Estadística aplicada y modelización. 15 de junio de 2005

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

Download "Estadística aplicada y modelización. 15 de junio de 2005"

Transcripción

1 Estadística aplicada y modelización. 15 de junio de 2005 SOLUCIÓN MODELO A 1. En una población de fumadores se quiere examinar la relación entre el número de cigarrillos que consumen diariamente y el número de días, durante el último año, que sufrieron algún tipo de problema respiratorio. Se obtiene la siguiente tabla de valores para 10 fumadores de una muestra tomada en la población: Número de cigarrillos (X) Días con problemas respiratorios (Y) (a) Cuál es el porcentaje de personas de la muestra que fuman 20 cigarillos diarios? De entre las personas que fuman 20 cigarrillos diarios, cuál es el porcentaje que tienen problemas respiratorios 30 días al año? (b) Se puede considerar que existe una relación lineal entre ambas variables? Razona la respuesta y, en caso afirmativo, utilizando la correspondiente recta de regresión, haz una estimación del número de días con problemas respiratorios que tendrá una persona que fuma 25 cigarrillos al día. Solución: (a) Se consideran las variables X= n o de cigarrillos diarios e Y = n o de días con problemas respiratorios. Si observamos los datos correspondientes a la variable X, nos damos cuenta de que la modalidad x i = 20 aparece 2 veces, por lo tanto su frecuencia absoluta es n i = 2. Al preguntarnos sobre el porcentaje de personas de la muestra que presentan la modalidad x i, se nos está preguntando sobre la frecuencia relativa dre dicha modalidad, esto es f i = 2/10 = 0.2 que, expresado en porcentajes, supone un 20% de la muestra. Por otra parte, el porcentaje de individuos que tienen problemas respiratorios 30 días al año, de entre aquellos que fuman 20 cigarrillos diarios es la frecuencia relativa de la modalidad y j = 30 de Y, condicionada a la modalidad x i = 20 de X. Entonces, dicha frecuencia fj i = 1/2, puesto que, en este caso, no debemos dividir entre el tamaño de la muestra, sino entre el número de individuos de la muestra que presentan la modalidad x i de X, es decir, el número de individuos de la muestra que fuman 20 cigarrillos diarios. (b) Para saber si se puede considerar que existe una relación lineal entre las variables, solamente hay que calcular el coeficiente de correlación lineal ρ = σ XY, que es el indicador σ x σ Y numérico de la calidad de un ajuste lineal. Cuanto más próximo esté a 1 ó -1, mejor será el ajuste (también podríamos calcular ρ 2 y ver si está próximo a 1). Representamos en una tabla los datos para ir indicando, paso por paso, cada una de las operaciones necesarias para calcular covarianza y desviaciones típicas de X e Y.

2 x i y i x i y i x 2 i yi A continuación, se van calculando cada una de los términos: N N x i i=1 media de X, X = N = 219 y i i=1 = 21.9 media de Y, Y = 10 N = = 33.9 Ni=1 x i y i covarianza σ XY = X Y = = N 10 N x 2 i varianza de X, σx 2 i=1 = N X2 = = Por tanto, como varianza de Y, σ 2 Y = ρ = N x 2 i i=1 N Y 2 = = = = 0.91 es un número próximo a 1, se puede decir que una recta es un buen modelo para estimar la relación entre ambas variables. Como consecuencia, sí se puede admitir que la relación entre ambas variables es lineal. Para calcular la recta de regresión de Y sobre X, se aplica la fórmula (que resulta de resolver genéricamente el sistema de ecuaciones que proporciona el método de los mínimos cuadrados:) recta de regresión de Y X : y Y = σ XY (x X) σx 2 y 33.9 = (x 21.9) y = 1.179x Para hacer una estimación del número de días con problemas respiratorios que tendrá una persona que fuma 25 cigarrillos al día, se sustituye la x por 25, en la ecuación de la recta de regresión: = Utilizando un ajuste lineal, se estima que una persona que fuma 25 cigarrillos diarios, tendrá problemas respiratorios 37 días al año.

