Probabilidad y Estadística

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Probabilidad y Estadística"

Transcripción

1 Probabilidad y Estadística

2 Conteo con reemplazamiento Considerando ahora un experimento en que una bola, seleccionada de una caja con n bolas, se regresa a la misma caja. Si se hace un total de k selecciones de esta forma, el espacio muestral S contiene todos los vectores de la forma: A este proceso se le llama muestreo con reemplazamiento. Como existen n posibles resultados para cada una de las bolas/selecciones, el número total de vectores en S es

3 Conteo con reemplazamiento Si en el experimento anterior quisieramos saber la probabilidad del evento A en que cada una de las k bolas seleccionadas sean distintas. El número de vectores donde los k componentes son distintos está dado por Como el tamaño del espacio muestral es la probabilidad del evento es, entonces

4 Métodos de conteo Ejemplo: El problema del cumpleaños (versión simplificada) Un planeta gira alrededor del sol en 3 días. Cuál es la probabilidad de que Manolo y Juan cumplan años en diferente fecha (sin considerar el año) en ese planeta? Las posibilidades son: Y la probabilidad de cada uno de estos resultados es:

5 Métodos de conteo Problema del cumpleaños: Cuál es la probabilidad de que al menos dos personas de un grupo de k personas (2< k < 365) hayan nacido el mismo día (festejen su cumpleaños). Supongamos que los nacimientos son independientes (gemelos son excluidos!). Entonces para cada una de las k personas hay 365 posibilidades. Por tanto, el espacio muestral es

6 Métodos de conteo La probabilidad de que todos los cumpleaños sean distintos es Así pues, la probabilidad de que al menos dos personas tengan el mismo día su cumpleaños es

7 Métodos de conteo Combinaciones Supongamos que tenemos un conjunto con n distintos elementos (distinguibles), de los cuales escogemos k elementos. Cuál es el número de subconjuntos diferentes que se pueden formar con los n elementos? En este problema el orden de los elementos es irrevelante No hay dos combinaciones que tengan los mismo elementos

8 Métodos de conteo (combinaciones) Cada subconjunto se trata como una unidad y a ésta se le llama combinación. El número de combinaciones se denota por: (n combinación k) Ejemplo: un conjunto contiene los elementos a,b,c,d. Cuál es el número de subconjuntos de 2 elementos que podemos formar? Respuesta: {a,b},{a,c},{a,d},{b,c},{b,d},{c,d}

9

10 Métodos de conteo (combinaciones) Ejemplo: Se quiere seleccionar un comité de 8 personas de un grupo de 20. Cuál es el número de comites que pueden formarse? Respuesta: número de combinaciones de 8 elementos tomados de un grupo de 20.

11 Métodos de conteo (combinaciones) Teorema del binomio

12 Métodos de conteo (combinaciones) Ejemplo: Supongamos que lanzamos una moneda 10 veces y queremos determinar a) la probabilidad de obtener 3 caras exactamente b) la probabilidad de obtener 3 caras, o menos

13 Métodos de conteo (combinaciones) Ejemplo (usando regla de multiplicación): En una clase hay 15 hombres y 30 mujeres. De estos 45 estudiantes, 10 serán seleccionados aleatoriamente. Cuál es la probabilidad de que 3 hombres sean seleccionados?

14 Métodos de conteo (combinaciones) Ejemplo (playing cards): Un paquete de 52 cartas se distribuyen entre 4 jugadores, de modo que cada jugador recibe 13 cartas. Si el paquete contiene 4 aces, determinar la probabilidad de que cada jugador reciba un as.

15 Coeficientes multinomiales Generalización de los coeficientes binomiales. Veamos antes un ejemplo: Supongamos que con 20 personas se forman 3 comités: A, B y C. Los comités A y B tendrán 8 miembros, mientras que C tendrá 4 miembros. Cuál es el número de formas posibles en que las 20 personas pueden repartirse en cada uno (y sólo uno) de los comités?

16 Coeficiente multinomiales Supongamos que tenemos n elementos distintos que serán repartidos en k grupos, de modo que para, el j-ésimo grupo contiene exactamente elementos, donde Entonces, el número de formas distintas en que los n elementos pueden repartirse entre los k grupos puede obtenerse de la siguiente forma: a) Los elementos del primer grupo pueden seleccionarse de los n elementos disponibles de formas.

