Matemáticas para Ingeniería II

Revisión conceptual 3er Parcial

Chapa Rocha Brandon Aldair

ESPAÑOL

Método numérico: Procedimiento mediante el cual se obtiene, casi siempre de

manera aproximada, la solución de ciertos problemas realizando cálculos
puramente aritméticos y lógicos (operaciones aritméticas elementales, cálculo de
funciones, consulta de una tabla de valores, cálculo preposicional, etc.).

Iteración: Significa repetir varias veces un proceso con la intención de alcanzar una
meta deseada, objetivo o resultado. Cada repetición del proceso también se le
denomina una "iteración", y los resultados de una iteración se utilizan como punto
de partida para la siguiente iteración.

Método iterativo: Un método iterativo trata de resolver un problema matemático

mediante aproximaciones sucesivas a la solución, empezando desde una estimación
inicial. Esta aproximación contrasta con los métodos directos, que tratan de resolver
el problema de una sola vez.

Convergencia: Propiedad de dos o más cosas que concluyen en un mismo

punto. Propiedad de las sucesiones que tienden a un límite.
Estabilidad: El concepto de estabilidad designa la cualidad de una situación en la
que está siendo mantenida alguna regularidad, independientemente de si sea
dinámicamente o estáticamente.

Aproximación: Es una representación inexacta que, sin embargo, es suficientemente

fiel como para ser útil.

Cifras significativa: Las cifras significativas de un número son las que aportan
alguna información. Representan el uso de una o más escalas de incertidumbre en
determinadas aproximaciones.

Precisión: Capacidad de un instrumento de dar el mismo resultado en mediciones

diferentes realizadas en las mismas condiciones o de dar el resultado deseado con
exactitud.

Exactitud: Se denomina exactitud a la capacidad de un instrumento de acercarse al

valor de la magnitud real. La exactitud es diferente de la precisión.

Incertidumbre: Falta de seguridad, de confianza o de certeza sobre algo,

especialmente cuando crea inquietud. En metrología, es una cota superior del valor
de la corrección residual de la medida.

Sesgo: Se llama sesgo de un estimador a la diferencia entre su esperanza matemática

y el valor numérico del parámetro que estima. Un estimador cuyo sesgo es nulo se
llama insesgado o centrado.

Error numérico: Es una medida del ajuste o cálculo de una magnitud con respecto
al valor real o teórico que dicha magnitud tiene.

Error relativo: El error relativo de una medida es el cociente entre el error absoluto
de la medida y el valor real de ésta. El error relativo suele expresarse en %.
Error absoluto: Es la diferencia entre el valor de la medida y el valor tomado como
exacto. Puede ser positivo o negativo, según si la medida es superior al valor real o
inferior (la resta sale positiva o negativa).

Error de redondeo: Es la diferencia entre la aproximación calculada de un número y

su valor matemático exacto debida al redondeo. Este es una forma de error de
cuantificación.

Error de truncamiento: Estos son debidos a la omisión de términos en una serie que
tiene un número infinito de términos. Por supuesto que no podemos usar todos los
términos de la serie en un cálculo, porque la serie es infinita; entonces, los términos
omitidos introducen un error por truncamiento.

Interpolación: Se denomina interpolación a la obtención de nuevos puntos partiendo

del conocimiento de un conjunto discreto de puntos.

Extrapolación: Es el proceso de estimar más allá del intervalo de observación

original, el valor de la variable con base en su relación con otra variable.

Tendencia: La tendencia es una corriente o preferencia hacia determinados fines.

Mínimos cuadrados: Es una técnica de análisis numérico enmarcada dentro de la

optimización matemática, en la que, dados un conjunto de pares ordenados —
variable independiente, variable dependiente— y una familia de funciones, se
intenta encontrar la función continua, dentro de dicha familia, que mejor se
aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo error
cuadrático.
Media: Una media o promedio es una medida de tendencia central. Resulta al
efectuar una serie determinada de operaciones con un conjunto de números y que,
en determinadas condiciones, puede representar por sí solo a todo el conjunto.

Desviación estándar: En estadística, la desviación típica es una medida que se usa

para cuantificar la variación o dispersión de un conjunto de datos numéricos.

Regresión: La regresión estadística o regresión a la media es la tendencia de una

medición extrema a presentarse más cercana a la media en una segunda medición.

Regresión lineal: es un modelo matemático usado para aproximar la relación de

dependencia entre una variable dependiente Y, las variables independientes Xi y un
término aleatorio ε.

Regresión polinomial: Algunas veces cuando la relación entre las variables

dependientes e independientes es no lineal, es útil incluir términos polinomiales
para ayudar a explicar la variación de nuestra variable dependiente.