3 2. El 5% de las unidades producidas en una fábrica se encuentran defectuosas cuando el proceso de fabricación se encuentra bajo control. Cuando el proceso se encuentra fuera de control, se produce un 30% de unidades defectuosas. La probabilidad de que un día escogido al azar el proceso se encuentre bajo control es de (a) Si se escoge aleatoriamente una unidad, cuál es la probabilidad de que sea defectuosa? (b) Sabiendo que se ha escogido una unidad no defectuosa, cuál es la probabilidad de que el proceso se encontrase bajo control? Solución: (a) A la vista de la pregunta que se nos formula en el primer apartado, nombramos el suceso del que nos piden la probabilidad: D= elegir un objeto defectuoso ; según el teorema de la probabilidad total, para calular p(d), ha de tenerse en cuenta si el proceso se encontraba o no bajo control cuando se escogió la unidad. Entonces, consideramos los sucesos: C= el proceso se encuentra bajo control, C= el proceso no se encuentra bajo control. Con la notación establecida, la probabilidad que se pide será p(d) = p(d C)p(C) + p(d C)p( C) = (1 0.92) = 0.07 (b) La probabilidad que nos piden en este apartado es una probabilidad condicionada (recuerda el famoso sabiendo que ). Concretamente, p(c D), para lo cual se usa la fórmula de Bayes: p(c D) = p( D C) p(c) p( D) = (1 0.05) = = Obsérvese que la probabilidad del denominador, p( D) se ha calculado utilizando el apartado anterior. Sin embargo, podría haberse hecho también utilizando de nuevo el teorema de la probabilidad total: p( D) = p( D C)p(C) + p( D C)p( C) = (1 0.05) (1 0.3) (1 0.92) = Para cierto juego de cartas se deben repartir las 0 cartas de una baraja española entre jugadores. Calcula la distribución de probabilidad y la función de distribución de la variable aleatoria que mide el número de reyes que recibe un jugador concreto. Supongamos que se juegan 5 partidas de dicho juego. Cuál es la probabilidad de que el mismo jugador reciba en cada partida los reyes de la baraja? Solución: Se denomina X= número de reyes que recibe un jugador concreto. Según el enunciado del problema, se reparten las 0 cartas entre jugadores, por lo tanto, un jugador concreto va

4 a recibir 10 cartas. Como en la baraja hay un total de reyes, los posibles valores de la variable X son {0, 1, 2, 3,, 5}. La distribución de probabilidad de la variable consiste en asociar a cada valor de la variable su probabilidad correspondiente. El reparto de cartas se puede considerar como extracciones de cartas sin reemplazamiento. Por tanto, como el experimento no se corresponde con una repetición de pruebas de Bernouilli independientes, ya que en cada extracción no se está en las mismas condiciones que al principio (cada vez se van teniendo menos cartas), la variable X no sigue una distribución binomial. Una forma de hacer el problema sería ir considerando lo que ocurre en cada una de las diez extracciones y hacer la intersección de todas. Dado que el número de extracciones (cartas que recibe cada jugador) es elevado (10 cartas) es preferible pensar el problema casos favorables usando directamente la regla de Laplace: p =. Para hacer el recuento de casos posibles los mismos en cada caso, hacemos uso de la combinatoria: ( )( ) p(x = 0) = ( ) = ( )( ) p(x = 1) = p(x = 2) = p(x = 3) = ( ) = ( )( ) ( ) = ( )( ) ( ) = ( )( ) 366 p(x = ) = ( ) = Hay que calcular también la función de distribución. Si x < 0, F (x) = 0 si 0 x < 1, F (x) = ; si 1 x < 2, F (x) = = ; si 2 x < 3, F (x) = = ; si 3 x <, F (x) = = ; si x 3, F (x) = = 1 La función de distribución es F (x) = 0 si x < si 0 x < si 1 x < si 2 x < si 3 x < 1 si x Supongamos ahora que se juegan 5 partidas de dicho juego. En cada partida, la probabilidad de un jugador reciba los cuatro reyes es siempre la misma, p = , según se ha

