Álgebra de matrices. Programación lineal. Estadística

Determinantes. Matriz inversa. Rango. Gauss. Sistemas ecuaciones lineales. Rouché. Cramer. Programación lineal. Dual. Distribución. Medidas dispersión

  • Enviado por: Servidor Bob
  • Idioma: castellano
  • País: España España
  • 126 páginas
publicidad
cursos destacados

Modelado en 3D
Dsigno
El curso de Modelado en 3D está especialmente diseñado para formarte en el modelado, caracterización material,...
Solicita InformaciÓn

publicidad

  • MATRICES Y DETERMINANTES.

  • MATRICES.

    1.Definiciones.

    Matriz: Se llama matriz de orden mxn a todo conjunto rectangular de elementos aij dispuestos en m filas y n columnas.

    a11 a12 ..............................a1n

    A = a21 a22 ..............................a2n

    .............................aij.......................

    am1 am2..............................amn

    Matriz fila: Es una matriz de orden 1xn

    A = (a11 a12...........................a1n)

    Matriz columna: Es una matriz de orden mx1

    b11

    B = b21

    .

    .

    bm1

    Matriz Cuadrada: Es una matriz que cumple que el nº de filas es igual al número de columnas.

    Existen dos clases de diagonales: la principal y la secundaria.

    a11 a12.................. a1n

    a21 a22...........a2n-1 a2n

    A = ....................................

    an1 an2....................ann

    a11 a22 a33 ann => fila=columna

    Diagonal Principal: Aquella formada por los elementos a11 a22 a33... (solo en las matrices cuadradas).

    Diagonal Secundaria: Aquella formada por los elementos a1n a2n-1.....ann.

    Matriz Triangular: Es una matriz cuadrada que tiene nulos los elementos que están a un lado de la diagonal principal. Habrá matrices Triangulares Superiores, que son aquellas que tienen nula la parte inferior de la diagonal principal.

    3 2 -7 Triangular Superior

    A = 0 4 0

    0 0 1 i > j => aij = 0

    Matriz Triangular Inferior: Es una matriz que tiene nula la parte superior de la diagonal principal.

    -1 0 0

    A = 3 2 0 i < j => aij = 0

    -2 -1 3

    Matriz Diagonal: Es una matriz cuadrada que tiene nulos los elementos de ambos lados de la diagonal principal.

    -1 0 0

    D = 0 2 0

    0 0 3

    Matriz Unidad o identidad: Es una matriz diagonal que tiene todos los elementos de la diagonal principal igual a 1.

    1 0 1 0 0

    I = 0 1 I = 0 1 0

    0 0 1

    1 si i = j

    aij=

    0 si i = j

    Matriz Traspuesta: Una matriz traspuesta de una matriz A, es la que se obtiene al convertir ordenadamente las filas a columnas, se representa por At.

    A = (aij) mxn

    At = (aij) nxm

    2 -1 3 2 0

    A = 0 2 1 At -1 2

    3 1

    (2*3)

    (3*2)

    Matriz Simétrica: Una matriz simétrica de una matriz cuadrada A, es aquella que es igual a su traspuesta, es decir, son iguales todos los elementos que son simétricos respecto de la diagonal principal.

    aij = aji

    1 -1 2

    A = -1 0 1

    2 1 3

    Suma de matrices.

    En el conjunto de matrices mxn se define una ley de composición interna llamada suma de matrices, de forma que si tenemos una matriz A=(aij)mxn y una matriz B=(bij)mxn se define matriz suma A+B=C

    C=(cij)mxn; A,B Mmxn

    De forma que cada (Cij) lo obtenemos de la suma de aij+bij

    Ejemplo:

    -1 2 3

    A= 0 -1 2 4 1 5

    A+B=C= 0 0 -2

    5 -1 2

    B= 0 1 -4

    Propiedades de la suma de matrices.

    1. Conmutativa: Si yo sumo A+B obtengo el mismo resultado que si sumo B+A y eso se verifica sí A, B Mmxn

    2. Asociativa: (A+B)+C = A+(B+C); A, B, C Mmxn

    3. El elemento neutro: Se llama matriz nula, se denota siempre Omn, es una matriz que todos sus elementos son 0.

    A+Omn=A, A Mmxn

    4. El elemento opuesto: Que es la matriz opuesta se denota (-A)

    A+(-A) = (-A)+A = Omn; A Mmxn

    Producto de una matriz por un número real.

    Dado el conjunto de matrices de orden Mmxn se define una ley de composición externa, llamada producto de un numero real por una matriz de orden mxn de forma que A=(aij)mxn y un numero real K (K ) se llama K*A = (K*aij)mxn

    K = 1

    -1 1 0

    1 -1 0 K*A= -2 -3 1

    A= 2 3 -1

    Propiedades del producto de una matriz por un número real.

    1. Distributiva mixta del producto respecto de la suma de matrices.

    K.(A+B) = K*A+K*B; A,B Mmxn; K

    Ejemplo:

    1. K·(A+B)

    1 -2 3 3 1 7

    A = A+B = C =

    0 2 -1 1 2 -1

    2 3 4 6 2 14

    B = C·K = D =

    1 0 0 2 4 -2

    K = 2

    2.

    K=3 3 4 1 6 A = B =

    2 5 3 2

    3 4 1 6 4 10 12 30

    3· + = 3· =

    2 5 3 2 5 7 15 21

    2'.

    3 4 1 6 9 12 3 18

    3 + 3 = + =

    2 5 3 2 6 15 9 6

    12 30

    =

    15 21

    2. Distributiva mixta del producto respecto de la suma de números reales.

    (K+r)*A = k*A+r*A; A Mmxn; k,r

    3. Asociativa mixta:

    (k*r)*A = k*(r*A); A Mmxn; k,r

    4. El neutro para la ley externa:

    1*A = A; A Mmxn; 1

    Producto de dos matrices.

    Para que dos matrices A y B puedan multiplicarse en este orden A*B es necesario que el número de columnas de la primera matriz A sea igual al número de filas de la segunda matriz B.

    A= (aij)mxn

    A*B = C = (Cik)mxp A * B

    B= (bjk)nxp

    =

    Cik = ai1 * bk1 + ai2 * bk2................+ ain * bnk = aih * bhk

    A = (aij)mxn A * B = Si se puede

    B = (bjk)nxp B * A = No se puede

    a11 a12...............a1n b11 b12.......b1k......b1p

    a21 a22...............a2n b21 b22.......b2k......b2p

    A*B =

    ai1 ai2................ain .......................................

    am1 am2..............amn bn1 bn2........bnk.....bnp

    C12...............................

    ......................................

    ..................Cik..............

    ......................................

    A=(aij)2·3 -1 2 3 5 -1

    A=

    B=(bjk)3·2 0 -1 2 B= 1 3

    0 1

    5 -1

    -1 2 3

    A·B= · 1 3 =

    0 -1 2

    0 1

    C11 C12

    (-1)·5+2·1+3·0 (-1)·(-1)+2·3+3·1 -3 10

    = =

    0·5+(-1)·1+2·0 0·(-1)+(-1)·3+2·1 -1 -1

    C21 C22

    NO SE VERIFICA LA PROPIEDAD CONMUTATIVA.

    SI SE VERIFICA LA PROPIEDAD ASOCIATIVA.

    Propiedades:

    - Asociativa: (A·B)·C=A·(B·C) A,B,C Mn

    Ejemplo:

    ( A · B ) · C = A · ( B · C )

    (2·1) (1·2) (2·3) (3·2)

    (2·2) (2·2)

    -1

    -1 2 0

    A = ; B = 2 ; C= 5 6

    2 1 -1

    5 (1·2)

    (2·3) (3·1)

    1ª Parte.

    5 5 25 30

    A·B= ; (A·B)·C= 5 6 = 11 12

    -5 -5 -25 -30

    21 22

    2ª Parte.

    -1 -5 -6

    B·C= 2 (5 6) = 10 12 ;

    5 25 30

    (3·2)

    -5 -6

    -1 2 0 25 30

    A·(B·C)= · 10 12 =

    2 1 -1 -25 -30

    25 30

    5+20+0=25

    6+24+0=30

    -10+10-25=-25

    -12+12-30=-30

    - Distributiva respecto de la suma de matrices: A·(B+C)=A·B+A·C A,B,C Mn

    Ejemplo:

    2 -1 -2 4 4 2

    A= B= C=

    5 0 3 1 7 -3

    2 -1 -2 4 4 2 2 -1 -2 4 2 -1 4 2

    · + = · + ·

    5 0 3 1 7 -3 5 0 3 1 5 0 7 -3

    2 -1 2 6 -7 7 1 7

    = +

    5 0 10 -2 -10 20 20 10

    -6 14 -6 14

    =

    10 30 10 30

    - Elemento Neutro:

    Matriz Unidad: A·In = In·A = A; A Mn

    Ejemplo:

    -1 2 0 0 0 0

    0 0 0 0

    5 2 · = 0 0 0 0

    0 0 0 0

    -5 1 0 0 0 0

    Otro ejemplo:

    -1 2 4 6 0 0

    · =

    1 -2 2 3 0 0

    DETERMINANTES.

    Determinante: Sea A una matriz cuadrada de orden n se llama determinante de A al polinomio cuyos términos son todos los posibles productos de n factores tomados entre los n elementos de A de modo que en cada termino haya un solo factor de cada fila y un solo factor de cada columna, y afectando a cada termino del signo + o del - según que las permutaciones de los índices de las filas y las columnas sean de la misma clase o de distinta clase (par o impar). El número de términos de un determinante de orden n es n factorial.

    a11 a12 a13

    |A| = a21 a22 a23 3! = 3*2*1 = 6

    a31 a32 a33

    |A| = a11*a22*a33+a12*a23*a31+a13*a21*a32-a11*a23*a32-a12*a21*a33-a13*a22*a31

    a11 a12

    |A| = = a11*a22-a12*a21

    a21 a22

    2! = 2*1 = 2

    Regla de Sarrus.

    Dentro del polinomio los términos positivos serán:

    La suma de la diagonal principal mas sus paralelas por la esquina contraria.

    Los términos negativos serán.

    La diagonal secundaria mas sus paralelas por la esquina contraria

    Ejemplos de la regla de Sarrus.

    a11 a12

    |A| = = a11*a22-a12*a21

    a21 a22

    a11 a12 a13

    |A| = a21 a22 a23

    a31 a32 a33

    |A| = a11*a22*a33+a12*a23*a31+a13*a21*a32-a13*a22*a31-a11*a23*a32-a12*a21*a33

    1 2 3

    4 -5 6 = -5 + 24 - 12 + 30 + 6 - 8 = 60 - 25 = 35

    2 -1 1

    DEFINICIONES.

    Menor Complementario: Dada una matriz cuadrada A de orden n se llama menor complementario ij de un elemento aij al determinante de orden n-1 que resulta al suprimir la fila y la columna del elemento aij.

    Ejemplo:

    5 6

    1 2 3 11= = -5 - 6 = 11

    A = 4 5 6 1 -1

    2 1 -1

    4 6

    12= = -4 -12 = -16

    2 -1

    2 3

    13= = 12 - 15 = -3

    5 6

    Adjunto: Dada una matriz cuadrada A de orden n se llama adjunto (Aij) de un elemento aij al valor de la siguiente expresión:

    A11 = (-1) 1+1 * 11 A12 = (-1)1+2 * 12

    A11 = 1 * 5 6 = -11 A12 = (-1) * (-16) = 16

    1 -1

    PROPIEDADES DE LOS DETERMINANTES.

    1. Si cambiamos ordenadamente las filas por columnas el determinante no varia, es decir, el determinante de A es igual al determinante de su traspuesta.

    |A| = |At|

    a b a c

    = ad - bc ; = ad - cb

    c d b d

    2. Si se intercambian entre si dos líneas paralelas, filas o columnas, el determinante solo cambia de signo pero el valor absoluto se mantiene invariable.

