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

Método de Ajuste Paramétrico para Observables Incorreladas Medidas con Igual Precisión

Es un método que permite conocer las estimaciones de las observables y, a partir de ellas, determinar los mejores valores de las magnitudes objetivo. Se caracteriza por:

• a) Habrá tantas ecuaciones como observaciones, cada una de ellas con una sola observación y uno o más parámetros.
• b) El número total de parámetros será igual al número mínimo de observaciones que harán que el modelo sea determinado.

El valor estimado de cada observable (x_j) vendrá determinado por los valores de las observaciones (l_i) y por los de sus correspondientes residuos (v_i), de acuerdo con la expresión:

Así, para el caso de una sola observable (j=l) y, por tanto, una sola... Continuar leyendo "Métodos de Ajuste Paramétrico y Ecuaciones de Condición para Observables" »

Tipos de Variables Estadísticas

• Cualitativas: (Ordinales o Nominales)
• Cuantitativas:
  • Discretas: (Método de conteo, valores enteros)
  • Continuas: (Método de medición, valores enteros o decimales)

Clases de Datos Económicos

• De Sección Cruzada o de Corte Transversal: Datos sobre la medición de una variable para diferentes individuos en un mismo momento.
• Serie de Tiempo: Medición de un individuo a intervalos fijos de tiempo.
• Panel de Datos: Base de datos que combina características de Series de Tiempo y Sección Cruzada.

Variables de Trabajo y Transformaciones

• Variables de Niveles: Datos tal cual fueron obtenidos. Se trabaja con regularidad aleatoria.
• Variables en Diferencias: Se emplea en series de tiempo donde se observa una tendencia.
• Variable Porcentual:

probabilidad:  es un nº entre 0 ("imposible") y 1 ("seguro"). 1/2("indiferencia)

3)Lance 2 monedas y cuenta el # de caras CUALITATIVO

5) Se maca un pez y se devuelve al agua, probabilidad de encontrarlo

3.-Evento: (suceso) cualquier subconjunto del espacio muestral

             Asignación probabilidades

1)Clásica: Se usa cuando no... Continuar leyendo "Fundamentos de la Probabilidad: Conceptos, Espacio Muestral y Asignación de Eventos" »

Conceptos Fundamentales en Cálculo Multivariable y Optimización

Este documento presenta una recopilación de definiciones y teoremas esenciales en el ámbito del cálculo multivariable, abarcando desde puntos críticos y extremos de funciones hasta propiedades topológicas de conjuntos en Rⁿ.

Definiciones de Puntos Extremos y Críticos

Punto Crítico

Sean A un abierto de Rⁿ y f una función de A en R con derivadas parciales en un punto a ∈ A. Si D_if(a) = 0 para i = 1, 2, ..., n, se dice que a es un punto crítico de f.

Máximo Relativo

Se dice que f alcanza un máximo relativo en a ∈ A si existe una bola, B(a, r), tal que f(x) ≤ f(a) para cada x ∈ A ∩ B(a, r). Si se verifica que f(x) < f(a) para cada x ∈ (A ∩ B(a, r)) \ {a}, se... Continuar leyendo "Definiciones Clave en Cálculo Multivariable y Optimización de Funciones" »

Gráfica de Aceleración en Función del Tiempo (a-t)

La gráfica de aceleración en función del tiempo (a-t) es fundamental para comprender cómo varía la velocidad de un móvil. A partir de ella, podemos realizar los siguientes cálculos:

1. Cálculo de la Velocidad mediante el Área

   Con el área que se forma debajo de la gráfica a-t, podemos calcular la variación de velocidad ($\Delta V$) en cada tramo. Es crucial considerar la velocidad final del tramo anterior, ya que dicha velocidad final será la velocidad inicial ($V_0$) en el tramo posterior.

   Normalmente, el área que se forma corresponde a un cuadrilátero (cuadrado o rectángulo). La fórmula utilizada es:

   $$A = b \cdot h$$

   Donde:

   • b representa el intervalo de tiempo ($\Delta t$).
   • h es la

Modelo de Regresión Múltiple: Fundamentos y Características

El modelo de regresión múltiple se representa comúnmente con la siguiente ecuación:

Y = β₀ + β₁X₁ + β₂X₂ + μ

Interpretación y Supuestos Clave

• La interpretación de la Función de Regresión Poblacional (FRP) estocástica es la misma que en el modelo de **regresión simple**.
• Se mantienen los mismos **supuestos del modelo clásico de regresión**.
• Como ahora hay más de una variable explicativa, se enfatiza el supuesto de **no perfecta colinealidad** de las variables explicativas X₁ y X₂.
• Si existiera perfecta asociación lineal entre las variables, entonces los **parámetros no podrían estimarse por separado**.

Significado de los Coeficientes de Regresión

Se conocen... Continuar leyendo "Regresión Múltiple: Conceptos Esenciales, Interpretación y Pruebas de Hipótesis" »

El término "problema" se utiliza frecuentemente en el ámbito de la educación matemática para designar distintos tipos de tareas, cuya resolución exige aplicar diferentes conocimientos, habilidades y capacidades que normalmente forman parte de la programación de matemáticas.

Fases en la resolución de un problema:

1. Comprender el problema
2. Concebir un plan
3. Ejecutar el plan
4. Examinar la solución obtenida

Estrategias para resolver problemas:

• Hacer un esquema, una figura, un diagrama, una tabla...
• Experimentar para tratar de identificar o conjeturar alguna propiedad, observar patrones o regularidades.
• Estudiar casos particulares.
• Hacer ensayo y error.
• Eliminar una condición.
• Suponer el problema resuelto: pensar desde el final.
• Buscar un problema semejante

Medidas de Tendencia Central

Media Aritmética (Promedio)

La **Media Aritmética** es la suma de todos los valores de la variable, dividida por el total de ellos (N).

Propiedades de la Media

• La suma de todas las desviaciones de las variables respecto a la media es **cero**.
• La suma de todos los cuadrados de las desviaciones de las variables respecto de un promedio es **mínima** siempre que dicho promedio sea la media.
• Si a cada valor se le suma o resta una constante, la media varía la misma cantidad que la constante.
• Si cada variable se multiplica o divide por una constante, la media queda multiplicada o dividida por la constante.

Mediana

Una vez ordenados los datos, la **Mediana** es el valor de la variable que supera al 50% de los datos y es superada... Continuar leyendo "Conceptos Fundamentales de Estadística Descriptiva: Medidas y Propiedades" »

Autocorrelación en la Regresión Lineal

Introducción a la Autocorrelación

¿Qué es la autocorrelación? Es la relación que existe entre las observaciones de una variable. El problema de la autocorrelación influye directamente en las covarianzas de las perturbaciones aleatorias, ya que E(u_t, u_t-1) con s distinto de 0 (en el contexto temporal, el subíndice de las variables se entiende como t = 1, 2, 3... T). Se viola una de las hipótesis básicas establecidas en el modelo de regresión lineal, donde se asumía que las covarianzas entre las perturbaciones eran 0, es decir, no existe autocorrelación. Bajo autocorrelación, la covarianza de las perturbaciones es distinta de 0.

Causas de la Autocorrelación

¿Qué causas generan la presencia