5 calculado en el apartado anterior. Como se quiere calcular la probabilidad de que en las 5 partidas ocurra lo mismo, será p p p p p = p 5 = = En una ciudad, la temperatura máxima durante el mes de junio está distribuida normalmente con una media de 26 o y una desviación típica de o. (a) Calcula la probabilidad de que un día escogido al azar la temperatura máxima sea de 26 grados. (b) Calcula el número de días que se espera tengan temperatura máxima comprendida entre 22 o y 28 o. (c) Cuál es la probabilidad de que un día la temperatura sea inferior a 20 grados? (d) El sistema de refrigeración de un edificio público se pone en funcionamiento en un 80% de los días de junio, siempre que el sistema considera que la temperaratura es demasiado elevada. Cuál es la temperatura que debe superarse para que se active el sistema de refrigeración? Solución: Sea X= temperatura máxima diaria durante el mes de junio. Se sabe que X N(26, ). (a) La probabilidad de que un día se registre una temperatura máxima igual a 26 grados es 0, puesto que la variable X es continua. (b) Para calcular cuántos días se mantiene la temperatura entre 22 y 28 grados, hay que calcular primero la probabilidad de que un día la temperatura se mantenga entre dichos valores: ( p(22 < X < 28) = p < Z < ) = p( 1 < Z < 0.5) = 1 (p(z < 1)+p(Z > 0.5)) = 1 (p(z > 1)+p(Z > 0.5)) = 1 ( ) = El número de días que se espera que la temperatura se mantenga entre 22 y 28 grados es, entonces = días (c) En este apartado sólo hay que tener en cuenta la simetría de la normal tipificada respecto a la recta x = 0 y consultar las tablas: ( ) p(x < 20) = p Z < = p(z < 1.5) = p(z > 1.5) = (d) Si se representa por a al valor buscado, lo que se sabe sobre él es que la probabilidad de que la temperatura sea superior, X > a, es igual a 0.8. Por tanto, ( 0.8 = p(x > a) = p Z > a 26 ) Según la notación establecida, a 26 = z 0.8. El valor de z 0.8 no se encuentra en la tabla de la normal tipificada, al tratarse de una probabilidad mayor que 0.5. Entonces, habrá que pensar en la relación entre z 0.8 y z 0.2, dado que este último sí se puede buscar en la tabla. Obsérvese que z 0.8 debe ser un número negativo, puesto que es el número real que deja a su derecha un área igual a 0.8, por debajo de la campana de Gauss:

6 z 0.8 Entonces, z 0.8 es el número positivo que deja a su derecha un área igual a 0.2. Por lo tanto, z 0.2 z 0.8 = z 0.2 Buscamos el número 0.2 en el interior de la tabla y se anota a qué fila y columna corresponde. Como no se encuentra este valor concreto en la tabla, se debe interpolar. Para ello, se consideran los dos números que aparecen en la tabla entre los cuales se encuentra 0.2: son el y , que correponden a abcisas iguales a 0.85 y 0.8, respectivamente. Construímos la recta que pasa por los puntos (0.1977, 0.85) y (0.2005, 0.8): y 0.8 = Sustituyendo 0.2 en la recta anterior, se obtiene (x ) = (x ) z 0.2 = ( ) = a 26 Entonces, grados. = z 0.8 = z 0.2 = 0.817, de donde, depejando la a, se obtiene a = 5. Una empresa desea conocer si el porcentaje de sus trabajadores que poseen conocimientos mínimos de inglés ronda el 60%, para poner en marcha dentro de un plan de formación propio, un curso especializado de este idioma. Para ello, de 200 trabajadores encuestados, 132 resultaron tener un nivel básico de inglés. A un nivel de significación α = 0.05, explica razonadamente si la compañía decidirá poner en marcha el curso o no. Solución: Hay que plantear un contraste de hipótesis estadísticas sobre la probabilidad de cierto suceso (al que podemos denominar éxito), que sería un trabajador posee conocimientos mínimos de inglés. Mirando en la tabla de contrastes de hipótesis, debemos escoger el que responde al epígrafe constrastes para el parámetro p de un binomial B(1, p), es decir, p es la probabilidad de éxito, cuando el experimento se lleva a cabo un sola vez. Como en el enunciado se dice