    F1 cambio F2

    a b c d a b

    = ad - bc ; = bc - ad = -

    c d a b c d

    1 2 3

    4 -5 6 = 24-12+30+6 = 60+12 = 48

    2 -1 0

    F1 cambio F3

    2 -1 0

    4 -5 6 = -30-6-24+12 = -48

    1 2 3

    3. Multiplicar un número por un determinante equivale a multiplicar dicho número por los elementos de una de sus líneas (una fila o una columna).

    a b K.a K.b K.a b

    K . = =

    c d c d K.c d

    1 2

    2. = 2 . (4-6) = 2 . (-2) = -4

    3 4

    K.a b 2 4

    = 8-12 = -4

    K.c d 3 4

    4. Un determinante con dos líneas paralelas iguales o proporcionales vale 0.

    a b c

    d e f = aec + bfa + cdb - cea - afb - bdc = 0

    a b c

    a d k.a a d a

    b e k.b = k. b e b = k.0 = 0

    c f k.c c f c

    Ejemplo con números:

    1 4 2

    2 5 4 = 30 + 48 + 24 - 30 - 24 - 48 = 0

    3 6 6

    5. Si cada elemento en una línea dada es suma de dos términos, se puede desdoblar en dos determinantes de la siguiente forma:

    a b c a b c a b c

    d+x e+y f+z = d e f + x y z

    g h i g h i g h i

    Ejemplo con números:

    1 2 3 1 2 3

    4+2 5-1 6+1 = 6 4 7 = 20+42-72-36+28-60 = -78

    3 -4 5 3 -4 5

    1 2 3

    4 5 6 = 25+36-48-45+24-40 = -48

    3 -4 5

    -48-30= -78

    1 2 3

    2 -1 1 = -5+6-24+9+4-20 = -30

    3 -4 5

    6. Si a una línea se le suma otra paralela multiplicada por un número el determinante no varía.

    a b c a b c

    d e f = d+k.a e+k.b f+k.c

    g h i g h i

    f`2 = f2 + kf1

    Nota: Nunca se puede poner f´2 = 5f2 + kf1

    Ejemplo con números:

    2 3 5 2 3 5

    -1 2 0 = 5 11 15 =22+45-25-55+30-15=2

    1 -1 1 1 -1 1

    f´2 = f2 + 3f1

    k = 3

    7. Si una línea es una combinación lineal de otras dos o más líneas paralelas el determinante es 0.

    l1 = K2.l2 +K3.l3 ; K2, K3

    2 líneas iguales

    = 0

    2 líneas proporcionales

    Combinación lineal de las restantes

    Ejemplo con números:

    2 3 5

    5 5 9 = 0 f2 = 2f1 + f3

    1 -1 -1

    8. El determinante de una matriz triangular o diagonal es igual al producto de los elementos de la diagonal principal.

    a b c

    0 d e = a.d.f

    0 0 f

    9. El valor de un determinante es igual a la suma de los productos de los elementos de una línea por sus adjuntos correspondientes.

    a11 a12 a13 a14

    a21 a22 a23 a24

    = a11.A11 + a12.A12 + a13.A13 + a14.A14

    a31 a32 a33 a34

    a41 a42 a43 a44

    = a11. -a12. +a13. -a14.

    Ejemplo con números

    -1 2 -3 4

    6 7 8 5 7 8

    5 6 7 8

    = (-1) -10 11 12 -2 9 11 12

    9 -10 11 12

    14 -15 16 14 -15 16

    13 14 -15 16

    5 6 8 5 6 7

    -3 9 -10 12 -4 9 -10 11 = -(4400)-2(-360)-3(480)-4(4344)= -18880

    13 14 15 13 14 -15

    10. Si A y B son dos matrices cuadradas de orden n entonces se verifica que el determinante de su producto es igual al producto de sus determinantes.

    |A . B| = |A| . |B| ; A,B Mn

    2 3 1 2

    A = B =

    0 1 2 -1

    2 3 1 2 2 3 1 2

    . = .

    0 1 2 -1 0 1 2 -1

    8 1

    = 2 . (-1-4)

    2 -1

    -10 = -10

    11. Un determinante con una línea de 0 vale 0.

    a b c

    d e f = 0

    0 0 0

    3. METODOS PARA RESOLVER DETERMINANTES DE CUALQUIER ORDEN.

    Existen tres métodos:

    1. Por adjuntos.

    2. Regla de Chio.

    3. Triangulando la matriz.

    1. Por adjuntos: Aplicando la propiedad Nº 9 de los determinantes se desarrolla por los adjuntos de una línea, convirtiéndose entonces el determinante inicial en varios determinantes de orden n-1 y se puede repetir el proceso con los determinantes resultantes hasta llegar a los de orden 3 que podemos calcular directamente a través de la regla de Sarrus.

    Ejemplo:

    1 2 -1 0 3

    2 -1 0 3 1 -1 0 3 1 2 0 3

    2 3 4 5 -1

    3 4 5 -1 2 4 5 -1 2 3 5 -1

    -2 5 1 0 -1 1 -1 -1

    5 1 0 -1 -2 1 0 -1 -2 5 0 -1

    3 4 7 5 -4

    4 7 5 -4 5 7 5 -4 3 4 5 -4

    151 152 -153 054 -255

    1 2 -1 0

    2 3 4 5 Ahora de cada determinante habría que hacer lo mismo hasta

    -2 = que nos quedasen solo determinantes de orden 3.

    -2 5 1 0

    3 4 7 5

    4 5 -1 3 5 -1 3 4 5

    2 1 0 -1 + 5 0 -1 -3 5 1 0

    7 5 -4 4 5 -4 4 7 5

    2. Regla de Chio: Se busca una línea que tenga algún elemento de valor 1 que se denomina Elemento Pivote y se le aplica la propiedad Nº 6 de los determinantes (Si a una línea se le suma otra línea paralela multiplicada por un número, el determinante no varía) respecto al Pivote para conseguir que el resto de los elementos de esa línea sean nulos.

    Aplicando la propiedad Nº 9 de los determinantes, el determinante inicial quedará reducido a uno de menor orden, al que hay que anteponer signo + o - correspondiente al signo del adjunto de dicho Pivote.

    Ejemplo:

    1 0 1 2 1 0 0 0

    1 3 1

    -1 1 2 -1 -1 1 3 1

    = = 3 1 0 = 19

    1 3 2 2 1 3 1 0

    -1 -2 -3

    2 -1 0 1 2 -1 -2 -3

    C'3 = C3 - C1

    C'4 = C4 + (-2)C1

    1 -1 0 1 1 -1 0 1

    -1 2 1 3 -4 5 1 0

    =

    2 1 3 0 2 1 3 0

    3 2 0 1

    f'2 = f2 -3f1

    f'4 = f4 - f1

    Dos casos de esta regla:

    a) 2 3 -6 -1 3 -6

    5 4 -3 = 1 4 -3

    2 8 -5 6 8 -5

    C'1 = C1 - C2

    b) 2 3 -6 1 3/2 -3

    ½ 5 4 -3 = 5 4 -3

    2 8 -5 2 8 -5

    3. Triangulacion: Consta de n-1 etapas, en una etapa i cualquiera tomamos como Pivote el elemento que este en la posición aii (Diagonal Principal) y a través de la propiedad Nº 6 anulamos todos los elementos que queden por debajo de su columna, en la siguiente etapa anulamos los elementos por debajo del siguiente elemento de la Diagonal Principal, y así hasta conseguir triangular la matriz. Aplicando la propiedad Nº 8 y obtenemos el valor del determinante como el producto de los elementos de la Diagonal Principal.

    Ejemplo:

    -1 3 2 -1 -1 3 2 -1 -1 -1 2 3 -1 -1 2 3

    2 -2 1 3 0 4 5 1 0 1 5 4 0 1 5 4

    = = - = - =

    0 -5 10 4 0 -5 10 4 0 4 10 -5 0 0 -10 -21

    7 -8 9 -2 0 13 23 -9 0 -9 23 13 0 0 68 49

    f `2 = f2 + 2f1 C2 por C4 f `3 = f3 - 4f2

    f `4 = f4 + 7f1 f `4 = f4 + 9f2

    -1 -1 2 3

    0 1 5 4

    = - = - (-938) = 938

    0 0 -10 -21

    0 0 0 -938/10

    f `4 = f4 +68/10f3

    MATRIZ INVERSA.

    Dada una matriz cuadrada A se llama matriz inversa, y se representa A-1, a la matriz que cumple:

    A . A-1=A-1 . A=In

    Ejemplo:

    x+2z=1

    1 2 1 2 x y 1 0 y+2t=0 -2 1

    A= ; . = 3x+4z=0 A-1

    3 4 3 4 z t 0 1 3y+4t=1 3/2 -1/2

    La matriz A-1 se puede calcular así:

    A-1 = 1 . [Adj . (A)]t

    |A|

    1º. |A|

    A11 A12..........A1n

    2º. Adj (A) =

    An1 An2….......Ann

    A11…………..An1 K.A11………….

    3º. [Adj (A)]t = ; A-1 = K . =

    A1n…………..Ann

    PROPIEDADES DE LA MATRIZ INVERSA.

    1ª) Si la matriz A es singular (cuando su determinante es nulo) en ese caso no existe su matriz inversa.

    Si A es singular (|A|=0) A-1

    2ª) Si A es regular (cuando su determinante es <> de 0) podemos afirmar que existe su inversa y además esta matriz es única.

    Si A es regular (|A|=0) A-1, A-1 es única

    3ª) La matriz inversa de un producto de matrices es igual al producto de la inversa del segundo factor por la inversa del primer factor.

    (A . B)-1= B-1 . A-1 ; A, B Mn ; A, B regulares

    4ª) La inversa de la inversa de A es A.

    (A-1)-1 = A ; A Mn ; |A| = 0

    Ejemplos:

    A-1 = 1 . [Adj . (A)]t 1 2

    |A| A=

    3 4

    1 2

    |A| = = 4-6 = -2 = 0 A-1

    3 4

    4 -3 4 -2 -2 1

    Adj (A) = ; A-1 = -1/2 =

    -2 1 -3 1 3/2 -1/2

    1 -1 0

    A = 2 1 -1

    0 2 3

    1 -1 0

    |A| = 2 1 -1 = 3+2+6 = 11 = 0 A-1

    0 2 3

    1 -1 - 2 -1 2 1

    2 3 0 3 0 2

    5 -6 4

    - -1 0 1 0 - 1 -1

    Adj (A)= 2 3 0 3 0 2 = 3 3 -2

    -1 0 - 1 0 1 -1 1 1 3

    1 -1 2 -1 2 1

    5 3 1

    A-1= -6 3 1

    11

    4 -2 3

    RANGO DE UNA MATRIZ.

    1ª. Definición: Toda matriz A sea o no cuadrada lleva asociado un número natural que se denomina rango de A, y se simboliza r(A), tal número coincide con el máximo número de vectores linealmente independientes de los que forman la matriz.

    2ª. Definición: Llamando menores de orden h, a los determinantes de las submatrices formadas por todos los elementos comunes a h filas y h columnas de la matriz A, se define rango de A al número natural que expresa el mayor de los ordenes de los menores no nulos de la matriz A.

    Ejemplo:

    r(A)=3 ............................

    ............................ = 0

    ............................

    PROPIEDADES.

    Propiedad 1: El rango de una matriz es como máximo el más pequeño entre m y n.

    r(A) < min (m, n)

    Propiedad 2: El número de filas linealmente independientes que hay en una matriz coinciden con el máximo número de columnas linealmente independientes.

    OPERACIONES ELEMENTALES (Que se pueden realizar en una matriz para el calculo de su rango).

    1ª) Si se intercambian dos filas o dos columnas entre si el rango no se modifica.

    2ª) Si una fila o una columna tiene todos los elementos nulos puede ser suprimida.

    3ª) Se puede eliminar una línea que sea combinación lineal de otra u otras.

    a b c a b c

    a b c

    d e f = 0 r d e f = r

    g h i

    g h I g h i

    f2 = 2f1 f2 = 2f1

    f2 = 2f1+3f3 f2 = 2f1+3f3

    4ª) Se puede multiplicar o dividir toda una línea por un número distinto de 0 y el rango no se altera.

    a/a b/a

    a

    c d

    a b 2a 2b

    r = r

    c d c d

    5ª) Una línea se puede sustituir por ella misma más un número no nulo por otra línea paralela.

    a b c

    d e f =

    g h i

    f `2 = f2 + k . f1

    6ª) Una línea se puede sustituir por el producto de un número no nulo por ella misma más un número no nulo por otra línea paralela.

    Li = k1 . Li + k2 . Lj

    CALCULO DEL RANGO A TRAVES DEL METODO DE MENORES.

    Sea una matriz A formada por m vectores. A=(V1 , V2.........Vm)

    1º) Seleccionar dos vectores y buscar un menor no nulo, entre todos.

    Si lo hay significa que V1 y V2 son linealmente

    x x independientes, por lo tanto, como mínimo su rango es 2.

    = 0

    x x Si no lo hay significa que V1 y V2 son linealmente

    dependientes, por lo tanto, podría probar con V1 y V3.

    V1 y V2 son L.I. => r(A) >= 2

    V1 y V2 son L.D. (suprimiríamos V2)

    2º) Partiendo del menor no nulo de orden 2 se selecciona un nuevo vector, por ejemplo V3, y se van calculando todos los posibles menores de orden 3 que resulten al orlar el menor no nulo.

    x x x

    Si lo hay => V1, V2 y V3 son L.I. => r(A)>=3

    V3 x x x = 0

    Si no lo hay =>V3 es C.L. del V1 y del V2(suprimir V3 y probar V4)

    x x x

    Ejemplo:

    1 2 4 7 V1

    2 1 5 8 V2 1 2

    A= ; = -3 = 0 V1 y V2 son L.I. r(A)>=2

    -1 3 1 3 V3 2 1

    0 -1 -1 2 V4

    1 2 4 1 2 7

    2 1 5 =0 ; 2 1 8 =0 V3 es C. L. De V1 y V2

    -1 3 1 -1 3 3

    1 2 4 1 2 7

    2 1 5 = 0 ; 2 1 8 = -12 = 0 V1, V2, V4 son L.I. r(A)=3

    0 -1 -1 0 -1 2

    Ejercicio:

    2 -1 11 2 V1

    4 5 -2 5 V2

    A =

    2 1 0 1 V3

    1 2 -1 2 V4

    2 -1

    =10+4=14 = 0 V1 Y V2 son L.I. r(A) >=2

    4 5

    2 -1 1

    4 5 -2 = 0+4+4-10+0+4=2 = 0 V1, V2 Y V3 son L.I. r(A)>=3

    2 1 0

    2 -1 2

    4 5 5 =20-5+16-10-20+8=9 = 0

    1 2 2

    2 -1 1 2 2 -1 1 2

    8 3 9

    4 5 -2 5 8 3 0 9

    = = + 2 1 1 =0 V4 es C.L. de V1, V2, V3

    2 1 0 1 2 1 0 1

    3 1 4 r(A)=3

    1 2 -1 2 3 1 0 4

    f `2=f2+2f1

    f `4=f4+f1

    CALCULO DEL RANGO A TRAVES DEL METODO DE GAUSS.