17 Coeficientes multinomiales b) Los elementos del segundo grupo pueden seleccionarse de los restantes elementos de formas distintas. De aquí que el número total de formas distintas de seleccionar los dos primeros grupos es c) Continuando con este procedimiento para el tercer grupo tenemos formas posibles de escoger elementos y un total de formas para los 3 grupos

18 Coeficientes multinomiales Por lo tanto, el número total de modos distintos de seleccionar/repartir n elementos en k grupos es Al número coeficiente multinomial se le llama

19 Coeficientes multinomiales Ejemplo En un paquete de cartas (52 cartas), 13 son corazones. Suponga que las cartas serán repartidas entre 4 jugadores A, B, C y D. De modo que cada jugador recibirá 13 cartas. Cuál es la probabilidad de que el jugador A reciba 6 corazones, el jugador B, 4 corazones; C, 2 corazones y el jugador D, un corazón?

20 Combinaciones (con reemplazamiento) Así como hemos visto en el caso de las permutaciones, ahora nos preguntamos por el número de combinaciones de k elementos seleccionados de n con reemplazamiento. Antes veamos un ejemplo para ver que hay una relación uno a uno entre el número de combinaciones de tamaño k (de n objetos) con reemplazamiento y el número de combinaciones de muestras de tamaño k (de n+k-1 objetos), sin reemplazamiento.

21 Combinaciones (con reemplazamiento) Consideremos 3 bolas con los números 1, 2 y 3: es decir, n=3 y k=3

22 Combinaciones (con reemplazamiento) 1,1, ,2,3 1,1, ,2,4 1,1, ,2,5 1,2, ,3,4 1,2, ,3,5 1,3, ,4,5 2,2, ,3,4 2,2, ,3,5 2,3, ,4,5 3,3, ,4,5 Muestras con reemplazo Muestras sin reemplazo k=3, n=3 k=3, n+k-1=5

23 Combinaciones (con reemplazamiento) Es decir, el número de combinaciones con reemplazamiento de k objetos seleccionados de n está dado por

24 Enfoque físico Supongamos que tenemos k partículas indistinguibles que queremos repartir en n niveles (cajas) distinguibles De cuántas formas distintas se pueden repartir las partículas?

25

26 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Un sistema contiene un número de partículas N. La estructura del sistema es tal que existen R niveles de energía, con energías y cada nivel de energía contiene (degeneración) estados cuánticos. Encuentre el número de formas posibles en que las partículas se pueden repartir entre los estados cuánticos, tal que el i-ésimo nivel de energía contenga partículas, bajo las siguientes condiciones:

27 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi a) Las partículas son distinguibles y no hay restricción alguna en el número de partículas en cada estado. b) Las partículas son indistinguibles y no hay restricciones en cuanto al número de partículas en cada estado. c) Las partículas son indistinguibles con un máximo de una partícula en cada estado.

28 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi

29 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Olvidémonos por un momento de la degeneración en cada nivel. Caso a: Si las partículas son distinguibles entonces ya sabemos el resultado: recién hemos visto el número de formas distintas en que n objetos pueden repartirse en k grupos (en nuestro caso k=r). De aquí que es el número de arreglos distintos que podemos hacer con las N partículas

30 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Caso b: Ahora, si las N partículas son indistinguibles de cuántas formas distintas se pueden repartir éstas en los R niveles, con partículas en cada nivel : De una sóla forma!

31 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Ahora vamos a considerar la degeneración. Llamemos al número de formas en que las partículas pueden distribuirse/acomodarse en el i- ésimo nivel de energía. De esta forma el número de posibles formas distintas en que las N partículas pueden repartirse en los R niveles con partículas por nivel es: Partículas distinguibles Partículas indistinguibles

32 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Nos resta tener una expresión para Caso a: Como no hay restricción en el número de partículas en cada estado, cada partícula en el i-ésimo nivel puede estar en cualquiera de los estados, i.e.,

33 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Por lo tanto, para el caso a, tenemos finalmente que Esta es la llamada estadística de Maxwell-Boltzmann que se utiliza en mecánica estadística clásica.