7 que para que el programa de formación se ponga en marcha lo que se quiere verificar es que la proporción de trabajadores ronde el 60%, es decir que la probabilidad de que un trabajador posea esos conocimientos es igual a 0.6. H 0 : p = 0.6 H a : p 0.6 De la tabla de los contrastes de hipótesis, tomamos la regla de decisión del contraste. Como es un contraste bilateral p0 (1 p 0 ) Se rechaza H 0 si ˆp p 0 > z α/2. n El nivel de significación es α = 0.05, entonces z α/2 = z = 1.96, valor que se obtiene haciendo una búsqueda inversa en la tabla de la normal tipificada. El parámetro ˆp corresponde al estimador de la probabilidad de éxito, que es la proporción muestral: ˆp = 132 = El 200 término p 0 corresponde al valor que queremos contrastar para el parámetro p; en este caso, p 0 = 0.6. Se tiene entonces p0 (1 p 0 ) 0.6(1 0.6) ˆp p 0 = = 0.06 < = z α/2 = n 200 Como no se cumple la condición de rechazo, se acepta H 0 : p = 0.6. Por lo tanto, se acepta que la proporción de trabajadores con conocimientos de inglés es del 60%, con lo que sí se pondrá en marcha el curso.

8 SOLUCIÓN MODELO B 1. En el folleto de instrucciones del zoom de una cámara fotográfica aparecen los siguientes datos de la medida de la distancia focal del zoom y el ángulo de visión correspondiente: Distancia focal (X, mm) Ángulo de visión (Y, grados) Calcula una recta de regresión y una curva exponencial y = KA x para estimar el ángulo de visión según la distancia focal del zoom. Analiza cuál de las dos proporciona mejores estimaciones. Solución Construímos una tabla con los datos necesarios para calcular la recta de regresión de Y sobre X: x i y i x i y i x 2 i Media de X: X = 18 3 = Media de Y : Y = = 52. Covarianza de (X, Y ): σ XY = = 2598 = Varianza de X: σx 2 = 818 ( ) 18 2 = 268 = La recta de regresión de Y sobre X queda y 52 = (x 9.333) y = x Para ajustar la curva exponencial del tipo y = KA x, se realiza el siguiente cambio de variable, tomando logaritmos neperianos, Lny = LnK + xlna y se calcula la recta de regresión de Y = Lny sobre X, con los pares de valores {(x i, Lny i )}. Consideramos una nueva tabla con los cálculos necesarios para la recta de regresión de Y sobre X : x i = x i y i = Lny i x i y i x 2 i Ahora sólo es necesario calcular la media de Y y la covarianza de (X, Y ), puesto que la media y la covarianza de X ya las hicimos antes:

9 Media de Y : Y = = Covarianza de (X, Y ): σ X Y = La recta queda: = y = (x ) y = x Si denotamos a la recta anterior por y = α+βx, entonces, para deshacer el cambio anterior K = e α = e.8253 = y A = e β = e = Ya tenemos las dos constantes, K y A, que eran necesarias para tener definida la curva de regresión propuesta en el ejercicio. Lo único que se debe hacer ahora es escribir la curva: y = K A x = (0.9813) x. Para ver cuál de las dos curvas proporciona mejores estimaciones, vamos a calcular la varianza residual o error cuadrático medio de ambas. Para calcular la varianza residual de la primera curva, es decir, de la recta de regresión, se puede utilizar la siguiente fórmula: V r = σy 2 (1 ρ 2 ), donde ρ = σ XY, es el coeficiente de σ X σ Y correlación lineal. Casi todos los elementos de esta fórmula ya los hemos calculado, salvo la varianza de Y : σy 2 = = Entonces 3 ρ 2 = ( ) = de donde V r = Para calcular la varianza residual asociada a la curva exponencial, se utiliza la fórmula N (y i yi ) 2 i=1 genérica V r =, donde yi son los valores que se estiman de la variable Y usando N la curva de regresión correspondiente, en este caso, y = (0.9813) x. y 1 = (0.9813) 28 = y 2 = (0.9813) 50 = 8.93 y 3 = (0.9813) 70 = y i y i (y i y i ) Por tanto V r = = Comparando las varianzas residuales de la recta y la curva exponencial, V r (recta) = > = V r (exponencial) lo cual implica que la curva exponencial propuesta se ajusta mejor a la nube de puntos que la recta de regresión.