    Por filas:

    Este método constará de m-1 etapas. En una etapa i cualquiera se deja fija la fila i, tomando como referencia el elemento aii por medio de operaciones elementales se hacen 0 todos los elementos de su columna que estén por debajo de él.

    Si el elemento aii es igual a 0 es preciso intercambiar previamente esa fila con alguna otra inferior o la columna con alguna otra posterior hasta conseguir que el elemento aii sea distinto de 0.

    Finalmente el rango es el número de filas distintas de 0 que obtengamos.

    x x x x x x x

    0 x x x x x x

    0 0 x x x x x

    0 0 0 x x x x

    0 0 0 0 x x x

    Ejemplo:

    1 -4 2 -1 1 -4 2 -1

    1 -4 2 -1 1 -4 2 -1

    2 -1 0 1 0 7 -4 3

    A = ; r(A) = r = r 0 7 -4 3 = r 0 7 -4 3

    3 -12 6 -3 0 0 0 0

    0 1 3 -1 0 0 25 -10

    0 1 3 -1 0 1 3 -1

    f `2=f2-2f1 f `3=7f3-f2

    f `3=f3-3f1

    r(A) = 3

    2 -1 3 5 2 -1 3 5 2 -1 3 5

    2 0 1 3 0 -1 -2 -2 0 -1 -2 -2

    r = r = r r(A) = 4

    1 2 -1 0 0 4 -3 -3 0 0 -11 -11

    1 3 1 2 0 6 1 1 0 0 -11 -11

    f `2=f2-f1 f `3=4f2+f3

    f `3=2f3-f2 f `4=6f2+f3

    f `4=2f4-f2

    Ejercicio:

    2 -1 3 5 -1 2 3 5

    2 0 1 3 0 2 1 3

    r = r =

    1 2 -1 0 2 1 -1 0

    1 3 1 2 3 1 1 2

    C1 por C2

    2 -1 3 5 2 -1 3 5

    0 1 -2 -2 0 1 -2 -2

    = = r r(A) = 3

    0 0 5 5 0 0 5 5

    0 0 13 13 0 0 0 0

    f `4=5f4-13f3

    EJERCICIOS:

    1º.

    1 -2 1 -1

    A·X=B A= 1 3 2 B= 3

    2 5 4 5

    A · X = B

    A-1 · A · X = A-1 ·B

    I ·X

    X

    2º.

    5 0 1 3 3 -3

    3A+XB=C A= B= C=

    -2 1 2 2 0 -1

    3A + XB = C

    XB = C - 3A

    X·B · B-1 = [C - 3A] ·B-1

    3º.

    1 0 -1

    ¿m? A-1 A= 0 m 3

    4 1 -m

    TEMA2. SISTEMAS DE ECUACIONES LINEALES.

    DEFINICIONES.

    Sistema de Ecuaciones Lineales: Se llama Sistema de Ecuaciones Lineales a todo junto de ecuaciones que presente la siguiente forma.

    a11 x1 + a12 x2 +...........+ a1n xn = b1

    aij : Coeficientes.

    a21 x1 + a22 x2 +...........+ a2n xn = b2

    xj : Incógnitas

    .......................................................

    bi : Términos independientes

    am1 x1 + am2 x2 +........+ amx xn = bm

    m : Ecuaciones. n : Incógnitas.

    a11 a12...... ........... a1n x1 b1

    a21 a22...... ............a2n x2 b2

    . .

    a31 a32..................a3n * . = .

    . .

    ......................................... . .

    . .

    am1 am2.………..amn xn bm

    Discutir un Sistema: Es averiguar si tiene soluciones y en ese caso cuantas hay.

    Una vez discutido se pasa a resolver

    Resolver un Sistema: Es hallar todas sus soluciones, es decir, los valores que sustituidos en las xi (incógnitas) hacen que se verifiquen todas las ecuaciones.

    Sistemas Equivalentes: Dos sistemas son equivalentes cuando tienen las mismas soluciones.

    En función de la discusión podemos obtener una clasificación de los sistemas:

    S. Incompatibles: No poseen solución.

    S.C. Determinados: Son los que poseen

    solución única

    Clasificación S. Compatibles: Poseen solución.

    S.C. Indeterminados:Son los que poseen infinitas soluciones.

    Otra clasificación:

    S. Homogéneos: Son aquellos en los que todos los términos independientes son nulos, B=0.

    S. No Homegéneos: Son aquellos en los que no todos los términos independientes son nulos, B=0.

    TEOREMA DE ROUCHÉ-FRÖBENIUS.

    Este teorema es aplicable en sistemas no homogéneos en principio.

    La condición necesaria y suficiente para que un Sistema de m ecuaciones y n incógnitas tenga solución es que el rango de la matriz de los coeficientes sea igual al rango de la matriz ampliada con los términos independientes.

    m = 4

    n = 3

    a11 x1 + a12 x2 + a13 x3 = b1

    a21 x1 + a22 x2 + a23 x3 = b2

    a31 x1 + a32 x2 + a33 x3 = b3

    a41 x1 + a42 x2 + a43 x3 = b4

    Matrices Asociadas:

    Matriz Coeficientes Matriz Ampliada

    a11 a12 a13 a11 a12 a13 b1

    a21 a22 a23 a21 a22 a23 b2

    a31 a32 a33 a31 a32 a33 b3

    a41 a42 a44 a41 a42 a44 b4

    A

    A'

    r = n S.C. Determinado

    r(A) = r(A') = r => S. Compatible (tiene solución) r < n S.C. Indeterminado

    r(A) = r(A') => S. Incompatible (no tiene solución)

    METODOS PARA RESOLVER LOS SISTEMAS.

    1. Resolución por inversión de la matriz.

    Para poder resolverlo por este método se tienen que cumplir dos cosas:

    1º. El número de ecuaciones tiene que ser igual que el número de incógnitas. (m=n).

    2º. El determinante de A debe ser distinto de 0. (|A| = 0).

    Ejemplo:

    A · X = B X = A-1 · B

    3X-Y=2 3 -1 0

    2X+Y+Z=0 |A| = 2 1 1 = 1 = 0

    3Y+2Z=-1 0 3 2

    -1 -4 6

    Adj (A) = 2 6 -9

    -1 -3 5

    -1 2 -1

    A-1=1/1[Adj (A)]t= 2 6 -9

    6 -9 5

    -1 2 -1 2 -1 X = -1

    X = A-1·B -4 6 -3 · 0 = -5 Y = -5

    6 -9 5 -1 7 Z = 7

    2. Regla de CRAMER.

    Cualquier incógnita Xi es igual a un cociente cuyo denominador es el determinante de la matriz de coeficientes (|A|= ) y cuyo numerador es el determinante que se obtiene al cambiar la columna i del determinante anterior por la columna de los términos independientes.

    Xi =

    Ejemplo

    C1 B C3

    X2=

    C1 C2 C3

    Ejemplo con números:

    3X-Y=2 3 -1 0

    2X+Y+Z=0 |A| = = 2 1 1 = 1 = 0

    3Y+2Z=-1 0 3 2

    2 -1 0

    0 1 1

    -1 3 2 -1

    X = = = -1

    1 1

    3 2 0

    2 0 1

    0 -1 2 -5

    Y = = = -5

    1 1

    X = -1

    3 -1 2 Y = -5

    2 1 0

    0 3 -1 7 Z = 7

    Z = = = 7

    1 1

    3. Método de GAUSS.

    La utilización de operaciones elementales en el método de GAUSS garantiza dos cosas:

    1º. El Rango de la matriz primitiva coincide con el rango de la matriz transformada.

    2º. El sistema de ecuaciones asociado a la matriz transformada es equivalente al sistema de ecuaciones asociado a la matriz primitiva.

    a11 a12 a13 b1 a11 a12 a13 b1

    a21 a22 a23 b2 0 a22' a23' b2'

    r = =............................. = r =

    a31 a32 a33 b3 0 0 a33' b3'

    a41 a42 a43 b4 0 0 0 b4'

    a11 x1 + a12 x2 + a13 x3 = b'1

    a'22 x2 + a'23 x3 = b'2

    a3'3 x3 = b'3

    Ejercicio:

    x + y = 1

    x - y = 5

    2x - y = 8

    3x + 4y = 1

    1 1 1 1 1 1 1 1 1

    1 -1 5 0 -2 4 0 1 -2

    2 -1 8 0 -3 6 0 -3 6

    3 4 1 0 1 -2 0 -2 4

    A f '2 = f2 - f1 f2 por f4

    f `3 = f3 - 2f1

    A' f `4 = f4 -3f1

    *

    1 1 1 r(A)=2

    S.C. Determinado

    0 1 -2 r(A')=2

    0 0 0 r = n

    S.C. Determinado

    0 0 0 2 = 2

    f `3 = f3 + 3f2 r(A)=2

    f `4 = f4 + 2f2 r(A')=2

    *

    x + y = 1 x -2 = 1 SOLUCIONES.

    x = 3

    y = -2 x = 3

    y = -2

    Ejercicio: Discutir por Rouche y resolver por Gauss.

    x + y + z = 6

    x - y + 2z = 5

    x + y - z = 0

    1 1 1 6 1 1 1 6

    1 -1 2 5 0 -2 1 -1

    1 1 -1 0 0 0 -2 -6

    r(A)=3

    f `2 = f2 - f1 r(A')=3

    f `3 = f3 - f1

    r(A) = r(A') = 3 => S.C. r = n => S.C. Determinado

    x + y + z = 6

    -2y + z = -1

    -2z = -6

    z = 3

    -2y + 3 = -1 x + 2 + 3 = 6

    -2y = -1 - 3 x = 1

    y = -4/-2

    y = 2

    SOLUCIONES.

    x = 1 Nota: Los cambios de filas no importa, pero

    y = 2 cambios de columna si afectan.

    z = 3

    Ejercicio:

    x - y - 2z = -1

    2x - 3y + 4z = 4

    5x - y + 3z = 16

    1 -1 -2 -1 1 -1 -2 -1

    r 2 -3 4 4 = r 0 -1 8 6 =

    5 -1 3 16 0 4 13 21

    A f `2 = f2 - 2f1

    A' f '3 = f3 - 5f1

    1 -1 -2 -1

    = r 0 -1 8 6 r(A) = r(A') = 3

    0 0 45 45

    f `3 = f3 - 4f2

    x - y - 2z = -1 45z = 45 -y + 8 = 6 x - 2 - 3 = -1

    -y + 8z = 6 z = 1 -y = 6 - 8 x = -1 + 2 + 2

    45z = 45 y = 2 x = 3

    SOLUCIONES.

    x = 3

    y = 2

    z = 1

    SISTEMA COMPATIBLE INDETERMINADO.

    r(A) = r(A') = r

    r < n

    nº de ecuaciones < nº de incógnitas

    n - r = nº de parámetros en función de los que queda la solución. Ejemplo:

    4 - 3 = 1

    Sobre el sistema de ecuaciones asociado a la matriz de rangos, resolvemos por alguno de los siguientes procedimientos:

    1º. Despejando desde la última ecuación a la primera y por sustitución en las anteriores (Gauss).

    2º. Pasando al término independiente n-r incógnitas y resolviendo por Cramer, considerando las incógnitas del lado derecho y los términos independientes como un solo término.

    Ejercicio:

    x - 2 -u = 1

    2x - 8y -z + u = 2

    y + 3z - 2u = -2

    1 -2 0 -1 1 1 -2 0 -1 1

    r 2 -8 -1 1 2 = r 0 -4 -1 3 0 =

    0 1 3 -2 -2 0 1 3 -2 -2

    f `2 = f2 - 2f1

    1 -2 0 -1 1

    r(A)=3

    = r 0 -4 -1 3 0 r(A)=r(A') S.C.

    r(A')=3 r<n S.C Indeterminado

    0 0 11 -5 -8

    r-n = 4-3 = 1 uniparamétrico.

    f `3=4f3 - f2 A

    A'

    SOLUCIONES.

    x-2y-u=1 5u - 8 15+25ç

    -4y - z + 3u = 0 z = x =

    11z - 5u = -8 11 11

    8 - 5u 4+14u 2+7u 2+7ç

    y = 1/4 [-z+3u] = 1/4 [ +3u] = = y =

    11 22 11 11

    5ç-8

    z =

    4 + 14u 15 + 25u 11

    x = 1 +2y + u = 1+ + u =

    11 11

    u = ç

    Ejercicio:

    x - 2y - u = 1 x - 2y = 1 + u

    -4y - z + 3u = 0 -4y - z = -3u

    11z - 5u = -8 11z = -8 + 5u

    1 + u 1 -2 0

    B -3u |A| = 0 -4 -1 = -44

    -8 + 5u 0 0 11

    1+u -2 0

    -3u -4 -1

    dx -8+5u 0 11 -100u-60 25u+15

    x = = = =

    d -44 -44 11

    1 1+u 0

    0 -3u -1

    0 -8+5u 11 -28u-8 7u-2

    y = = =

    -44 -44 11

    1 -2 1+u

    0 -4 -3u

    0 0 -8+5u -20u-8 5u-8

    z = = =

    -44 -44 11

    SOLUCIONES.