34 Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Caso b: Ahora las partículas son indistinguibles y no hay restricción en el número de partículas en cada estado. Por tanto: Estadística de Bose-Einstein

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Física Estadística. Tarea 8. A entregar: Miércoles 29 de abril de 2015.

Física Estadística. Tarea 8. A entregar: Miércoles 29 de abril de 2015. Física Estadística Tarea 8 A entregar: Miércoles 29 de abril de 2015. Una manera alternativa de deducir las distribuciones de Bose- Einstein y Fermi-Dirac... y Maxwell-Boltzmann. En algunos textos todavía

Más detalles

1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito,

1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito, 1 1.4 Cálculo de Probabilidades con Métodos de Conteo Considerere un espacio muestral finito, y defina, Luego, Ω = {ω 1,..., ω n }, P ({ω i }) = p i, i = 1,..., n P (A) = ω i A p i, A Ω Ω se dice equiprobable

Más detalles

Clase 4: Probabilidades de un evento

Clase 4: Probabilidades de un evento Clase 4: Probabilidades de un evento Definiciones A continuación vamos a considerar sólo aquellos experimentos para los que el EM contiene un número finito de elementos. La probabilidad de la ocurrencia

Más detalles

ANALISIS COMBINATORIO.

ANALISIS COMBINATORIO. ANALISIS COMBINATORIO. TEOREMA FUNDAMENTAL: Si un suceso puede tener lugar de m maneras distintas y cuando ocurre una de ellas se puede realizar otro suceso inmediatamente de n formas diferentes, ambos

Más detalles

Tema 3. Concepto de Probabilidad

Tema 3. Concepto de Probabilidad Tema 3. Concepto de Probabilidad Presentación y Objetivos. El Cálculo de Probabilidades estudia el concepto de probabilidad como medida de incertidumbre. En situaciones donde se pueden obtener varios resultados

Más detalles

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S. Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados

Más detalles

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Ejercicios de combinatoria resueltos. Matemática Discreta. 4º Ingeniería Informática

Ejercicios de combinatoria resueltos. Matemática Discreta. 4º Ingeniería Informática 1. Un número telefónico consta de siete cifras enteras. Supongamos que la primera cifra debe ser un número entre 2 y 9, ambos inclusive. La segunda y la tercera cifra deben ser números entre 1 y 9, ambos

Más detalles

Soluciones de los ejercicios de la primera Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo

Soluciones de los ejercicios de la primera Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo Soluciones de los ejercicios de la primera Unidad Dr. Víctor Hernández Dr. Jorge Martín Dr. José Antonio Carrillo 5 de marzo de 0 Índice general Ejercicio.. Manejo del formalismo de los sucesos.............

Más detalles

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Definiciones: 1- La probabilidad estudia la verosimilitud de que determinados sucesos o eventos ocurran o no, con respecto a otros sucesos o eventos

Más detalles

Curso de Probabilidades. María Margarita Olivares

Curso de Probabilidades. María Margarita Olivares Curso de Probabilidades María Margarita Olivares Octubre 2002 2 Índice General PRÓLOGO Estas notas es el resultado de la experiencia de la autora en el dictado del curso de probabilidades de la Licenciatura

Más detalles

Curso de Probabilidad y Estadística

Curso de Probabilidad y Estadística Curso de Probabilidad y Estadística Temas: (1) Introducción, (2) Probabilidad y (3) Distribuciones y Densidades de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana

Más detalles

Ejercicios Resueltos de Probabilidad

Ejercicios Resueltos de Probabilidad Ejercicios Resueltos de Probabilidad Juan José Salazar González Marta López Yurda Índice general Prólogo 9 1. Combinatoria 11 2. Fundamentos de probabilidades 23 3. Distribuciones de probabilidad 85 4.