10 2. Para la aviación comercial, existen unas rutas predeterminadas según diversos factores de control de tráfico, países, pasillos aéreos, etc. En un típico vuelo Madrid-París se puede sobrevolar Bilbao (ruta 1) o Santander (ruta 2). Sin embargo, entre París y Bruselas, hay una única ruta (ruta 3). Además, para ir de Madrid a Bruselas, siempre hay que hacer escala en París. Un controlador del aeropuerto de Madrid-Barajas estima que la probabilidad de que se pueda circular por la ruta 1 un día escogido al azar es de 0.88, mientras que para la ruta 2 es de Por otro lado, solamente el 0.2% de los vuelos París-Bruselas se cancelan por no estar disponible la ruta correspondiente. Teniendo en cuenta que la disponibilidad de cada ruta es independiente de la del resto, calcula: (a) la probabilidad de que un avión pueda circular por la ruta 1, sabiendo que la ruta 2 también está disponible (b) la probabilidad de que no se pueda llegar de Madrid a París un día escogido al azar (c) la probabilidad de que se pueda viajar de Madrid a Bruselas (es decir, se pueda hacer alguna de las dos rutas entre Madrid y París y además hacer la ruta 3) (d) la probabilidad de que la ruta 2 esté disponible al tráfico aéreo, sabiendo que no se puede llegar a Bruselas desde Madrid. Solución Nombramos los sucesos cuyas probabilidades están indicadas en el enunciado R i = se puede circular por la ruta i para i = 1, 2, 3. Se sabe p(r 1 ) = 0.88 y p(r 1 ) = = 0.12 p(r 2 ) = 0.65 y p(r 2 ) = = p(r 3 ) = 1 (0.2/100) = y p(r 3 ) = 2/100 = (a) Como se indica en el enunciado que la disponibilidad de cada ruta es independiente de la del resto, la probabilidad de que un avión pueda circular por la ruta 1, sabiendo que la ruta 2 también está disponible, es decir p(r 1 R 2 ) es igual, simplemente, a la probabilidad de R 1, p(r 1 ) = (b) La probabilidad de que no se pueda llegar de Madrid a París un día escogido al azar es igual a la probabilidad de que no estén disponibles ni la ruta 1 ni la ruta 2, por tanto es la probabilidad de la intersección de R 1 y R 2 : p(r 1 R 2 ) = p(r 1 ) p(r 2 ) = = 0.02 (c) El suceso A= se pueda hacer alguna de las dos rutas entre Madrid y París (la ruta 1 o la ruta 2) y la ruta 3 se puede expresar, en términos de uniones e intersecciones, como A = (R 1 R 2 ) R 3. Luego, su probabilidad p(a) = p((r 1 R 2 ) R 3 ) = p(r 1 R 2 ) p(r 3 ) Para calcular la probabilidad de la unión, p(r 1 R 2 ), hay dos posibilidades: 1 a p(r 1 R 2 ) = p(r 1 ) + p(r 2 ) p(r 1 R 2 ) = p(r 1 ) + p(r 2 ) p(r 1 ) p(r 2 ) = = 0.958