    25u+15 7u-2 5u-8

    x = y = z =

    11 11 11

    SISTEMAS HOMOGÉNEOS.

    Un sistema de ecuaciones lineales se llama homogéneo cuando sus términos independientes son todos nulos.

    Incompatible

    1ª Clasificación

    Determinado

    Compatible

    Indeterminado

    Sistemas no Homogéneos (B=0)

    2ª Clasificación

    Sistemas Homogéneos

    Sistemas Homogéneos::»

    Debido a esto siempre existirá al menos una solución, que es la que se conoce como solución trivial, que es aquella que asigna 0 a todas las incógnitas del sistema.

    Solución Trivial::» (Xi = 0)

    Ejemplo de Sistema Homogéneo:

    r = n ::» S. C. Determinado (Sol. Trivial)

    r(A) = r(A*) = r

    r < n ::» S. C. Indeterminado (Infinitas soluciones)

    n - r = p

    Ejercicios:

    x + 4z = 0

    x + 2y - z = 0

    x - y + z = 0

    2x + 2y - 7z = 0

    1 0 4 0 1 0 4 0

    1 2 -1 0 0 2 -5 0

    r = r =

    1 -1 1 0 0 -1 -3 0

    2 2 -7 0 0 2 -15 0

    f2' = f2-f1

    f3' = f3-f1

    f4'= f4-2f1

    1 0 4 0 1 0 4 0

    0 2 -5 0 0 2 -5 0

    = r = r

    0 0 -11 0 0 0 -11 0

    0 0 -10 0 0 0 0 0

    f3' = 2f3+f2 f4' = -11f4-10f3

    f4' = f4-f2

    r(A) = r(A*) = 3

    r = n ::» S.C.Determinado (Sol. Trivial)

    3 = 3

    Ejercicio:

    x - y + z + t = 0

    2x - 3y + 3t = 0

    y + 2z - t =0

    1 -1 1 1 0 1 -1 1 1 0

    r 2 -3 0 3 0 = r 0 -1 -2 1 0 =

    0 1 2 -1 0 0 1 2 -1 0

    f2' = f2-2f1

    1 -1 1 1 0

    = r 0 -1 -2 1 0

    0 0 0 0 0

    f3' = f3+f2

    r(A) = r(A*) = 2

    r < n ::» S.C. Indeterminado

    n - r = 4 - 2 = 2 Biparamétrico

    Hay otras dos maneras de resolver el ejemplo de la hoja anterior:

    1ª)

    1 -1 1 1 0

    r = 0 -1 -2 1 0

    0 0 0 0 0

    x - y + z + t = 0

    -y - 2z + t = 0 ::» y = -2z + t

    x = y - z - t = -2z + t - z - t = -3z

    x = -3 y = -2 + z = t =

    2ª)

    x + y + t = 0 x - y = -z - t

    -y - 2z + t = 0 -y = 2z - t

    1 -1 -z -t

    |A| = = -1 B =

    0 1 2z -t

    -z-t -1

    2z-t -1 z + t + 2z - t

    x = = = = -3z

    -1 -1

    1 -z-t

    0 2z-t

    y = = = -2z + t

    -1

    x = -3

    y = -2 +

    t =

    Resolver:

    2x + y + 3z - t = 0

    x - y + z - 2t = 0

    3x + y - 2z + 4t = 0

    x - y - 2z + t = 0

    Discutir y resolver según los valores de a:

    -2x - 4y + 7z = 0

    9x - ay + 3z = 0

    -5x + 3y -2z = 0

    TEMA3. PROGRAMACIÓN LINEAL.

    Concepto de Programación Lineal: Un problema de optimización consiste en maximizar o minimizar una determinada función, llamada función objetivo, que depende de una serie de variables. Estas variables suelen estar relacionadas entre si por una o varias restricciones.

    En concreto la Programación Lineal consiste en la resolución de un problema de optimización con ecuaciones lineales, de la forma:

    Optimizar F = C1·X1 + C2· X2 +....................+ Cn·Xn

    Restricciones:

    a11·x1 + a12·x2 +....................+ a1n·xn >=< b1

    a21·x2 + a22·x2 +....................+ a2n·xn >=< b2

    ·

    ·

    ·

    ·

    an1·x1 + an2·x2 +....................+ amn·xn >=< bm

    x1, x2………………..xn >= 0

    Ejercicio: Una empresa fabrica dos tipos de productos A y B, para lo que dispone de una persona que trabaja 8 horas y de un total de 9 kg de material prima para fabricarlos. Se desea averiguar el número de productos a fabricar de cada tipo para obtener el máximo beneficio, sabiendo que el beneficio por cada producto es de 2 y 3 respectivamente (medido en miles de pesetas). Además se conocen los datos referidos a las horas empleadas para cada producto y a la materia prima necesaria para cada uno de ellos.

    PRODUCTO A

    PRODUCTO B

    X1

    X2

    Horas de trabajo

    1

    2

    Materia Prima (Kg)

    3

    1

    X1 = Nº de unidades de producto A

    X2 = Nº de unidades de producto B

    Max B = C1·X1 + C2·X2

    Max B = 2x1 + 3x2

    Restricciones:

    1x1 + 2x2 <= 8

    3x1 + 1x2 <= 9

    x1, x2 >= 0

    1. Método Gráfico (Máximo 2 variables)

    Ejemplo del Método Gráfico con el ejercicio anterior.

    Max B = 2x1 + 3x2

    S.A: 1x1 + 2x2 <= 8

    3x1 + 1x2 <= 9

    x1, x2 >= 0

    x1 + 2x2 = 8 3x1 + x2 = 9 B = 2x1 + 3x2

    x1 = 0 ::» x2 = 4 x1 = 0 ::» x2 = 9 Pte = -3/2

    x2 = 0 ::» x1 = 8 x2 = 0 ::» x1 = 3 Pto recta (-3,2)

    x1 + 2x2 = 8 x1 = 2

    Max B = 2·2 + 3·3 = 13.000 pts

    3x1 + x2 = 9 x2 = 3

    10

    8

    6

    Pto. Optimo.

    4

    2

    -6 -4 -2 0 2 4 6 8 10

    Dos unidades del producto A y 3 unidades del producto B y su beneficio será de 13.000 pts.

    Ejercicio: Un agricultor desea abonar su campo y sabe que precisa como mínimo 17 Kg de fósforo y 8 Kg de Nitrógeno. En la tienda donde va a comprar estas sustancias, disponen de dos productos, el producto A contiene un 20% de fósforo y un 30% de nitrógeno y cuesta 300 pts el Kg, y el producto B contiene un 30% de fósforo y 10% de nitrógeno y cuesta 300 pts.

    ¿Qué cantidad ha de comprar de cada producto para que su gasto sea mínimo?. Planteamiento y resolución.

    Min G = 300x1 + 300x2 x1 = Kg de producto A

    x2 = Kg de producto B

    PRODUCTO A

    PRODUCTO B

    FÓSFORO

    0'2

    0'3

    NITRÓGENO

    0'3

    0'1

    S.A: 0'2x1 + 0'3x2 >= 17

    0'3x1 + 0'1x2 >= 8

    x1, x2 >= 0

    0'2x1 + 0'3x2 = 17 0'3x1 + 0'1x2 = 8 G = 300x1 + 300x2

    x1 = 0::» x2 = 17/0'3 = 56'6 x1 = 0::» x2 = 8/0'1 = 80 Pte = -1

    x2 = 0::» x1 = 17/0'2 = 85 x2 = 0::» x1 = 8/0'3 = 26'6

    100 0'2x1 + 0'3x2 = 17

    Pto.Mínimo 0'3x1 + 0'1x2 = 8

    80

    x1=10

    60 x2=50

    40

    20

    -20 0 20 40 60 80 100

    Debe comprar 10 uni. de A y 50 de B, y el gasto será de 18.000 pts

    Ejercicio: Minimizar Z = 5x1 + 10x2, sujeto a las siguientes restricciones.

    x1 + x2 >= 5

    2x1 + 4x2 >= 8

    3x1 >= 9

    x1, x2 >= 0

    x1 + x2 = 5 2x1 + 4x2 = 8 3x1 = 9

    x1 = 0 ::» x2 = 5 x1 = 0 ::» x2 = 2 x1 = 9/3 = 3

    x2 = 0 ::» x1 = 5 x2 = 0 ::» x1 = 4

    Z = 5x1 + 10x2

    Pte = -10/2 = -2

    10

    8

    6

    4

    2 Pto.Mínimo

    -6 -4 -2 0 2 4 6 8 10

    x1 + x2 = 5

    Min Pto (5,0)

    x2 = 0

    2. Algoritmo de Simples.

    Es un método matricial que permite resolver problemas de programación lineal con cualquier número de variables.

    Max Z Min Z

    Max Z = C1·X1 + C2·X2 +....................+ Cn·Xn

    S.A:

    a11·x1 + a12·x2 +………………..+ a1n·xn <= b1

    a21·x1 + a 22·x2 +……………….+ a2n·xn <= b2

    ·

    ·

    ·

    ·

    an1·x1 + an2·x2 +………………...+ ann·xn <= bn

    x1, x2…………………….xn >= 0

    X1

    (C1 C2……………..Cn) · X2 Max Z = C·X

    ·

    ·

    Xn

    a11 a12................a1n x1 b1

    a21 a22................a2n x2 b2

    · · <= · A·X<=B

    · · ·

    · · ·

    an1 an2................ann xn bn

    Algoritmo.

    Antes de aplicar el algoritmo, hay que transformar todas aquellas restricciones que tengan forma de desigualdad en igualdades, añadiendo las denominadas variables de holgura.

    a11·x1 + a12·x2 +………………..+ a1n·xn + u1 = b1

    a21·x1 + a 22·x2 +……………….+ a2n·xn + u2 = b2

    ·

    ·

    ·

    ·

    an1·x1 + an2·x2 +………………...+ ann·xn + un = bn

    Tabla Inicial del Simples:

    Se escriben todas las variables y a continuación las de holgura:

    X1

    X2

    ··············

    Xn

    U1

    U2

    ··············

    Um

    a11

    a12

    ··············

    a1n

    1

    0

    ··············

    0

    b1

    a21

    a22

    ··············

    a2n

    0

    1

    ··············

    0

    b2

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    an1

    an2

    ··············

    ann

    0

    0

    ··············

    1

    bn

    C1

    C2

    ··············

    Cn

    0

    0

    ··············

    0

    SUPUESTO DE PARTIDA.

    Se parte desde el punto (0,0)

    Variables básicas (antes eran las de holgura).

    b1 = U1

    b2 = U2

    bn = Un

    Pasos para llegar al Óptimo:

    1º. Localizar el elemento positivo mayor de la última fila. Este nos indicará cual será la variable entrante en la base (se marca con un triángulo).

    X2

    ·

    ·

    ·

    C2

    2º. Se obtiene todos los cocientes resultantes de dividir el valor de la última columna entre el elemento de su misma fila correspondiente a la columna marcada en el paso 1. De entre estos valores se elige el menor de todos que sea positivo y nos indicará cual es la Variable Saliente de la base. El elemento en que se corten la Variable Entrante con la Variable Saliente, será el elemento pivote de la tabla.

    b1 / a12 = 5

    b2 / a22 = 2 Se elige el menor de los positivos.

    ·

    ·

    bn / an1 = 8

    b2 = v2 :::» Variable Saliente

    a22

    3º. Conseguir un pivote unidad. Para ello dividiré entre el pivote a toda la fila.

    4º. Mediante operaciones elementales con las restantes filas, tomando fija la fila del elemento pivote, conseguir que en su columna los restantes elementos sean nulos.

    F1' = F1 - a12 F2

    Cambio de variables se introduce en el lugar de la Variable Entrante la Variable Saliente y viceversa.

    5º. Comprobar si quedan elementos positivos en la fila inferior, tendríamos que iterar todo el proceso. en caso contrario significará que hemos llegado al óptimo, la solución se encontrará en:

    b1 = U1

    b2 = U2

    Ejercicio'(Por el metodo del algoritmo de simples): Una empresa fabrica dos tipos de productos A y B, para lo que dispone de una persona que trabaja 8 horas y de un total de 9 kg de material prima para fabricarlos. Se desea averiguar el número de productos a fabricar de cada tipo para obtener el máximo beneficio, sabiendo que el beneficio por cada producto es de 2 y 3 respectivamente (medido en miles de pesetas). Además se conocen los datos referidos a las horas empleadas para cada producto y a la materia prima necesaria para cada uno de ellos.