Más detalles

Conceptos Básicos de Probabilidad

Conceptos Básicos de Probabilidad Conceptos Básicos de Probabilidad Debido a que el proceso de obtener toda la información relevante a una población particular es difícil y en muchos casos imposible de obtener, se utiliza una muestra para

Más detalles

CPE (SEGUNDO CURSO) PRÁCTICA 0 SOLUCIONES (Curso 2015 2016)

CPE (SEGUNDO CURSO) PRÁCTICA 0 SOLUCIONES (Curso 2015 2016) 1/11 CPE (SEGUNDO CURSO) PRÁCTICA 0 SOLUCIONES (Curso 2015 2016) 1. Considérese una función de n variables f(x 1, x 2,..., x n ). Cuántas derivadas parciales de orden r se pueden calcular? Teniendo en

Más detalles

Elementos de Combinatoria

Elementos de Combinatoria Elementos de Combinatoria 1 Introducción Previamente al estudio de la probabilidad en sí, conviene dedicar algún tiempo al repaso de las técnicas combinatorias. Recordemos que la Combinatoria es la parte

Más detalles

Probabilidad. Relación de problemas 5

Probabilidad. Relación de problemas 5 Relación de problemas 5 Probabilidad 1. Una asociación consta de 14 miembros, de los cuales 6 son varones y 8 son mujeres. Se desea seleccionar un comité de tres hombres y tres mujeres. Determinar de cuántas

Más detalles

2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24

2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o Profesor: Hugo S. Salinas. Segundo Semestre. RESOLVER. 3

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

Ejercicios distribuciones discretas probabilidad

Ejercicios distribuciones discretas probabilidad Ejercicios distribuciones discretas probabilidad 1. Una máquina que produce cierta clase de piezas no está bien ajustada. Un porcentaje del 4.2% de las piezas están fuera de tolerancias, por lo que resultan

Más detalles

Tema 7: Estadística y probabilidad

Tema 7: Estadística y probabilidad Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro

Más detalles

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela

Más detalles

Lección 22: Probabilidad (definición clásica)

Lección 22: Probabilidad (definición clásica) LECCIÓN 22 Lección 22: Probabilidad (definición clásica) Empezaremos esta lección haciendo un breve resumen de la lección 2 del libro de primer grado. Los fenómenos determinísticos son aquellos en los

Más detalles

Clase 3: Introducción a las Probabilidades

Clase 3: Introducción a las Probabilidades Clase 3: Introducción a las Probabilidades Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas

Más detalles

Se pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores.

Se pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores. 2.2.- Ha sido medida la distancia de frenado (en metros) de una determinada marca de coches, según el tipo de suelo y velocidad a la que circula, los resultados en 64 pruebas aparecen en el listado siguiente:

Más detalles

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral. Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA Capítulo 4 INFERENCIA ESTADÍSTICA 4.1. Introducción Inferir: Sacar una consecuencia de una cosa. Sacar consecuencia o deducir una cosa de otra. La estadística, ciencia o rama de las Matemáticas que se

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Problemas de Probabilidad y Estadística (1)

Problemas de Probabilidad y Estadística (1) Problemas de Probabilidad y Estadística (1) Sebastian Grynberg 31 de agosto de 2009 Índice 1. Espacios de probabilidad (nociones básicas) 1 1.1. Urnas y bolas.................................. 1 1.2. Monedas.....................................

Más detalles

Ejercicios Resueltos de Teorema Central de Límite (TCL) Ejercicios 1 y 2: Resolución de Ejercicios propuestos del Tema 5.

Ejercicios Resueltos de Teorema Central de Límite (TCL) Ejercicios 1 y 2: Resolución de Ejercicios propuestos del Tema 5. EJERCICIOS DE PROBABILIDAD EJERCICIOS ADECUADOS PARA SECUNDARIA O BACHILLER TITULO: AUTOR: Ejercicios Resueltos de Teorema Central de Límite (TCL) JUAN VICENTE GONZÁLEZ OVANDO Ejercicio 15: Ejercicios

Más detalles

PARTE 1 PROBLEMAS PROPUESTOS FACTORIAL. 2. 31 Calcular:

PARTE 1 PROBLEMAS PROPUESTOS FACTORIAL. 2. 31 Calcular: PARTE 1 FACTORIAL 2. 31 Calcular: PROBLEMAS PROPUESTOS i. 9!, (9)(8)(7)(6)(5)(4)(3)(2)(1) = 362880 ii. 10! (10)(9)(8)(7)(6)(5)(4)(3)(2)(1) = 3628800 iii. 11! (11)(10)(9)(8)(7)(6)(5)(4)(3)(2)(1) = 39916800

Más detalles

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo.