11 Entonces 2 a p(r 1 R 2 ) = 1 p(r 1 R 2 ) = 1 p(r 1 R 2 ) = = p(a) = p((r 1 R 2 ) R 3 ) = p(r 1 R 2 ) p(r 3 ) = = (d) La probabilidad de que la ruta 2 esté disponible al tráfico aéreo, sabiendo que no se puede llegar a Bruselas desde Madrid es la probabilidad de R 2 condicionada a que no se pueda llegar de Madrid a Bruselas, que sería el suceso A, según la notación utilizada en el apartado anterior p(r 2 A) = p(r 2 A) p(a) El suceso R 2 A es que no funcione el sistema, (no se puede llegar de Madrid a Bruselas, pasando por París) y la ruta 2 no esté disponible. Si no funciona el sistema pero la ruta 2 está disponible, el fallo se produce porque la ruta 3 no está operativa. Entonces p(r 2 A) = p(r 2 R 3 ) = p(r 2 ) p(r 3 ) = = Es muy frecuente preguntarse en este momento qué ocurre con la ruta 1, es decir, si hay que tener en cuenta si está disponible o no. La respuesta es que no nos importa porque si calculamos la probabilidad anterior teniendo en cuenta que R 1 puede estar disponible o no, quedaría: p(r 2 A) = p(r 1 R 2 R 3 ) + p(r 1 R 2 R 3 ) = p(r 1 ) p(r 2 ) p(r 3 ) + p(r 1 ) p(r 2 ) p(r 3 ) = p(r 2 ) p(r 3 ) (p(r 1 ) + p(r 1 )) = p(r 2 ) p(r 3 ) 1 = p(r 2 ) p(r 3 ). Por otra parte, también p(a) se puede calcular de dos formas. La más directa y sencilla en este caso es p(a) = 1 p(a) = = 0.0 puesto que p(a) se pedía en el apartado anterior. La otra sería, sin usar el suceso complementario, o sea, teniendo en cuenta que A= no estén disponibles ni la ruta 1 ni la 2 o no esté disponible la ruta 3 =(R 1 R 2 ) R 3. Finalmente, la probabilidad condicionada que se pedía queda: p(r 2 A) = p(r 2 A) p(a) = =

12 3. Sea X la variable aleatoria que representa el peso neto (medido en kilogramos) de ciertos recipientes. La función de densidad de dicha variable X viene dada por k x si 0 x 2 2 f(x) = 0 en el resto (a) Cuántos kilogramos puede pesar como mucho un determinado recipiente? (b) Calcula el valor del parámetro k, para que f sea función de densidad. (c) Qué es más probable que una pieza pese más de 1.5 kg. o menos? (d) Calcula la función de distribución de la variable X. (e) Cuál es el peso por debajo del cual se encuentran el 75% de los recipientes? Solución (a) El peso máximo que puede tener un recipiente es 2 Kg porque la función de densidad de la variable solamente toma valores no nulos en el intervalo [0, 2]. (b) Para que f sea función de densidad se tiene que cumplir 1 = + k x 2 2 dx = k x 2 dx Ahora hay que tener cuidado al hacer la integral porque la constante k no puede salir de la integral, puesto que se encuentra sumando, no multiplicando, al resto de los términos de la función f. Por tanto: 1 = 2 0 k x 2 dx = [ ] 2 kx x2 0 0 = 2k = 2k 1 de donde k = 2/2 = 1. Escribimos la función de densidad para trabajar a partir de ahora con ella con el valor de k adecuado: 1 x si 0 x 2 2 f(x) = 0 en el resto (c) Para saber cuál de los dos sucesos es más probable hay que calcular las dos probabilidades y compararlas: p(x > 1.5) = Como consecuencia, 1 x 2 dx = [ ] 2 x x2 1.5 = (2 1) ( p(x < 1.5) = 1 p(x > 1.5) = = ) = =