    Max Z= 2x1 + 3x2 V. Saliente: ROJO

    V. Entrante: AZUL

    S.A.: x1 + 2x2 <= 8

    3x1 + x2 <= 9

    x1, x2 >= 0

    x1 + 2x2 + U1 = 8

    3x1 + x2 + U2 = 9

    X1

    X2

    U1

    U2

    1

    2

    1

    0

    8=U1

    3

    1

    0

    1

    9=U2

    2

    3

    0

    0

    0=Z

    8/2 = 4 Se coge este, por que es el menor positivo.

    9/1 = 9

    X1

    X2

    U1

    U2

    1

    1

    1/2

    0

    4=U1

    3

    1

    0

    1

    9=U2

    2

    3

    0

    0

    0=Z

    f1' = ½·f2

    X1

    X2

    U1

    U2

    ½

    1

    ½

    0

    4=X2

    5/2

    0

    -1/2

    1

    5=U2

    ½

    0

    -3/2

    0

    -12=Z

    f2'=f2-f1

    f3' = f3-3f1

    X1

    X2

    U1

    U2

    ½

    1

    ½

    0

    4=X2

    5/2

    0

    -1/2

    1

    5=U2

    ½

    0

    -3/2

    0

    -12=Z

    4/1/2 = 8

    5/5/2 = 2

    X1

    X2

    U1

    U2

    ½

    1

    ½

    0

    4=X2

    1

    0

    -1/5

    2/5

    2=U2

    ½

    0

    -3/2

    0

    -12=Z

    f2'=2/5·f2

    X1

    X2

    U1

    U2

    0

    1

    3/5

    -1/5

    3=X2

    1

    0

    -1/5

    2/5

    2=X1

    0

    0

    -7/5

    -1/5

    -13=Z

    f1'=f1-1/2·f2

    f3'=f3-1/2·f2

    No debe producir A y debe producir 4 unidades de producto B y le sobrarán 5 Kg de recursos ociosos.

    Ejercicio 1 (hoja): Se desea fabricar dos tipos de bombones que llamaremos A y B. Las cajas de tipo A contienen 1 kg. de chocolate y 2 de cacao; las de tipo B contienen 2 kg. de chocolate, 1 kg. de cacao y 1 kg. de almendras. Disponemos de 500 kg. de chocolate, 400 de cacao y 225 de almendras. Por cada caja de tipo A se ganan 200 pts. y por cada caja de tipo B 300 pts. ¿Cuántas cajas de cada tipo hay que fabricar para que la ganancia sea máxima?. Se pide resolver el problema a través del algoritmo de Simplex.

    X1 ::» Número de cajas de bombones de tipo A.

    X2 ::» Número de cajas de bombones de tipo B.

    MAX Z = 200x1 + 300x2

    S.A: x1 + 2x2 <= 500 (chocolate)

    2x1 + x2 <= 400 (cacao)

    x2 <= 225 (almendras)

    x1, x2 >=0

    x1 + 2x2 + U1= 500

    2x1 + x2 + U2 = 400

    x2 + U3 = 225

    x1, x2 >=0

    X1

    X2

    U1

    U2

    U3

    1

    2

    1

    0

    0

    500

    2

    1

    0

    1

    0

    400

    0

    1

    0

    0

    1

    225

    200

    300

    0

    0

    0

    0

    X1

    X2

    U1

    U2

    U3

    1

    2

    1

    0

    0

    500=U1

    2

    1

    0

    1

    0

    400=U2

    0

    1

    0

    0

    1

    225=U3

    200

    300

    0

    0

    0

    0

    V. Saliente: ROJO V. Entrante: AZUL Elemento Pivote: VERDE

    X1

    X2

    U1

    U2

    U3

    1

    0

    1

    0

    -2

    50=U1

    2

    0

    0

    1

    -1

    175=U2

    0

    1

    0

    0

    1

    225=X2

    200

    0

    0

    0

    -300

    -67500=Z

    f1'=f1-2f3

    f2'=f2-f3

    f4'=f4-300f3

    Como no he llegado al óptimo continuo.

    X1

    X2

    U1

    U2

    U3

    1

    0

    1

    0

    -2

    50=U1

    2

    0

    0

    1

    -1

    175=U2

    0

    1

    0

    0

    1

    225=X2

    200

    0

    0

    0

    -300

    -67500=Z

    X1

    X2

    U1

    U2

    U3

    1

    0

    1

    0

    -2

    50=X1

    0

    0

    -2

    1

    3

    75=U2

    0

    1

    0

    0

    1

    225=X2

    0

    0

    -200

    0

    100

    -77500=Z

    f2'=f2-2f1

    f4'=f4-200f1

    X1

    X2

    U1

    U2

    U3

    1

    0

    1

    0

    -2

    50=X1

    0

    0

    -2

    1

    3

    75=U2

    0

    1

    0

    0

    1

    225=X2

    0

    0

    -200

    0

    100

    -77500=Z

    X1

    X2

    U1

    U2

    U3

    1

    0

    1

    0

    -2

    50=X1

    0

    0

    -2/3

    1/3

    1

    75=U2

    0

    1

    0

    0

    1

    225=X2

    0

    0

    -200

    0

    100

    -77500=Z

    f2'=1/3·f2

    X1

    X2

    U1

    U2

    U3

    1

    0

    -1/3

    2/3

    0

    100=X1

    0

    0

    -2/3

    1/3

    1

    25=U3

    0

    0

    2/3

    -1/3

    0

    200=X2

    0

    0

    -400/3

    -100/3

    0

    -80000=Z

    f1'=f1+2f2

    f3'=f3-f2

    f4'=f4-100f2

    Solución: Se deben fabricar 100 cajas de tipo A y 200 cajas de tipo B, para que así el beneficio sea de 80.000 pts. Además tenemos un excedente de 25 kilogramos de almendras.

    PROBLEMA DUAL.

    Todo problema de maximización lleva asociado uno de minimización ,y viceversa, se dice que uno es el problema DUAL del otro.

    PRIMAL DUAL

    MIN Z = C·X MAX Z' = Bt·Y

    S.A: A·X >= B S.A: At·Y <= Ct

    X >= 0 Y >=0

    Ejemplo:

    Y1

    Y2

    U1

    U2

    50=Y1

    200=Y2

    0

    0

    -10

    -50

    -300000=Z'

    X1 X2

    Las soluciones del PRIMAL se encuentran en la tabla final del DUAL debajo de las variables de holgura con el signo cambiado.

    Hay un teorema que dice que la función objetivo es la misma para el PRIMAL que para el DUAL.

    Zmin = Z'max

    Ejercicio (Resuelto por DUAL): Un agricultor desea abonar su campo y sabe que precisa como mínimo 17 Kg de fósforo y 8 Kg de Nitrógeno. En la tienda donde va a comprar estas sustancias, disponen de dos productos, el producto A contiene un 20% de fósforo y un 30% de nitrógeno y cuesta 300 pts el Kg, y el producto B contiene un 30% de fósforo y 10% de nitrógeno y cuesta 300 pts.

    ¿Qué cantidad ha de comprar de cada producto para que su gasto sea mínimo?. Planteamiento y resolución.

    Min C = 300x1 + 300x2 X1 = Kg de producto A

    X2 = Kg de producto B

    PRODUCTO A

    PRODUCTO B

    FÓSFORO

    0'2

    0'3

    NITRÓGENO

    0'3

    0'1

    Min C = 300x1 + 300x2

    S.A: 0'2x1 + 0'3x2 >= 17

    0'3x1 + 0'1x2 >= 8

    x1, x2 >= 0

    DUAL

    Max C' = 17y1 + 8y2

    S.A: 0'2y1 + 0'3y2 <= 300

    0'3y1 + 0'1y2 <= 300

    y1, y2 >= 0

    0'2y1 + 0'3y2 + U1 = 300 300/0'2 = 1500

    0'3y1 + 0'1y2 + U2 = 300 300/0'3 = 100

    y1, y2 >=0

    Y1

    Y2

    U1

    U2

    0'2

    0'3

    1

    0

    300=U1

    0'3

    0'1

    0

    1

    300=U2

    17

    8

    0

    0

    0=C'

    V. Saliente: ROJO V. Entrante: AZUL Elemento Pivote: VERDE

    Y1

    Y2

    U1

    U2

    0'2

    0'3

    1

    0

    300=U1

    1

    1/3

    0

    10/3

    1000=U2

    17

    8

    0

    0

    0=C'

    f2'=f1-10/3·f2

    Y1

    Y2

    U1

    U2

    0

    7/30

    1

    -2/3

    100=U1

    1

    1/3

    0

    10/3

    1000=Y2

    0

    7/3

    0

    -170/3

    -17000=C'

    f1'=f1-2/10·f2

    f3'=f3-17·f2

    2ª Iteración.

    Y1

    Y2

    U1

    U2

    0

    7/30

    1

    -2/3

    100=U1

    1

    1/3

    0

    10/3

    1000=Y2

    0

    7/3

    0

    -170/3

    -17000=C'

    Y1

    Y2

    U1

    U2

    0

    1

    30/7

    -20/7

    3000/7=U1

    1

    1/3

    0

    10/3

    1000=Y2

    0

    7/3

    0

    -170/3

    -17000=C'

    f1'=30/7·f1

    Y1

    Y2

    U1

    U2

    0

    1

    30/7

    -20/7

    3000/7=Y1

    1

    0

    -10/7

    90/21

    6000/7=Y2

    0

    0

    -10

    -50

    -18000=C'

    f2'=f2-1/3·f1

    f3'=f3-7/3·f1

    X1 = 10 Kg. de producto A

    X2 = 50 Kg. de producto B

    Coste Mínimo = 18.000 u.m.

    Ejercicio 2 (hoja): Una fabrica de neumáticos especiales decide estudiar cómo reducir sus costes de aprovisionamiento de materias primas para optimizar sus resultados. El departamento de fabricación estipuló que, en principio, necesitaba al menos una hora de trabajo-máquina y 5 kg. de materia prima para mantener el ritmo de la cadena de producción de acuerdo al ritmo de demanda previsto. El precio de la hora-máquina es de 3 u.m., y de 1 u.m. el kg. de materia prima, siendo los neumáticos fabricados de dos clases: de lluvia y para hielo.

    Se pide: Averiguar qué cantidad de neumáticos de cada clase hay que producir para minimizar los costes de fabricación de acuerdo con la siguiente tabla:

    Hrs.-Máq

    Kg.

    HIELO

    1

    2

    LLUVIA

    1

    1

    X1 = Número de neumáticos de HIELO.

    X2 = Número de neumáticos de LLUVIA.

    Coste Neum. de HIELO = 1 Hrs-Máq · 3 u. m. + 2 kg. · 1 u.m. = 5

    Coste Neum. de LLUVIA= 1 Hrs-Máq · 3 u. m. + 1 kg. · 1 u.m. = 4

    MIN C = 5x1 + 4x2

    S.A.: x1 + x2 >= 1 Hor-Máq

    2x1 + x2 >= 5 kg

    x1, x2 >= 0

    DUAL

    MAX C' = y1 + 5y2

    S.A.: y1 + 2y2 <= 5

    y1 + y2 <= 4

    y1, y2 >= 0

    y1 + 2y2 + U1 = 5

    y1 + y2 + U2 = 4

    y1, y2 >= 0

    Y1

    Y2

    U1

    U2

    1

    2

    1

    0

    5=U1

    1

    1

    0

    1

    4=U2

    1

    5

    0

    0

    0=C'

    V. Saliente: ROJO V. Entrante: AZUL Elemento Pivote: VERDE

    Y1

    Y2

    U1

    U2

    ½

    1

    1/2

    0

    5/2=U1

    1

    1

    0

    1

    4=U2

    1

    5

    0

    0

    0=C'

    f1'=1/2·f1

    Y1

    Y2

    U1

    U2

    ½

    1

    1/2

    0

    5/2=Y1

    1/2

    0

    -1/2

    1

    3/2=U2

    -3/2

    0

    -5/2

    0

    -25/2=C'

    f2'=f2-f1

    f3'=f3-5f1

    X1 = 2'5 Neumáticos de HIELO

    X2 = 0 Neumáticos de LLUVIA

    2º. CUATRIMESTRE.

    TEMA1. EL PROCESO ESTADÍSTICO.

    ESTADÍSTICA DESCRIPTIVA.

    Es la parte de la estadística que a través de la acumulación de información, su análisis y síntesis permite describir el comportamiento de un fenómeno.

    El objetivo formal de la descripción estadística es la masa estadística o población.

    Sobre esa población que tenemos que definir es preciso elegir la característica desde la cual se quiere estudiar la población. De esta forma, la característica divide o clasifica a la población original en masas parciales o subpoblaciones estadísticas.