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo. COMBINATORIA Introducción a la Combinatoria Recuento A menudo se presenta la necesidad de calcular el número de maneras distintas en que un suceso se presenta o puede ser realizado. Otras veces es importante

Más detalles

Curso elemental de PROBABILIDAD Y ESTADÍSTICA

Curso elemental de PROBABILIDAD Y ESTADÍSTICA Curso elemental de PROBABILIDAD Y ESTADÍSTICA Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Versión: Diciembre 2007 Una versión actualizada del

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

UNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES INSTITUTO DE FÍSICA PROGRAMA DE FÍSICA ESTADÍSTICA

UNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES INSTITUTO DE FÍSICA PROGRAMA DE FÍSICA ESTADÍSTICA UNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES INSTITUTO DE FÍSICA APROBADO EN EL CONSEJO DE FACULTAD DE CIENCIAS EXACTAS Y NATURALES ACTA 34 DEL 30 DE SEPTIEMBRE DE 2015. PROGRAMA DE

Más detalles

Capítulo 10 Combinaciones y permutaciones

Capítulo 10 Combinaciones y permutaciones Capítulo 10 Combinaciones y permutaciones Los juegos de azar y las combinaciones Has jugado alguna vez póquer? Por si aún no lo has hecho, aquí hay una pequeña explicación de cómo hacerlo: El póquer se

Más detalles

Introducción a la Probabilidad

Introducción a la Probabilidad Probability is too important to be left to the experts R. Hamming Libros de Texto 1. The Art of Probability for Scientists and Engineers, Richard W. Hamming, WestView Press, 1991 2. Introduction to Probability

Más detalles

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones

Más detalles

Matemática Discreta I Tema 4 - Ejercicios resueltos

Matemática Discreta I Tema 4 - Ejercicios resueltos Matemática Discreta I Tema - Ejercicios resueltos Principios básicos Ejercicio 1 Cuántos números naturales existen menores que 10 6, cuyas cifras sean todas distintas? Solución Si n < 10 6, n tiene 6 o

Más detalles

Operaciones con polinomios

Operaciones con polinomios Operaciones con polinomios Los polinomios son una generalización de nuestro sistema de numeración. Cuando escribimos un número, por ejemplo, 2 354, queremos decir: 2 354 = 2 000 + 300 + 50 + 4 = 2)1 000)

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documento es de distribución gratuita y llega gracias a Ciencia Matemática El mayor portal de recursos educativos a tu servicio! Ejercicios Resueltos de Probabilidad Juan José Salazar González Marta

Más detalles

FACULTAD DE CIENCIAS EXACTAS Y NATURALES SEMILLERO DE MATEMÁTICAS TALLER # 13. COMBINACIONES Y PROBABILIDAD

FACULTAD DE CIENCIAS EXACTAS Y NATURALES SEMILLERO DE MATEMÁTICAS TALLER # 13. COMBINACIONES Y PROBABILIDAD FACULTAD DE CIENCIAS EXACTAS Y NATURALES SEMILLERO DE MATEMÁTICAS TALLER # 13. COMBINACIONES Y PROBABILIDAD Grado 11 Taller # 13 Nivel II RESEÑA HISTORICA El concepto de Probabilidad ha evolucionado en

Más detalles

Tema 2 - Introducción

Tema 2 - Introducción Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema

Más detalles

Notas de Probabilidades

Notas de Probabilidades 1 Introducción Notas de Probabilidades En la vida cotidiana nos encontramos con frecuencia con situaciones que producen varios resultados conocidos, sin poder determinar con exactitud cual de ellos ocurrirá.

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II Soluciones de los ejercicios de Selectividad sobre Probabilidad de ntonio Francisco Roldán López de Hierro * Convocatoria de 2007 Las siguientes páginas contienen las soluciones de los ejercicios propuestos

Más detalles

EJ:LANZAMIENTO DE UNA MONEDA AL AIRE : S { } { } ESPACIO MUESTRAL:CONJUNTO DE TODOS LOS SUCESOS ELEMENTALES DE UN EXPERIMENTO ALEATORIO.

