Apuntes, resúmenes, trabajos, exámenes y ejercicios de Matemáticas de Universidad

Conceptos Fundamentales de Estadística

Población: Todos los elementos que son objeto de estudio.

Muestra: Subconjunto de la población.

Frecuencia Absoluta: La cantidad de veces que se repite una variable.

Frecuencia Relativa: Frecuencia absoluta dividida por el total.

Frecuencia Absoluta Acumulada: El valor de la variable se coloca de menor a mayor; a cada frecuencia absoluta se le suma la anterior.

Frecuencia Relativa Acumulada: A cada frecuencia relativa se le suma la anterior.

Tipos de Variables

Variables Cualitativas: Indican cualidades.

• Ordinales: Se pueden ordenar (ej., nivel educativo).
• Nominales: No se pueden ordenar (ej., color de ojos).

Variables Cuantitativas: Indican cantidades.

• Discretas: Entre dos valores consecutivos no se puede obtener

Procedimientos para el Tratamiento Cuantitativo de Datos

1. Seleccionar un programa estadístico en computadora para procesar los datos.
2. Ejecutar el programa: SPSS, Minitab, Stats, SAS, u otro equivalente.
3. Explorar los datos:
   • a) Analizar descriptivamente los datos.
   • b) Visualizar los datos por variable.
4. Evaluar la confiabilidad y validez logradas por el instrumento de medición.
5. Analizar mediante pruebas estadísticas las hipótesis planteadas (análisis estadístico inferencial).
6. Realizar análisis adicionales.
7. Preparar los resultados para presentarlos (tablas, gráficas, cuadros, etc.).

Conceptos Fundamentales en Estadística

Puntuación Z (o Estándar)

Es una medida que indica la dirección y el grado en que un valor individual se aleja de la media, en... Continuar leyendo "Fundamentos del Tratamiento Cuantitativo de Datos y Estadística Inferencial" »

Matrices y Determinantes

1.1. Matrices

1.1.1. Definición y Operaciones con Matrices

1.1.2. Matriz Inversa

1.1.3. Matriz Transpuesta

1.2. Determinantes

1.2.1. Definición y Función Determinante

1.2.2. Propiedades de los Determinantes

1.2.3. Cálculo de Determinantes: Método de Reducción a Forma Escalonada y Método de los Cofactores

1.2.4. Cálculo de la Matriz Inversa: Método de la Adjunta

¿Qué es una Matriz?

En matemáticas, una matriz es una tabla bidimensional de números, consistente en cantidades abstractas que pueden sumarse y multiplicarse. Las matrices se utilizan para describir:

• Sistemas de ecuaciones lineales.
• Realizar un seguimiento de los coeficientes de una aplicación lineal.
• Registrar los datos que dependen de varios parámetros.

• Las

Rentas Constantes

Las rentas constantes son flujos de pagos o cobros iguales que se realizan a intervalos regulares.

1. Rentas Temporales Postpagables

• Valor Actual (V₀): V₀ = a · [(1 - (1+i)^-n) / i]
• Valor Final (S_f): S_f = a · [((1+i)ⁿ – 1) / i]

2. Rentas Temporales Prepagables

• Valor Actual (Ä): Ä = a(1+i)[(1-(1+i)^-n)/i] = (1+i)V₀
• Valor Final (¨S_f): ¨S_f = a(1+i)[((1+i)ⁿ–1)/i] = (1+i)S_f

3. Rentas Perpetuas

Rentas Perpetuas Postpagables

• Valor Actual (A_∞): A_∞ = a · (1/i)

Rentas Perpetuas Prepagables

• Valor Actual (Ä_∞): Ä_∞ = a · [1 + (1/i)]

4. Rentas Diferidas

Las rentas diferidas son aquellas cuyo primer pago o cobro se realiza después de un período de gracia (h).

a) Diferidas Postpagables

• Valor Actual (^h/V): ^h/V = (1+i)^-h V₀ = (1+i)^-h a

Entendiendo la Multicolinealidad en Modelos de Regresión

La multicolinealidad se define como la existencia de relaciones lineales entre dos o más variables independientes (v.i.) dentro de un modelo lineal uniecuacional múltiple. Este fenómeno es común, por ejemplo, en las series temporales.