    No siempre se puede hacer una investigación exhaustiva de la población y en ese caso tendremos que recurrir al sondeo o al estudio de la misma a través de una muestra que es un subconjunto del total de casos de la población, pero es imprescindible que la muestra sea representativa del total de casos de la población. Para el proceso de muestreo se suele hacer mediante tablas de números aleatorios, de forma que todos los elementos de la población tienen la misma probabilidad de pertenecer a la muestra. Este proceso se conoce como MUESTREO ALEATORIO SIMPLE (M.A.S.).

    Se denominan individuos o elementos poblacionales a todos los elementos que constituyen la población.

    Los caracteres de un individuo pueden presentar dos o más modalidades que son las diferentes situaciones posibles de un carácter. Una propiedad de las modalidades de una misma característica es que deben ser incompatibles y exhaustivas, es decir, cada individuo presenta una y sólo una de las modalidades del carácter.

    Tipos de Caracteres o Características.

    Se distinguen entre características cualitativas y cuantitativas.

    a) Características Cualitativas: Son las que expresan una cualidad que generalmente no tiene representación numérica.

    También se las denomina Atributos, y clasifican a la población en categorías. Ejemplo:

    MORENO

    Color RUBIO

    de CASTAÑO

    Pelo PELIRROJO

    b) Características Cuantitativas: Son las que permiten asignar a cada elemento de la población un número real.

    Se las denomina también Variables Estadísticas, pueden ser de tipo Discreto o de tipo Continuo.

    Variables Estadísticas Discretas: Aquellas que solo pueden tomar valores numéricos enteros. Ejemplo:

    1

    2

    Nº de hijos 3

    4

    5

    Variables Estadísticas Continuas: Son aquellas en las que la variable tiene la posibilidad de adoptar cualquier número real. En general son continuas todas las variables relacionadas con tiempo, longitudes, volúmenes, etc... .

    Ejemplo:

    LONGITUD DE SALTO

    Menos de 5

    Se denominan Limite Inferior y Limite Superior a sus extremos.

    5 - 5'5

    [5'5 - 6'0)*

    *Si se diera el caso de que una longitud fuese 5'5 se colocaría aquí.

    6'0 - 6'5

    6'5 - 7'0

    7'0 - 7'5

    7'5 - 8'0

    8'5 - 9'0

    Mas de 9'0

    Cuando estamos trabajando con variables de naturaleza continua es preciso agrupar los infinitos valores que pueden tomar la variable mediante intervalos de clase. Estos intervalos pueden ser, o tener, de amplitud constante o variable.

    TEMA2. SERIES Y ESTADISTICAS.

    1. Tablas de Distribución de Frecuencias.

    a) Datos sin agrupar.

    El examen de los elementos de una muestra, o toma de datos, da lugar a una serie de valores adoptados por la variable, en el orden en el que se van obteniendo. Seguidamente si el rango o recorrido de la variable no es excesivamente grande, los valores se colocan por orden de magnitud creciente, en forma de Tabla de Distribución de Frecuencias.

    VALORES DE LA VARIABLE

    Xi

    FRECUENCIAS

    ABSOLUTAS

    ni

    FRECUENCIAS

    RELATIVAS

    fi = ni / N

    FRECUENCIA

    PORCENTUAL

    Pi = fi * 100

    FRECUENCIA ABSOLUTA ACUMULADA

    Ni

    FRECUENCIA RELATIVA ACUMULADA

    Fi

    X1

    n1

    f1 = n1 / N

    P1

    N1 = n1

    F1 = f1

    X2

    n2

    f2 = n2 / N

    P2

    N2= n1+n2

    F2 = f1+f2

    X3

    n3

    f3 = n3 / N

    P3

    N3=n1+n2+n3

    F3=f1+f2+f3

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    ·

    Xn

    nn

    fn = nn / N

    Pn

    Nn= ni=N

    Fn= fi=1

    b) Datos Agrupados.

    Si el tamaño de la muestra es grande o si Li, variable definida, es de tipo continuo, los datos suelen agruparse mediante intervalos de clase y será necesario crear una columna en la que aparezcan las marcas de clase que son la semisuma de los límites del intervalo.

    INTERVALOS DE CLASE

    MARCAS DE CLASE

    Xi

    l1 - L1

    l1-L1 / 2

    l2 - L2

    l2-L2 / 2

    l3 - L3

    l3-L3 / 2

    ·

    ·

    ·

    ·

    ·

    ·

    ln - Ln

    ln-Ln / 2

    Ejercicio 1: En una clase de 20 alumnos el número de asignaturas aprobadas por cada uno de ellos fue: 3, 6, 7, 7, 3, 7, 5, 5, 4, 5, 7, 5, 7, 7, 3, 4, 2, 7, 6, 1.

    Xi

    ni

    fi

    pi

    Ni

    Pi

    1

    1

    0'05

    5

    1

    5

    2

    1

    0'05

    5

    2

    10

    3

    3

    0'15

    15

    5

    25

    4

    2

    0'10

    10

    7

    35

    5

    4

    0'20

    20

    11

    55

    6

    2

    0'10

    10

    13

    65

    7

    7

    0'35

    35

    20

    100

    ni = 20

    fi = 1

    pi = 100

    Ejercicio 2: Para estudiar el peso de los estudiantes de una Universidad, se ha elegido una muestra de tamaño 30 cuyos pesos en Kg son: 72, 64, 53, 58, 66, 70, 78, 54, 63, 56, 58, 64, 72, 64, 68, 55, 67, 57, 61, 67, 61, 58, 69, 54, 62, 56, 62, 57, 51, 73.

    Construir una tabla de distribución de frecuencias con intervalos de amplitud 5.

    Intervalos

    Xi

    ni

    fi

    pi

    Ni

    50-55

    52'5

    4

    0'13

    13'3

    4

    55-60

    57'5

    8

    0'26

    26'6

    12

    60-65

    62'5

    8

    0'26

    26'6

    20

    65-70

    67'5

    5

    4'16

    41'6

    25

    70-75

    72'5

    4

    0'13

    13'3

    29

    75-80

    77'5

    1

    0'03

    3'3

    30

    ni = 30

    fi = 1

    pi = 100

    REPRESENTACIONES GRAFICAS.

    A) Para Datos sin agrupar:

    1. Diagrama de barras: En el eje de abcisas se señalan los valores de la variable, construyendo sobre estos unos segmentos verticales de longitud igual a cada una de sus frecuencias.

    ni

    n3

    n2

    n4

    n1

    n5

    X1 X2 X3 X4 X5 Xi

    2. Diagrama de Líneas: Se realiza uniendo mediante segmentos los puntos: (X1 , n1) (X2 , n2) (X3 , n3).

    ni

    n3

    n2

    n4

    n1

    n5

    X1 X2 X3 X4 X5 Xi

    B) Para Datos Agrupados:

    1. Histogramas: Se marcan en el eje de abcisas los extremos de los intervalos de clase y sobre cada intervalo se construye un rectángulo cuya base coincide con la amplitud del intervalo y cuya altura es igual a la frecuencia de dicho intervalo.

    Si la amplitud de los intervalos no fuera la misma en todos los intervalos, la altura de clase la tendríamos que calcular.

    hi = ni / ai

    ni

    n3

    n2

    n4

    n1

    n5

    [l0) l1 l2 l3 l4 l5 Xi

    2. Polígonos de Frecuencias: Se obtiene al unir por segmentos los puntos medios de las bases superiores de los rectángulos del Histograma. Se debe prolongar la línea poligonal hasta las marcas de clase, inferior y superior, a los que figuran en el Histograma, para cerrar el polígono con el eje de abcisas.

    ni

    n3

    n2

    n4

    n1

    n5

    l0 l1 l2 l3 l4 l5 Xi

    C) Otras Representaciones Gráficas:

    1. Pictogramas: Se utilizan “dibujos” para representar la variable, no son precisos.

    2. Cartogramas: Lo mismo que el anterior pero en vez de con dibujos con colores, se utilizan cuando se está estudiando sobre mapas.

    3. Diagrama de Vectores: Es aquel que asigna a un sector de un círculo proporcional a la frecuencia del dato, se utiliza en pocas categorías.

    Ejercicio 3: En las elecciones de un país han sido elegidos 200 candidatos de los partidos A, B, C y D.

    PARTIDOS

    VOTOS

    A

    90

    B

    65

    C

    30

    D

    15

    200---------360º 200---------360º X=162º A X=117º B

    90-----------X 65------------X

    200--------360º 200-----------360º

    X=54º C X=27º D

    30-----------X 15-------------X

    Álgebra de matrices. Programación lineal. Estadística

    4. Polígonos Acumulativos (Ojivas): Se utilizan para representar frecuencias acumuladas, es una línea poligonal creciente.

    Datos sin agrupar:

    ni

    n4

    n3

    n2

    n1

    X1 X2 X3 X4 Xi

    Datos agrupados:

    ni

    n3

    n2

    n1

    X1 X2 X3 Xi

    ni

    n5

    n4

    n3

    n2

    n1

    l0 l1 l2 l3 l4 l5 Xi

    TEMA3. MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL.

    Son valores alrededor de los cuales se agrupan los valores de la variable y que en muchos casos se toman como representantes de la distribución.

    A) Datos sin Agrupar:

    1. Media Aritmética Simple: Es la suma de los valores adoptados por la variable dividida por el número de ellos.

    xi

    x =

    N

    Ejercicio 1: En un curso hay 8 chicos y 6 chicas, la nota final de curso fue:

    Chicos: 2, 3, 4, 5, 6, 6, 7, 7.

    Chicas: 3, 4, 5, 6, 7,8.

    2+3+4+5+6+6+7+7

    Media de los chicos x = = 5

    8

    3+4+5+6+7+8

    Media de las chicas x = = 5'5

    6

    2. Media de Medias: Si ni datos tiene por media el valor xi media, n2 tienen por media x2 y nn tiene por media xn.

    n1..........................x1

    · xi · ni

    n2..........................x2 x =

    . n1+n2+n3.......nn

    .

    .

    nn ........................xn

    N

    Ejercicio 2: En 4 institutos se ha calculado el peso medio de los estudiantes, en el instituto A, que tiene 120 alumnos, el peso medio es 62'4 Kg; en el B, con 140 alumnos, el peso medio es 59'5 Kg; en el C, con 90 alumnos, el peso medio es 64'2 Kg y en el D, con 130 alumnos el peso medio es 56 Kg.

    120 62'4

    140 59'5 x =

    90 64'2

    130 56

    480

    (62'4·120)+(59'5·140)+64'2·90)+(56·130)

    x = = 60'2 Kg.

    780

    ***FALTA ALGO***

    3. Media Aritmética Ponderada:

    Ejercicio 3: Al principio de un curso se especifica a los alumnos que realizaran 3 exámenes parciales y un final. El segundo parcial tendrá una importancia doble que el primero, el tercero doble que el segundo y el final triple que el tercero. Un alumno obtiene un 10 en el primer parcial, 7 en el segundo, 5 en el tercero y un 4'25 en el final. ¿Cuál será su nota final de curso?.

    X1

    X2

    X3

    X4

    10

    7

    5

    4'25

    P1

    P2

    P3

    P4

    p

    2p

    4p

    12p

    (10·p)+(7·2p)+(5·4p)+(4'25·12p) 95p

    x = = = 5

    p+2p+4p+12p 19p

    B) Datos Agrupados en Intervalos:

    1.- La suma algebraica de las desviaciones de un conjunto de números respecto de su media aritmética es 0.

    3 6 8 10 18

    xi 3+6+8+10+18 45

    x = = = = 9

    n 5 5

    (3-9)+(6-9)+(8-9)+(10-9)+(18-9) = -6-3-1+1+9= -10+10 = 0

    2. Si suponemos, antes de calcularla que la media de un conjunto de números es cualquier valor A resulta que la verdadera media aritmética sería:

    d

    x = A+

    N

    Desviaciones de cada observación respecto de la media, partido por el número de observaciones.

    (3-7)+(6-7)+(8-7)+(10-7)+(18-7) -4-1+1+3+11 10

    x = 7+ = 7+ = 7+ = 7+2 = 9

    5 5 5

    METODOS PARA CALCULAR LA MEDIA.

    1.- Método Directo: Consiste en aplicar la formula de la media ponderada con la única salvedad de que se toman como valores representativos de la variable, las marcas de clase de cada intervalo.

    Xm·ni

    x =

    N = ni

    Xm : Marcas de clase. ni : Frecuencia de cada intervalo.

    Ejemplo:

    Intervalos

    ni

    Xm

    Xm·ni

    10-14

    1

    12

    12

    14-18

    7

    16

    112

    18-22

    10

    20

    200

    22-26

    16

    24

    384

    26-30

    9

    28

    252

    30-34

    6

    32

    192

    34-38

    1

    36

    36

    50

    1188

    Ejercicio 4: En el ayuntamiento de cierto pueblo, se han obtenido los siguientes datos sobre el número de fincas agrícolas en relación con la superficie explotada. Se pide hallar la superficie media de explotación.