EJ:LANZAMIENTO DE UNA MONEDA AL AIRE : S { } { } ESPACIO MUESTRAL:CONJUNTO DE TODOS LOS SUCESOS ELEMENTALES DE UN EXPERIMENTO ALEATORIO. GUIA DE EJERCICIOS. TEMA: ESPACIO MUESTRAL-PROBABILIDADES-LEY DE LOS GRANDES NUMEROS. MONTOYA.- CONCEPTOS PREVIOS. EQUIPROBABILIDAD: CUANDO DOS O MAS EVENTOS TIENEN LA MISMA PROBABILIDAD DE OCURRIR. SUCESO

Más detalles

Probabilidad y sus aplicaciones en ingeniería informática

Probabilidad y sus aplicaciones en ingeniería informática Probabilidad y sus aplicaciones en ingeniería informática Víctor Hernández Eduardo Ramos Ildefonso Yáñez c Víctor Hernández, Eduardo Ramos, Ildefonso Yánez EDICIONES CDÉMICS Probabilidad y sus aplicaciones

Más detalles

TEORIA DE LA PROBABILIDAD

TEORIA DE LA PROBABILIDAD TEORIA DE LA PROBABILIDAD 2.1. Un poco de historia de la teoría de la probabilidad. Parece evidente que la idea de probabilidad debe ser tan antigua como el hombre. La idea es muy probable que llueva mañana

Más detalles

Ejercicios Resueltos Combinatoria. 1. De cuántas maneras pueden sentarse 10 personas en un banco si hay 4 sitios disponibles?

Ejercicios Resueltos Combinatoria. 1. De cuántas maneras pueden sentarse 10 personas en un banco si hay 4 sitios disponibles? Ejercicios Resueltos Combinatoria 1. De cuántas maneras pueden sentarse 10 personas en un banco si hay sitios disponibles? Nótese que importa el orden en que se sienten las personas, ya que los cuatro

Más detalles

CONSIDERACIONES SOBRE ALGUNOS CONCEPTOS BÁSICOS DE PROBABILIDAD

CONSIDERACIONES SOBRE ALGUNOS CONCEPTOS BÁSICOS DE PROBABILIDAD UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CIENCIAS 1 CONSIDERACIONES SOBRE ALGUNOS CONCEPTOS BÁSICOS DE PROBABILIDAD T E S I S QUE PARA OBTENER EL TÍTULO DE: ACTUARIO P R E S E N T A : LUIS ENRIQUE

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Modelos de distribuciones discretas

Modelos de distribuciones discretas Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,

Más detalles

METODOS ESTADISTICOS.

METODOS ESTADISTICOS. AREA DE ESTADISTICA E INVESTIGACION DE OPERACIONES PROGRAMA: METODOS ESTADISTICOS. PROYECTO: SERVICIO DE CONSULTORIA ESTADISTICA. SERVICIO DE CONSULTORIA ESTADISTICA. Diseño con propósitos de un posterior

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

Introducción al Cálculo de Probabilidades a través de casos reales

Introducción al Cálculo de Probabilidades a través de casos reales MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Introducción al Cálculo de Probabilidades a través de casos reales Paula Lagares Barreiro * Federico Perea

Más detalles

Probabilidad Para Ingenieros Apuntes EII-346. Ricardo Gatica Escobar, Ph.D.

Probabilidad Para Ingenieros Apuntes EII-346. Ricardo Gatica Escobar, Ph.D. Probabilidad Para Ingenieros Apuntes EII-346 Ricardo Gatica Escobar, Ph.D. 5 de noviembre de 2003 Capítulo 1 Introducción 1.1. Definiciones y Conceptos Básicos Definiciones Fenómeno: Cualquier ocurrencia

Más detalles

13Soluciones a los ejercicios y problemas PÁGINA 280

13Soluciones a los ejercicios y problemas PÁGINA 280 Soluciones a los ejercicios y problemas PÁGINA 0 Pág. P RACTICA Muy probable, poco probable Tenemos muchas bolas de cada uno de los siguientes colores: negro (N), rojo (R), verde (V) y azul (A), y una

Más detalles

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC Abel Martín ( * ) Rosana Álvarez García ( ) En dos artículos anteriores ya hemos estudiado la distribución Binomial de parámetros

Más detalles

COMBINACIONES página 29 COMBINACIONES

COMBINACIONES página 29 COMBINACIONES página 29 DEFINICIÓN: Dados n elementos, el número de conjuntos que se pueden formar con ellos, tomados der en r, se llaman combinaciones. Por ejemplo, sean cuatro elementos formar con esos cuatro elementos

