo "Fundamentos de Cálculo Diferencial en Varias Variables" »

Formulario Completo de Física: Gravitación, Electromagnetismo, Ondas y Radiactividad

Matemáticas5,57 KB

Resumen de Fórmulas Fundamentales de Física

Este compendio reúne las ecuaciones clave de las principales áreas de la física, optimizado para una consulta rápida y eficiente.


Campo Gravitatorio

Fuerza y Campo

  • Fuerza Gravitatoria: $\vec{F} = -\frac{G M m}{r^2} \vec{u}_r$
  • Intensidad del Campo Gravitatorio: $\vec{g} = \frac{\vec{F}}{m}$
  • Relación entre $G M$ y gravedad superficial: $G M = g_0 R^2$

Leyes de Kepler y Movimiento Orbital

  • Momento Angular: $L = r \cdot p$, donde $p = m \cdot v$. (Conservación: $L_a = L_b$)
  • Velocidad Orbital (Circular): $V = \sqrt{\frac{G M_p}{R}}$
  • Tercera Ley de Kepler: $\frac{R_1^3}{T_1^2} = \frac{R_2^3}{T_2^2}$ (Constante)

Energía

  • Energía Potencial Gravitatoria: $E_p = -\frac{G M m}{r}$
  • Potencial Gravitatorio: $V_g = \
...
Continuar leyendo "Formulario Completo de Física: Gravitación, Electromagnetismo, Ondas y Radiactividad" »

Test de Hipótesis: Errores, Potencia, Valor P e Intervalos de Confianza

Matemáticas5,07 KB

¿Qué es el Nivel de Significancia (Alfa) en un Test de Hipótesis?

En un test de hipótesis, el nivel de significancia, denotado como alfa (α), es un valor de probabilidad predefinido que establece el umbral para rechazar la hipótesis nula (H0). Teóricamente, α puede ser 0, ya que es una probabilidad y, por lo tanto, está comprendido entre 0 y 1. Sin embargo, en la práctica, un α de 0 no tendría sentido, ya que implicaría que nunca se rechazaría H0, independientemente de si fuese cierta o no.

Error Tipo I (Alfa)

El error de tipo I, también conocido como error alfa (α), se comete al rechazar la hipótesis nula (H0) cuando esta es verdadera. Es decir, se decide a favor de la hipótesis alternativa (H1) cuando, en realidad, H0 es cierta....

Continuar leyendo "Test de Hipótesis: Errores, Potencia, Valor P e Intervalos de Confianza" »

Manual de Comandos Esenciales en R para Estadística y Ciencia de Datos

Matemáticas3,88 KB

Manipulación de Matrices y Vectores

  • A[filas, columnas]: Selecciona filas y columnas de un objeto para formar una matriz.
  • c(2:6): Genera un vector con los números especificados.
  • cbind: Combina vectores y matrices por columnas.
  • rbind: Combina vectores y matrices por filas.

Gestión del Entorno y Exploración de Datos

  • dir: Lista los objetos en el directorio de trabajo.
  • class: Muestra la clase de un objeto.
  • simple_n: Muestra el tamaño de la muestra.
  • slice: Selecciona datos según su posición.

Transformación y Limpieza de Datos (Tidyverse)

  • filter: Filtra observaciones según una condición (ej. filter(municipio == "Viti")).
  • select: Selecciona columnas (variables) específicas.
  • mutate: Añade nuevas variables o modifica las existentes.
  • summarise: Resume datos
...
Continuar leyendo "Manual de Comandos Esenciales en R para Estadística y Ciencia de Datos" »

Bondad de ajuste y estimación: R², MCO, Teorema de Gauss‑Markov, splines y GAM

Matemáticas3,37 KB

T6. Bondad de ajuste

ST = TSS: Suma Total. Corresponde a la media como valor ajustado.

SR = RSS: Suma Residual. La del estimador MCO. Menor que ST, puesto que ST sería la SR si las pendientes estimadas fueran exactamente 0.

R2: Coeficiente de determinación. Proporción de ST que captura el modelo. 0 ≤ R2 ≤ 1.

Fórmulas: R2 = (ST − SR) / ST = 1 − SR / ST.

SE = ESS: Suma Explicada. SE = ST − SR = ∑(ŷ_i − ȳ)2.

ST: SR asociada a ȳ. SR: SR asociada a estimadores MCO.

Optimalidad (o no) del estimador MCO

Teorema de Gauss‑Markov

Se extienden los mismos resultados de los mínimos cuadrados lineales (MLS). Si la muestra procede de un Modelo Lineal Gaussiano (MLG) con esperanza condicionada nula y homocedasticidad, el estimador MCO (X′X)...