    SUPERFICIE

    Nº DE FINCAS

    0-5

    2

    5-10

    10

    10-15

    3

    15-20

    4

    20-25

    1

    2.- Método Abreviado: Se basa en la segunda propiedad de la media aritmética. Consiste en elegir un intervalo en el que supuestamente está la media y tomar como valor de la media aproximada (A) la marca de clase de dicho intervalo.

    d·ni

    x = A+

    N

    Ejemplo:

    Intervalos

    ni

    Xm

    Xm·ni

    d

    d·ni

    10-14

    1

    12

    12

    -12

    -12

    14-18

    7

    16

    112

    -8

    -56

    18-22

    10

    20

    200

    -4

    -40

    22-26

    16

    24

    384

    0

    0

    26-30

    9

    28

    252

    4

    36

    30-34

    6

    32

    192

    8

    48

    34-38

    1

    36

    36

    12

    12

    50

    1188

    -12

    d·ni -12

    x = A+ = 24+ = 24-10'24 = 23'76

    N 50

    3.- Método Clave: Es un método basado en el abreviado, y se utiliza solo cuando la amplitud es constante, se diferencia del método abreviado en que las `d' en vez de representar desviaciones, son unos números enteros que expresan, el número de clases o intervalos, que hay desde la marca, considerada, a la marca que coincide con la media supuesta. A estos números se les asigna signo `-`, si están por debajo de la media aproximada, y signo `+' si están por encima de ésta.

    “d”·ni

    x = A+ · I

    N

    Ejemplo:

    Intervalos

    ni

    Xm

    “d”

    d·ni

    10-14

    1

    12

    -3

    -3

    14-18

    7

    16

    -2

    -14

    18-22

    10

    20

    -1

    -10

    22-26

    16

    24

    0

    0

    26-30

    9

    28

    1

    9

    30-34

    6

    32

    2

    12

    34-38

    1

    36

    3

    3

    50

    -3

    “d”: Números enteros que me indican cuantas clases hay desde un intervalo hasta la media que yo he considerado como media supuesta.

    “d”·ni -3

    x = A+ · I = 24+ · 4 = 24-(0'24) = 23'76

    N 50

    Mediana: Ordena los datos en una distribución de menor a mayor, la mediana es el valor central de esa serie, es decir, el valor de la variable que deja 50% de la distribución a la izquierda y el otro 50% a la derecha.

    a) Datos sin agrupar:

    Serie: 5, 6, 9, 11, 15, 19, 23, 26, 27 El 15 sería la mediana

    m+1 10

    Posición: = = 5

    2 2

    Serie: 5, 7, 10, 15, 20, 21, 24, 27 El 15 y el 20 serían la mediana

    15+20

    Me = = 17'5

    2

    m+1

    Posición: = 4'5

    2

    Serie: 3, 4, 4, 4, 6, 8 El 4 y el 4 serían la mediana

    m+1 7

    Posición: = = 3'5

    2 2

    4 4 4

    3'5 3'83 4'16 4'5

    1/3 = 0'33 Me= 4'16

    Serie: 5, 6, 8, 8, 8, 8, 10, 12, 13 El 8 el 8 y el 8 serían la mediana

    m+1

    Posición: = 5

    2

    8 8 8 8

    7'5 7'75 8 8'25 8'5

    8+8'25

    1/4 = 0'25 Me= = 8'125

    2

    Ejemplo:

    Xi

    ni

    Ni

    1

    5

    5

    2

    7

    12

    3

    6

    18

    4

    12

    30

    5

    20

    50

    6

    15

    65

    7

    11

    76

    8

    6

    82

    9

    5

    87

    10

    2

    89

    89=N

    I N 89

    Me = l+ -fi = 44'5

    fMe 2 2

    5

    4'5 5'5

    Me = 4'5+1/20(44'5-30) = 5'225

    Moda: Valor de la variable que se presenta con mayor frecuencia. El calculo de la moda, para datos sin agrupar, es directo.

    Ejemplo:

    Serie: 2, 2, 3, 5, 6, 6, 6, 7, 8, 8 Mo = 6

    Bimodal: Tiene dos modas.

    Trimodal: Tiene 3 modas.

    Ejemplos gráficos:

    ni ni

    Mo Xi Mo1 Mo2 Xi

    Datos Agrupados:

    1

    Mo = l + · I

    1 + 2

    l: Límite inferior del intervalo modal.

    1: Diferencia entre la frecuencia del intervalo modal y la frecuencia de la clase contigua inferior

    2: Diferencia entre la frecuencia del intervalo modal y la frecuencia de la clase contigua superior.

    I: Amplitud del intervalo modal.

    Ejemplo:

    CLASES

    ni

    10-20

    11

    20-30

    14

    30-40

    21

    1= 30-21 = 9

    40-50

    30

    50-60

    18

    2= 30-18 = 12

    60-70

    10

    70-80

    7

    80-90

    3

    1 9

    Mo = l + · I = 40+ ·10 = 44'28

    1 + 2 9+12

    RELACION EMPÍRICA ENTRE X, Me Y Mo.

    Existe una relación empírica o de tipo experimental, entre las tres medidas de tendencia central más importantes. Esta relación viene expresada por la siguiente igualdad:

    X-Mo = 3(X-Me)

    Esta relación se verifica con tanta mayor exactitud cuanto más simétrica sea la distribución.

    Cuando una distribución es asimétrica se verifica que:

    X = Me = Mo

    Asimetría Positiva:

    Mo Me X

    Mo < Me < X

    Asimetría Negativa:

    X Me Mo

    Mo > Me > X

    Ejemplo:

    CLASES

    ni

    d

    d·ni

    Ni

    10-20

    11

    -3

    -33

    11

    20-30

    14

    -2

    -28

    25

    30-40

    21

    -1

    -21

    46

    40-50

    30

    0

    0

    76

    50-60

    18

    1

    18

    94

    60-70

    15

    2

    30

    101

    70-80

    7

    3

    21

    116

    80-90

    3

    4

    12

    119

    119

    -1

    “d”·ni -1

    x = A+ · I = 45+ · 10 = 44'91

    N 119

    I N 10

    Me = l+ -fi = 40 + (59'5-46) = 44'5

    fMe 2 30

    1 9

    Mo = l + · I = 40+ ·10 = 44'28

    1 + 2 9+12

    X-Mo = 3(X-Me)

    3Me-Mo (3·44'5)-44'28

    x = = = 44'61

    2 2

    2X-Mo (2·44'91)-44'28

    Me = = = 44'7

    3 3

    Mo = 3Me-2X = 3·(44'5) -2·(44'91) = 43'68

    REALES

    EMPIRICOS

    X = 44'91

    X = 44'61

    Me = 44'5

    Me = 44'7

    Mo = 44'28

    Mo = 43'68

    Mo < Me < X

    La distribución es ligeramente asimétrica positiva.

    OTRAS MEDIDAS DE POSICIÓN: CUANTILES.

    Son una generalización del concepto de mediana, pero así como la mediana divide a la serie estudiada en dos partes iguales, con el mismo número de elementos cada una, si la distribución se divide en cuatro partes, o en diez partes, o en cien partes tendríamos:

    - Cuartiles (4)

    - Deciles (10)

    - Percentiles (100)

    CUARTILES.

    I N

    Q1 = l + -fi

    fQ1 4

    Q2 = Me

    I 3N

    Q3 = l + -fi

    fQ3 4

    DECILES

    I N

    D1 = l + -fi

    fD1 10

    D5 = Q2 = Me

    I 10N

    D9 = l + -fi

    fD9 10

    PERCENTIL.

    I N

    P1 = l + -fi

    fP1 100

    P25 = Q1

    P50 = D5 = Q2 = Me

    P75 = Q3

    I 99N

    P99 = l + -fi

    fP99 100

    Ejercicio 5: Hallar Q1, Q3, D2, D7, P8, P62.

    CLASES

    ni

    Ni

    20-25

    5

    5

    P8

    25-30

    9

    14

    D2 Q1

    30-35

    14

    28

    35-40

    20

    48

    D7 Q3

    40-45

    26

    74

    45-50

    18

    92

    50-55

    7

    99

    55-60

    11

    110

    110=N

    I N

    Q1 = l + -fi = 30+ 5/14 (27'5-14) = 34'82 fQ1 4

    I 3N

    Q3 = l + -fi = 45 + 5/18 (82'5-74) = 47'36

    fQ3 4

    I 2N

    D2 = l + -fi = 30+ 5/14 (22-14) = 32'85

    fD2 10

    I 7N

    D7 = l + -fi = 45+ 5/18 (77-74) = 45'83

    fD7 10

    I 8N

    P8 = l + -fi = 25+ 5/9 (8'8-5) = 27'14

    fP8 100

    I 62N

    P62 = l + -fi =

    fP62 100

    MEDIA GEOMETRICA.

    Es otra medida de tendencia central. Se utiliza en vez de la Media Aritmética para evitar la distorsión que puede darse en la media cuando la frecuencia de los valores extremos es alta. También se utiliza cuando es conveniente trabajar con escalas logarítmicas.

    Ejemplo Calificar de 0 a 10. El 0 y el 10 serían los valores extremos.

    A) Datos sin Agrupar:

    X6 = X1, X2,........Xn

    Ejemplo:

    Serie 5, 6, 8, 10 X = 5·6·8·10 = 6'99

    log Xi

    log XG =

    n

    Ejemplo log XG = 1'55 XG = antilog 1'55

    B) Datos Agrupados:

    log Xm·ni

    log XG =

    n

    Ejemplo:

    CLASES

    ni

    Xm

    log Xm

    log Xm·ni

    20-25

    5

    22'5

    1'35

    6'75

    25-30

    9

    27'5

    1'44

    12'96

    30-35

    14

    32'5

    1'51

    21'14

    35-40

    20

    37'5

    1'57

    31'4

    40-45

    12

    42'5

    1'63

    19'56

    60

    91'81

    log Xm·ni 91'81

    log XG = = = 1'53

    n 60

    log XG = 1'53

    XG = antilog 1'53

    XG = 33'9

    MEDIA CUADRÁTICA.

    A) Datos sin Agrupar:

    Xi2

    XC = X2 =

    n

    La raíz cuadrada de la media aritmética de los cuadrados de los valores de la serie.

    B) Datos Agrupados:

    Xm2·ni

    XC =

    N

    MEDIA ARMONICA.

    A) Datos sin Agrupar:

    La inversa de la media aritmética de los inversos de los valores de la variable.

    N

    XH =

    1/Xi

    B) Datos Agrupados:

    N

    XH =

    1/Xm · ni

    Siempre se verifica que la XH <= XG <= X

    TEMA4. MEDIDAS DE DISPERSION.

    1ª SEMANA

    2ª SEMANA

    10

    30

    20

    40

    30

    50

    50

    50

    60

    60

    80

    60

    100

    60

    350

    350

    La dispersión mide cuanto se dispersan, en media, los datos de una distribución respecto una media de tendencia central.

    X X

    Dispersión muy alta Dispersión baja

    Además la dispersión sirve para explicarnos como se comportan los datos respecto de la media de tendencia central

    MEDIDAS DE DISPERSIÓN MAS UTILIZADAS.

    Rango Semiintercuartílico: Es la semidiferencia entre el tercer y el primer cuartil.

    Q3 - Q1

    Q =

    2

    Esta medida tiene el inconveniente de que sólo se fija en el 50% de las observaciones y además desprecia los valores extremos, por lo que su uso debe ir acompañado de la medida del rango o recorrido de la variable.

    Se suele recomendar su uso cuando la medida de posición más representativa sea la mediana; también cuando trabajemos con una distribución que presente concentración de valores alrededor de algún valor central.

    Q1 Me Q3 X1

    Ejercicio 1: Calcular el rango semiintercuartílico.

    CLASES

    Ni

    Ni

    20-25

    3

    3

    25-30

    5

    8

    Q1

    30-35

    10

    18

    35-40

    18

    36

    40-45

    24

    60

    Q3

    45-50

    20

    80

    50-55

    13

    93

    55-60

    7

    100

    100

    I

    Q1 = l + (N/4 -fi) = 35 + 5/18 (25-18) = 36'9 fQ1

    I

    Q3 = l + (3N/4 - fi) = 45 + 5/20 (75-60) = 48'75 fQ3

    Q3 - Q1 48'75 - 36'9

    Q = = = 5'92

    2 2

    Rg = 60-20 = 40

    Desviación Media: Es la media aritmética de las desviaciones de cada uno de los valores de los valores de la variable con respecto a una media de tendencia central de la distribución.

    A) Datos sin Agrupar:

    Xi

    X =

    N

    |Xi - X|

    DM =

    N

    B) Datos Agrupados:

    |Xm - X| · ni

    DM =

    N

    Ejemplo con Datos sin Agrupar:

    Xi

    |Xi - X|

    2

    3

    2

    3

    4

    1

    4

    1

    4

    1

    5

    0

    6

    1

    7

    2

    8

    3

    8

    3

    18

    |Xi - X| 18

    DM = = = 1'8

    N 10

    Xi 50

    X = = = 5

    N 10

    Ejemplo con Datos Agrupados:

    CLASES

    ni

    Xm

    Xm · ni

    |Xm - X|

    d · ni

    16-20

    2

    18

    36

    16'72

    33'44

    20-24

    8

    22

    176

    12'72

    101'76

    24-28

    8

    26

    208

    8'72

    69'76

    28-32

    18

    30

    540

    4'72

    84'96

    32-36

    20

    34

    680

    0'72

    14'40

    36-40

    18

    38

    684

    3'28

    59'04

    40-44

    15

    42

    630

    7'28

    109'20

    44-48

    8

    46

    368

    11'28

    90'24

    48-52

    3

    50

    150

    15'28

    45'84

    100

    3472

    608'64

    Xm · ni 3472

    X = = = 34'72

    N 100

    |Xm - X| · ni 608'64

    DM = = = 6'086

    N 100

    Desviación Típica y Varianza.