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

Frontera de Eficiencia de Futuros de Energía

Frontera de Eficiencia de Futuros de Energía La Aproximación Bayesiana a la Estadística El modelo de Black y Litterman con Reducción de Dimensión Un modelo de factores semiparamétrico (Borak - Weron 2008) CP usando muchos predictores (Stock y Watson

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3, Opción

Más detalles

MATEMÁTICA NM4 4º EM

MATEMÁTICA NM4 4º EM MATEMÁTICA NM4 4º EM UNIDADES TEMÁTICAS UNIDAD Nº 01: ESTADÍSTICA Y PROBABILIDAD Conceptos generales : Población, muestra, parámetro y estadístico Variables y su clasificación Medición y escalas Organización

Más detalles

Fundamentos de la Mecánica Estadística (la explicación microscópica de la Termodinámica)

Fundamentos de la Mecánica Estadística (la explicación microscópica de la Termodinámica) Fundamentos de la Mecánica Estadística (la explicación microscópica de la Termodinámica) C. Dib Depto de Física, Universidad Técnica Federico Santa María, Valparaíso, Chile (Dated: June 16, 21) La Termodinámica

Más detalles

TEMA 1. Termodinámica Estadística: Fundamentos y Sistemas de Partículas Independientes.

TEMA 1. Termodinámica Estadística: Fundamentos y Sistemas de Partículas Independientes. 1 TEMA 1. Termodinámica Estadística: Fundamentos y Sistemas de Partículas Independientes. Parte I: Fundamentos 1. Introducción a la Termodinámica Estadística 2. Estados de un Sistema. Relación entre las

Más detalles

Variables aleatorias. Función de distribución y características asociadas

Variables aleatorias. Función de distribución y características asociadas Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................

Más detalles

SUCESOS. PROBABILIDAD. BACHILLERATO. TEORÍA Y EJERCICIOS SUCESOS

SUCESOS. PROBABILIDAD. BACHILLERATO. TEORÍA Y EJERCICIOS SUCESOS 1 SUCESOS Experimento aleatorio. Es aquel que al repetirlo en análogas condiciones, da resultados diferentes, es decir, no se puede predecir el resultado que se va a obtener. Ejemplos: - Lanzar una moneda

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales

Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 2: Muestreo Curso 2008-2009 1 / 13 Índice 1 Introducción 2 Muestreo

Más detalles

Valeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)

Valeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química) Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 3 Elementos

Más detalles

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas).

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). TEMA 5.- GRAFOS 5.1.- DEFINICIONES BÁSICAS Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). Gráficamente representaremos

Más detalles

Un juego de cartas: Las siete y media

Un juego de cartas: Las siete y media Un juego de cartas: Las siete y media Paula Lagares Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 * Universidad de Sevilla

Más detalles

Materia: Matemática de Octavo Tema: Probabilidad de sucesos independientes

Materia: Matemática de Octavo Tema: Probabilidad de sucesos independientes Materia: Matemática de Octavo Tema: Probabilidad de sucesos independientes Te has preguntado si pueden pasar dos cosas a la vez? Jana tiene dos mazos de cartas. Cada mazo tiene diez cartas. Hay tres figuras

Más detalles

CAPÍTULO 5. Probabilidad. 5.1 Álgebra de sucesos. 1. Experimento lanzar un dado y anotar la cara que sale:

CAPÍTULO 5. Probabilidad. 5.1 Álgebra de sucesos. 1. Experimento lanzar un dado y anotar la cara que sale: CAPÍTULO 5 Probabilidad 5.1 Álgebra de sucesos 5.1.1 Fenómenos determinísticos y aleatorios En la naturaleza se producen dos tipos de fenómenos: Determinísticos: Son los fenómenos que siempre que se efectúen

Más detalles

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012 Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte. ---o0o--- Introducción a la Inferencia Estadística

Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte. ---o0o--- Introducción a la Inferencia Estadística Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte ---o0o--- Introducción a la Inferencia Estadística Bioestadística - Facultad de Medicina Universidad de Granada (España) http://www.ugr.es/~bioest