Causas Comunes de la Multicolinealidad

• Relación causal entre las variables explicativas del modelo.
• Escasa variabilidad en las observaciones de las variables independientes.
• Reducido tamaño de la muestra.

Tipos de Multicolinealidad

Multicolinealidad Perfecta o Exacta

Ocurre cuando existe una relación lineal exacta entre dos o más variables independientes. Esto provoca el incumplimiento de la condición de rango de la matriz de diseño (rango(X)). Como consecuencia,... Continuar leyendo "Multicolinealidad en Modelos de Regresión: Causas, Detección y Soluciones" »

Errores en Contraste de Hipótesis: Tipos α y β

Error Tipo α o Tipo I (Nivel de Significación)

• Se comete al decidir a favor de $H_1$ (Hipótesis Alternativa) siendo cierta $H_0$ (Hipótesis Nula).
• Error que se fija de antemano; no depende del resultado experimental.
• Es un error controlado. Las decisiones a favor de $H_1$ son siempre fiables (si $α \leq 0.05$).
• Divide al conjunto de posibles valores del estadístico de contraste en dos regiones:
  • Región de Aceptación (RA): Formada por valores que llevan a aceptar la hipótesis nula ($H_0$).
  • Región Crítica (RC) o de Rechazo: Formada por valores que llevan a rechazar $H_0$ y aceptar $H_1$.

Error Tipo β o Tipo II

• Se comete al decidir a favor de $H_0$ siendo cierta $H_1$.
• Error que no se fija de

Funciones de Transferencia

La **función de transferencia** de un sistema, denotada como G(s), se define como la relación entre la Transformada de Laplace de la salida, Y(s), y la Transformada de Laplace de la entrada, R(s), asumiendo condiciones iniciales nulas:

G(s) = Y(s)/R(s) = N(s)/D(s)

Donde:

• Los **ceros** del sistema se obtienen al igualar el numerador a cero: N(s) = 0.
• Los **polos** del sistema se obtienen al igualar el denominador a cero: D(s) = 0.

Estabilidad del Sistema

Un sistema es **estable** si todos sus polos se encuentran en el semiplano izquierdo del plano complejo (es decir, tienen parte real negativa). Si los polos se encuentran sobre el eje imaginario, el sistema presenta **estabilidad marginal**.

Criterio de Routh-Hurwitz

El *... Continuar leyendo "Conceptos Esenciales de Sistemas de Control: Funciones de Transferencia y Respuesta Temporal" »

Conceptos Fundamentales de ANOVA

ANOVA (Análisis de Varianza): Desarrollado por Ronald Fisher, permite analizar la variación total y determinar la magnitud de las distribuciones de las fuentes de variación.

• Variable Dependiente: Es el objeto de interés primario en la investigación.
• Variable Independiente: Factor que afecta directamente a la variable dependiente.
• Factor: Se define como cada variable independiente presente en el estudio.
• Tratamiento o niveles de factor: Representa la intensidad aplicada a cada factor.
• Combinación de tratamientos: Es la combinación de niveles de factor aplicados a una sola unidad experimental.
• Unidad experimental: Unidad física o conceptual a la que se le aplica un tratamiento o combinación de tratamientos.
• Aleatorización:

Distribución Normal, Binomial, Varianza y Desviación Estándar: Conceptos Fundamentales

Distribución Normal (Gaussiana)

En estadística y probabilidad, la distribución normal, también conocida como distribución de Gauss o distribución gaussiana, es una de las distribuciones de probabilidad de variable continua que aparece con más frecuencia en fenómenos reales. La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana. La importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales, sociales y psicológicos.

Aunque los mecanismos que subyacen... Continuar leyendo "Explorando la Distribución Normal, Binomial, Varianza y Desviación Estándar: Conceptos Clave" »