    Desviación Típica: Es la medida de dispersión más importante, por que en ella se basan muchos cálculos estadísticos.

    Es la raíz cuadrada de la media de los cuadrados de las desviaciones con respecto a la media de la distribución.

    A) Datos sin Agrupar:

    (Xi - X)2

    S =

    N

    B) Datos Agrupados:

    (Xm - X)2 · ni

    S=

    N

    Ejemplo para Datos sin Agrupar:

    Xi

    Xi - X

    (Xi - X)2

    5

    -5'2

    27'04

    8

    -2

    4'84

    10

    -0'2

    0'04

    12

    1'8

    3'24

    16

    5'8

    33'64

    68'8

    Xi

    X = = 10'2

    N

    (Xi - X)2 68'8

    S = = = 13'76 = 3'71

    N 5

    Para los Datos Agrupados hay otros métodos más rápidos, por ejemplo, el Método Clave de la media aritmética. Para poder aplicar el Método Clave de la desviación típica, los intervalos tienen que tener amplitud constante.

    d2 · ni d · ni 2

    S = I · d2 - (d)2 = I · -

    N N

    Ejemplo para Datos Agrupados:

    CLASES

    ni

    d

    d2

    d2 · ni

    d · ni

    150-155

    3

    -4

    16

    48

    -12

    155-160

    6

    -3

    9

    54

    -18

    160-165

    12

    -2

    4

    48

    -24

    165-170

    18

    -1

    1

    18

    -18

    170-175

    25

    0

    0

    0

    0

    175-180

    17

    1

    1

    17

    17

    180-185

    10

    2

    4

    40

    20

    185-190

    7

    3

    9

    63

    21

    190-195

    4

    4

    16

    64

    16

    195-200

    1

    5

    25

    25

    5

    103

    377

    7

    377 7 2

    S = 5 · - = 5 · 3'66 - 0'005 = 9'56

    103 103

    Varianza: Es el cuadrado de la desviación típica de la distribución.

    A) Datos sin Agrupar:

    (Xi - X)2

    V =

    N

    B) Datos Agrupados:

    (Xi - X)2 d2 · ni d · ni 2

    V = = I2 · -

    N N N

    OTRAS MEDIDAS DE DISPERSIÓN, MOMENTOS.

    Se define Momento de orden r con respecto a un punto A, a la media de las desviaciones de los valores de la variable con respecto a ese punto A, elevadas a la potencia r.

    Dependiendo de cual sea el punto A que tomemos como referencia para el calculo de las desviaciones, podemos distinguir entre:

    1. Momentos con respecto al origen: (A = 0)

    a0, a1, a2.................................ar

    2. Momentos con respecto a la media: (A = X)

    m0, m1, m2,................................mr

    3. Momentos con respecto a cualquier punto A

    m'0, m'1, m'2..............................m'r

    A) Datos sin Agrupar:

    (Xi - 0)r Xir

    1. ar = =

    N N

    (Xi - X)r

    2. mr =

    N

    (Xi - A)r

    3. m'r =

    N

    B) Datos Agrupados:

    Xmr · ni

    1. ar =

    N

    (Xm - X)r · ni

    2. mr =

    N

    (Xm - A)r · ni

    3. m'r =

    N

    Xi0 N

    a0 = = = 1 El momento de orden 0 respecto del origen

    N N siempre es 1.

    Xi

    a1 = = X El momento de orden 1 con respecto al origen siempre es

    N X.

    Xi2

    a2 = El momento de orden 2 con respecto al origen siempre es Xc2.

    N

    Xi3

    a3 =

    N

    ·

    ·

    ·

    (Xi - X)0 N

    m0 = = = 1

    N N

    (Xi - X)1 0

    m1 = = = 0

    N N

    (Xi - X)2

    m2 = = V = S2

    N

    (Xi - X)3

    m3 =

    N

    ·

    ·

    (Xi - A)0

    m'0 = = 1

    N

    (Xi - A)1

    m'1 =

    N

    Formula de los Momentos por el Método Clave.

    dr · ni

    m'r = Ir · dr = Ir ·

    N

    Relación entre Momentos.

    m2 = m´2 - m'12

    m3 = m'3 - 3m'1 · m'2 +2m'13

    Ejercicio 2: Calcular los Momentos con respecto de la media hasta orden 3.

    CLASES

    ni

    d

    d · ni

    d2 · ni

    d3 · ni

    12-16

    1

    -3

    -3

    9

    -27

    16-20

    4

    -2

    -8

    16

    -32

    20-24

    7

    -1

    -7

    7

    -7

    24-28

    14

    0

    0

    0

    0

    28-32

    8

    1

    8

    8

    8

    32-36

    5

    2

    10

    20

    40

    36-40

    4

    3

    12

    36

    108

    40-44

    2

    4

    8

    32

    128

    45

    20

    128

    218

    d · ni

    m'1 = I · = 4 · 20/45 = 1'77

    N

    d2 · ni

    m'2 = I2 · = 16 · 128/45 = 45'51

    N

    d3 · ni

    m'3 = I3 · = 64 · 218/45 = 4'84

    N

    m2 = m´2 - m'12 = 45'51 - (1'77)2 = 42'35 = V

    m3 = m'3 - 3m'1 · m'2 +2m'13 = 4'84 - (3·1'77 · 45'51) + 2(1'77)3 = 79'43

    MEDIDAS DE ASIMETRIA Y APUNTAMIENTO.

    Asimetría de la distribución:

    La medida de la asimetría de una distribución se denomina SESGO.

    Si la curva de frecuencias de una distribución es más larga a la derecha del máximo de la curva, que a la izquierda, se dice, que la distribución está sesgada a la derecha, o que tiene SESGO positivo. En caso contrario se dice que tiene SESGO negativo.

    Ejemplo de SESGO positivo:

    ni

    MAX

    Mo

    Ejemplo de SESGO negativo:

    ni

    MAX

    Mo

    Para medir el SESGO.

    Coeficiente de Pearson:

    X - Mo

    P1 =

    S

    3( X - Me)

    P2 =

    S

    SESGO en función de los momentos.

    m3

    Sm =

    S3

    Ejercicio 3: Calcular los coeficientes de asimetría P1, P2, Sm.

    CLASES

    ni

    Xm

    Xm · ni

    Ni

    (Xm-X)2

    (Xm-X)2 ·ni

    100-110

    4

    105

    4120

    4

    1622'96

    6491'84

    110-120

    7

    115

    805

    11

    917'24

    6420'69

    120-130

    18

    125

    2250

    29

    411'52

    7407'39

    130-140

    32

    135

    4320

    61

    105'802

    3385'65

    140-150

    26

    145

    3770

    87

    0'082

    2127

    150-160

    21

    155

    3255

    108

    94'36

    1981'59

    160-170

    16

    165

    2640

    124

    388'64

    6218'26

    170-180

    10

    175

    1750

    134

    882'92

    8829'21

    180-190

    4

    185

    740

    138

    1577'202

    6308'808

    190-200

    2

    195

    390

    140

    2471'48

    4942'96

    140

    20340

    51988'571

    METODO DIRECTO:

    X - Mo

    P1 =

    S

    3( X - Me)

    P2 =

    S

    Xm · ni 20340

    X = = = 145'286

    N 140

    I

    Me = l + · (N/2 - fi) = 140 +10/26 · (70-61) = 143'46

    fMe

    1 14

    Mo = l + · I = 130 + ·10 = 137

    1 + 2 14+6

    (Xm - X)2 ·ni 51988'571

    S = = = 19'27 Desviación Típica.

    N 140

    145'28 - 137

    P1 = = 0'43

    19'27

    P = P1 - P2 = 0'15

    3(145'286-143'46) Asimetría Positiva.

    P2 = = 0'28

    19'27

    X - Mo = 3(X - Me)

    m3 1852'79

    Sm = = = 0'25

    S3 7155'585

    (Xm - X)3 · ni

    m3 = = 1852'79

    N

    METODO CLAVE.

    CLASES

    ni

    d

    d · ni

    d2 · ni

    d3 · ni

    100-110

    4

    -4

    -16

    64

    -256

    110-120

    7

    -3

    -21

    63

    -189

    120-130

    18

    -2

    -36

    72

    -144

    130-140

    32

    -1

    -32

    32

    -32

    140-150

    26

    0

    0

    0

    0

    150-160

    21

    1

    21

    21

    21

    160-170

    16

    2

    32

    64

    128

    170-180

    10

    3

    30

    90

    270

    180-190

    4

    4

    16

    64

    256

    190-200

    2

    5

    10

    50

    250

    140

    4

    520

    304

    d·ni 4

    X = A + · I = 145 + = 145'28

    N 140

    La Media y la Moda son igual que en el Método Directo.

    d2-ni d · ni 2 520 4 2

    S = I - = 10 · - = 19'27

    N N 140 140

    d·ni

    m'1 = I · d = I · = 10 · 4/140 = 0'28

    N

    d2·ni

    m'2 = I2 · d2 = I · = 100 · 520/140 = 371'42

    N

    d3·ni

    m'3 = I3 · d3 = I · = 1000 · 304/140 = 2171'42

    N

    m3 = m'3 - 3m'1 · m'2 +2m'13 = 2171'42-3(0'28·371'42)+2(0'28)3 = 1852'79

    Sustituir en el SESGO.

    Medidas de Apuntamiento.

    El Apuntamiento de una distribución de frecuencias indica la mayor o menor altura del máximo central con respecto a la altura de la curva normal.

    Para medir el apuntamiento se emplea la CURTOSIS. Según el grado de Apuntamiento las distribuciones se clasifican en:

    LEPTOCURTICA: Tiene mayor Apuntamiento que la curva normal:

    MESOCURTICA: Tiene Apuntamiento normal:

    PLATOCURTICA: Tiene menor Apuntamiento que la curva normal.

    Formas de medir la Curtosis.

    Hay dos formas:

    A) Curtosis en función de los cuantiles: Se utiliza el Coeficiente de Curtosis Percentílico.

    Q

    Se le denomina K1 =

    P90 - P10

    B) Curtosis en función de los momentos: Se utiliza el Coeficiente de FISHER.

    m4

    Se le denomina K2 = -3

    S4

    K2 > 0 Distribución LEPTOCURTICA.

    K2 = 0 Distribución MESOCURTICA.

    K2 < 0 Distribución PLATOCURTICA.

    Ejercicio 4.

    CLASES

    ni

    Ni

    100-110

    4

    4

    110-120

    7

    11

    120-130

    18

    29

    P10

    130-140

    32

    61

    Q1

    140-150

    26

    87

    150-160

    21

    108

    Q3

    160-170

    16

    124

    170-180

    10

    134

    P90

    180-190

    4

    138

    190-200

    2

    140

    140

    I

    Q1 = l + (N/4 - fi) = 130 + 10/32 (35-29) = 131'87

    fQ1

    I

    Q3 = l + (3N/4 - fi) = 150 + 10/21 (105-87) = 131'87

    fQ3

    Q3 - Q1 158'57 - 131'87

    Q = = = 13'35

    2 2

    I

    P10 = l + (10N/100 - fi) = 120 + 10/18 (14-11) = 121'66

    fP10

    I

    P90 = l + (90N/100 - fi) = 170 + 10/10 (126-124) = 172

    fP90

    Q 13'35

    K1 = = = 0'265

    P90 - P10 172-121'66

    Teniendo en cuenta KNORMAL = 0'263 MESOCURTICA.

    Ejercicio 4 Por FISHER.

    m4

    K2 =

    S4

    Directo:

    (Xm-X)4 · ni

    m4 =

    N

    Clave:

    m4 = m'4-4m'1·m'3+6m'2·m2-3m'14

    d4·ni

    m'4 = I4 · d4 = I4 = 10000. 5272/140 = 376571'42

    N

    m4 = 376571'42-4(0'28·2171'42)+6(0'28·371'42)-3(0'28)4 = 374314'12

    m4 374314'12

    K2 = = -3 = -0'28

    S4 19'274

    PLATOCURTICA.

    -1 0'28 0 1

    - 6 -

    Rojo: Diagonal principal

    Azul: Diagonal secundaria

    Nº de columnas

    Nº de filas

    =

    *

    =

    Aij = (-1)1+j * ij

    1

    X = A-1 · B

    X = (C - 3A) · B-1

    Operaciones

    Elementales

    r(A) = r(A*) = r

    Sale U1 y entra X2

    Sale U2 y entra X1

    Las demás columnas son iguales que en la tabla anterior.

    Xm·ni

    x =

    N

    1188

    x = = 23'76

    50

    V = S2

    S = V

    a0 = m0 = m'0 = 1 m1 = 0

    a1 = X m2 = S2 = V

    a2 = X2