Más detalles

T.3 ESTIMACIÓN PUNTUAL

T.3 ESTIMACIÓN PUNTUAL T.3 ESTIMACIÓN PUNTUAL 1. INTRODUCCIÓN: ESTIMACIÓN Y ESTIMADOR 2. PROPIEDADES DE LOS ESTIMADORES 3. MÉTODOS DE ESTIMACIÓN. EJEMPLO 1, EJEMPLO 2 1. Introducción: Estimación y Estimador En este tema se analizan

Más detalles

COLEGIO MANZANARES calidad humana nuestra filosofía educación integral nuestra razón de ser TALLER DE APOYO A NECESIDADES EDUCATIVAS ALUMNO

COLEGIO MANZANARES calidad humana nuestra filosofía educación integral nuestra razón de ser TALLER DE APOYO A NECESIDADES EDUCATIVAS ALUMNO AREA Estadística PERIODO 3 GRADO 11 TEMA DOCENTE Juan Felipe Agudelo ALUMNO Nota 1: Los talleres deben ser realizados en hojas y organizados en carpetas marcadas con el nombre completo y el tema que le

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son

Más detalles

Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta

Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática

Más detalles

Pues, sí. La respuesta la podemos encontrar en el análisis combinatorio.

Pues, sí. La respuesta la podemos encontrar en el análisis combinatorio. 2. Análisis combinatorio 2.1. Introducción. Imagina que quieres saber de cuántas formas pueden acomodarse 15 libros en un estante sin importar el orden en que éstos vayan, o imagina que quieres escoger

Más detalles

Tema 6 Algunos modelos de distribuciones discretas.

Tema 6 Algunos modelos de distribuciones discretas. Tema 6 Algunos modelos de distribuciones discretas. Una vez epuesta la teoría general sobre variables aleatorias y sus distribuciones de probabilidad, vamos a describir algunas distribuciones particulares

Más detalles

Profesor Miguel Ángel De Carlo PROBABILIDAD. Tercer año del Profesorado de Matemática

Profesor Miguel Ángel De Carlo PROBABILIDAD. Tercer año del Profesorado de Matemática Profesor Miguel Ángel De Carlo PROBABILIDAD Tercer año del Profesorado de Matemática 2 Probabilidad 3er año M.A.D.C Cap.I Definiciones de Probabilidad 3 Introducción La probabilidad es uno de los instrumentos

Más detalles

0.1 Introducción. 0.2 Un modelo del cubo. El grupo de Rubik

0.1 Introducción. 0.2 Un modelo del cubo. El grupo de Rubik 0.1 Introducción i El grupo de Rubik 0.1 Introducción La primera vez que alguien se enfrenta con el cubo de Rubik, es muy posible que tan solo aprenda a moverlo. Y ya entonces se percata que tiene ante

Más detalles

Ayudantía 4 Probabilidades ILI-280 Estadística Computacional. Profesor: Rodrigo Salas Ayudantes: Juan Pablo Cares Pino Fernando Herrera Barría

Ayudantía 4 Probabilidades ILI-280 Estadística Computacional. Profesor: Rodrigo Salas Ayudantes: Juan Pablo Cares Pino Fernando Herrera Barría Ayudantía 4 Probabilidades ILI-280 Estadística Computacional Profesor: Rodrigo Salas Ayudantes: Juan Pablo Cares Pino Fernando Herrera Barría Valparaíso, 25 de septiembre de 2009 1. Se compran 3 billetes

Más detalles

Curso Taller de Matemáticas Olímpicas. Principio Fundamental del Conteo

Curso Taller de Matemáticas Olímpicas. Principio Fundamental del Conteo Curso Taller de Matemáticas Olímpicas Principio Fundamental del Conteo La forma más sencilla y tradicional de contar cosas suele ser con los diagramas de árbol; al final, todo se reduce a sumas y multiplicaciones.

Más detalles

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

T.1 CONVERGENCIA Y TEOREMAS LÍMITE T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)

Más detalles

Ejercicios y problemas resueltos de probabilidad condicionada

Ejercicios y problemas resueltos de probabilidad condicionada Ejercicios y problemas resueltos de probabilidad condicionada 1.- Sean A y B dos sucesos aleatorios con p(a) = 1/2, p(b) = 1/3, p(a B)= 1/4. Determinar: 1 2 3 4 5 2.- Sean A y B dos sucesos aleatorios

Más detalles