Continuar leyendo "Bondad de ajuste y estimación: R², MCO, Teorema de Gauss‑Markov, splines y GAM" »

Hipótesis del modelo de regresión lineal clásica: condiciones y propiedades de los estimadores MCO

Matemáticas3,25 KB

Hipótesis

No error de especificación ni de medida

  • No error de especificación ni de medida:
  1. A) El regresando es una función lineal de los regresores.
  2. B) No se omite ninguna variable relevante ni se añade ninguna que no lo sea.
  3. C) Sin errores de observación de las variables.

Perturbación = ruido blanco

  1. A) Esperanza matemática nula: toma valores positivos o negativos, pero por término medio estos se compensan (la esperanza es conocida y nula).
  2. B) Varianza constante: la varianza es positiva y finita; mide la dispersión de cada uno de los valores respecto a su valor esperado. Es una característica absoluta, es decir, por sí misma no determina el tamaño de la muestra (Coef. Pearson).
  3. C) Covarianzas nulas: los términos del error no están
...
Continuar leyendo "Hipótesis del modelo de regresión lineal clásica: condiciones y propiedades de los estimadores MCO" »

Medidas de Dispersión y Distribuciones de Probabilidad Continua en Estadística

Matemáticas2,72 KB

Medidas de dispersión

Existen diversas medidas de dispersión; entre las más utilizadas podemos destacar las siguientes:

  • 1. Rango: mide la amplitud de los valores de la muestra y se calcula por la diferencia entre el valor más elevado y el valor más bajo.
  • 2. Varianza: mide la distancia existente entre los valores de la serie y la media. Se calcula como el sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el número de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamaño de la muestra.

La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más concentrados están los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza,...

Continuar leyendo "Medidas de Dispersión y Distribuciones de Probabilidad Continua en Estadística" »

Estadística Inferencial: Cálculo de Intervalos de Confianza y Pruebas de Hipótesis (T, Z, Chi-Cuadrado)

Matemáticas5,73 KB

Fundamentos de la Inferencia Estadística

Definiciones Clave

  • Confiabilidad (Nivel de Confianza): Es el porcentaje que se utilizará para realizar la prueba, indicando la probabilidad de que el intervalo contenga el parámetro poblacional.
  • Nivel de Significación ($\alpha$): Es la diferencia del porcentaje de confianza. Por ejemplo, si el nivel de confianza es del 95% (0.95), entonces $\alpha$ es 0.05.

Intervalos de Confianza (IC)

IC para la Media Poblacional ($\mu$) usando la Distribución T

Se utiliza cuando la varianza poblacional ($\sigma^2$) es desconocida.

Fórmula General:

$$I.C. = \bar{X} \pm ME$$

Componentes y Definiciones

  • T (Valor Crítico): Valor de la tabla T-Student. Si es una prueba de doble cola y la confiabilidad es del 95% (0.95), el
...
Continuar leyendo "Estadística Inferencial: Cálculo de Intervalos de Confianza y Pruebas de Hipótesis (T, Z, Chi-Cuadrado)" »

Conceptos Fundamentales de Estadística Descriptiva: Fórmulas y Aplicaciones

Matemáticas3,8 KB

Conceptos Fundamentales de Estadística Descriptiva

1. Coeficiente de Asociación H

El coeficiente de asociación H no tiene límites definidos. Se utiliza en tablas de contingencia para determinar el tipo de asociación entre modalidades.

  • Fórmula: H = (nij - (ni. * n.j) / N)
  • Interpretación:
    • Si H = 0, existe independencia entre las modalidades (en tablas 2x2).
    • Las frecuencias n12 y n21, así como n11 y n22, deben tener el mismo signo para comparar la asociación.

2. Terminología de Frecuencias

El lenguaje estadístico se aplica tanto a frecuencias absolutas (n) como relativas (f):

  • nij: Frecuencia absoluta conjunta (unidades con X=xi e Y=yj).
  • ni.: Frecuencia absoluta de la variable X (unidades con X=xi).
  • n.j: Frecuencia absoluta de la variable Y (unidades
...
Continuar leyendo "Conceptos Fundamentales de Estadística Descriptiva: Fórmulas y Aplicaciones" »

Procesamiento y Presentación de Datos en Investigación de Mercado

Matemáticas4,07 KB

Ejercicios de aplicación

Analiza y subraya la respuesta correcta:

  • Codificar y transcribir los datos: Tabulación de datos.
  • La actividad en la cual se aplican: Obtención de resultados.
  • El elemento para realizar conclusiones: Interpretación y conclusiones.
  • El elemento donde se utilizan: Agrupación de datos.
  • El elemento que presenta: Representación gráfica.

Procesamiento de la información

Tabulación de datos

La tabulación de datos se refiere a la codificación y transcripción de los datos obtenidos en la investigación de mercado.

Agrupación de datos

Como se pudo observar en la página 51, los datos se encuentran muy dispersos, por lo que es fundamental agruparlos con el objeto de obtener conclusiones que permitan la toma de decisiones.

Preguntas

...
Continuar leyendo "Procesamiento y Presentación de Datos en Investigación de Mercado" »