Regresión logarítmica: Este modelo de regresión es una alternativa cuando el

modelo lineal no logra un coeficiente de determinación apropiado, o cuando el
fenómeno en estudio tiene un comportamiento que puede considerarse potencial o
logarítmico.

Regresión exponencial: Es el proceso de encontrar la ecuación de la función

exponencial que se ajuste mejor a un conjunto de datos.

Regresión potencial: Será aquella en la que la función de ajuste sea una función
potencial del tipo: y = a. xb
Regresión media móvil: Una serie de medias móviles puede considerarse como una
serie temporal artificial construida substituyendo el valor observado de la variable
en cada período por la media de dicho valor y algunos anteriores y posteriores a él.

ENGLISH

Numerical method: Procedure by which, almost always approximately, the solution

of certain problems is obtained by performing purely arithmetic and logical
calculations (elementary arithmetic operations, function calculation, query of a table
of values, prepositional calculation, etc.).

Iteration: It means repeating a process several times with the intention of reaching a
desired goal, objective or result. Each repetition of the process is also called an
"iteration," and the results of an iteration are used as a starting point for the next
iteration.

Iterative method: An iterative method tries to solve a mathematical problem by

successive approximations to the solution, starting from an initial estimate. This
approach contrasts with the direct methods, which try to solve the problem at once.

Convergence: Property of two or more things that conclude at the same point.
Property of successions that tend to limit.

Stability: The concept of stability designates the quality of a situation in which some
regularity is being maintained, regardless of whether it is dynamically or statically.
Approach: It is an inaccurate representation that, however, is faithful enough to be
useful.

Significant figures: The significant figures of a number are those that provide some
information. They represent the use of one or more uncertainty scales in certain
approaches.

Accuracy: Ability of an instrument to give the same result in different measurements

made under the same conditions or to give the desired result exactly.

Accuracy: Accuracy is called the ability of an instrument to approach the value of

the real magnitude. Accuracy is different from accuracy.

Uncertainty: Lack of security, confidence or certainty about something, especially

when it creates concern. In metrology, it is a higher level of the value of the residual
correction of the measurement.

Bias: The difference between your mathematical expectation and the numerical
value of the parameter you estimate is called bias of an estimator. An estimator
whose bias is null is called unbiased or centered.

Numerical error: It is a measure of the adjustment or calculation of a magnitude with

respect to the real or theoretical value that said magnitude has.

Relative error: The relative error of a measure is the ratio between the absolute error
of the measure and the actual value of the measure. The relative error is usually
expressed in%.
Absolute error: It is the difference between the value of the measurement and the
value taken as exact. It can be positive or negative, depending on whether the
measurement is higher than the real value or lower (the subtraction is positive or
negative).

Rounding error: It is the difference between the calculated approximation of a

number and its exact mathematical value due to rounding. This is a form of
quantification error.

Truncation error: These are due to the omission of terms in a series that has an
infinite number of terms. Of course we cannot use all the terms of the series in a
calculation, because the series is infinite; then, the omitted terms introduce a
truncation error.

Interpolation: It is called interpolation to obtain new points based on the knowledge

of a discrete set of points.

Extrapolation: It is the process of estimating beyond the original observation

interval, the value of the variable based on its relationship with another variable.

Trend: The trend is a current or preference towards certain ends.

Minimum squares: It is a numerical analysis technique framed within mathematical

optimization, in which, given a set of ordered pairs - independent variable,
dependent variable - and a family of functions, we try to find the continuous
function, within said family , which best approximates the data (a "best fit"),
according to the criterion of least quadratic error.
Mean: A mean or average is a measure of central tendency. It results in carrying out
a certain series of operations with a set of numbers and which, under certain
conditions, can represent the entire set by itself.

Standard deviation: In statistics, the standard deviation is a measure that is used to

quantify the variation or dispersion of a set of numerical data.

Regression: Statistical regression or regression to the average is the tendency of an

extreme measurement to appear closer to the average in a second measurement.

Linear regression: is a mathematical model used to approximate the relationship of

dependence between a dependent variable Y, the independent variables Xi and a
random term ε.

Polynomial regression: Sometimes when the relationship between dependent and

independent variables is nonlinear, it is useful to include polynomial terms to help
explain the variation of our dependent variable.

Logarithmic regression: This regression model is an alternative when the linear

model does not achieve an appropriate coefficient of determination, or when the
phenomenon under study has a behavior that can be considered potential or
logarithmic.

Exponential Regression: It is the process of finding the equation of the exponential

function that best fits a set of data.

Potential regression: It will be one in which the adjustment function is a potential

function of the type: y = a. xb
Moving average regression: A series of moving averages can be considered as an
artificial time series constructed by replacing the observed value of the variable in
each period with the average of said value and some before and after it.