13 Es más probable que un recipiente pese menos de 1kg y medio. (d) Función de distribución de la variable: Si x < 0, F (x) = x si 0 x 2, F (x) = x f(t) = 0 x f(t) = si x > 2, F (x) = 1. Entonces, x 0 0 = 0 ; 1 t [ 2 d t = t t2 ] x 0 = x x2 0 si x < 0 F (x) = x x2 si 0 x 2 1 si x > 2 (e) El peso, a, por debajo del cual se encuentran el 75% de los recipientes, verifica 0.75 = p(x < a) = F (a) = a a2 Hay que resolver la correspondiente ecuación de segundo grado. Para ello, considero más cómodo trabajar con números enteros, así que cambio 0.75 por 3/, de forma que multiplicando por, queda la ecuación: a 2 a + 3 = 0. a = ± = ± 2 2 = 3 ó 1 Como 3 se sale fuera del rango de valores que toma la variable X, la solución para nuestro problema es a = 1.. Según estudios realizados por la Sociedad Herpetológica Española, el cruce entre la carretera C-335 y la N-30, en la localidad de Vélez-Málaga, se considera un punto negro para la población de camaleones, porque en él mueren atropellados ejemplares de dicha especie de manera aleatoria e independiente una media de 2 ejemplares al mes, lo cual constituye un número claramente superior a la media conocida para otras carreteras de su área de distribución. Admitiendo que el número de atropellos al mes sigue una distribución de Poisson, (a) calcula la probabilidad de que mueran atropellados 2 camaleones en un mes (b) calcula la probabilidad de que el número de camaleones atropellados sea inferior o igual a la media. (c) Aparentemente en Cádiz y Málaga los camaleones se hallan en celo durante el verano y emprenden desplazamientos terrestres inhabituales. Calcula la probabilidad de que sólo en uno de los 3 meses de verano se registren más atropellos que la media esperada. Solución Sea X= número de atropellos al mes. Según nos indican en el enunciado, X sigue una distribución de Poisson de media 2, luego de parámetro 2: X P(2).

14 (a) La probabilidad pedida es simplemente p(x = 2) = , según aparece en la correspondiente tabla de la distribución de Poisson. (b) p(x 2) = p(x = 0) + p(x = 1) + p(x = 2) = = (c) La probabilidad de este apartado se puede calcular a través de un modelo binomial, puesto que la probabilidad de que mueran más camaleones que la media esperada es la misma en cada uno de los 3 meses de verano. Prueba de Bernoulli: haya más atropellos que la media esperada o no. éxito: haya más atropellos que la media esperada probabilidad de éxito: p(x > 2) = 1 p(x 2) = = Sea Y = número de meses en los que el número de atropellos es superior a la media, de los 3 meses de verano. ( ) 3 p(y = 1) = (0.6767) 2 = Se admite que el diámetro del espiráculo (orificio respiratorio) del delfín listado sigue una distribución normal y se quiere hacer una estimación de la variabilidad de esta medida de unos inviduos a otros en el Mediterráneo. Para ello se analizan las medidas de 50 ejemplares varados en las costas mediterráneas andaluzas en los últimos dos años y se obtiene una cuasidesviación típica muestral S = mm. Da un intervalo de confianza al 95% de la varianza de esta variable aleatoria. Teniendo en cuenta que se obtuvo de la misma muestra, una media de 28.9 mm para el diámetro, se puede mantener la hipótesis de que un delfín listado del Mediterráneo posee un espiráculo de 30 mm de diámetro? (usa el mismo nivel de significación que en el apartado anterior). Solución Consultando en las tablas de intervalos de confianza, encontramos que el intervalo de confianza para la varianza σ 2 de una distribución normal N(µ, σ) viene dado por (n 1)S2, χ 2 α 2, n 1 (n 1)S2 χ 2 1 α 2, n 1 En este caso: n = 50; S = mm; α = y entonces α/2 = Como el tamaño muestral es mayor que 30, el término χ 2 α, n 1 no se encuentra en la tabla correspondiente a 2 la distribución χ 2. Utilizamos entonces el siguiente resultado teórico: Para calcular χ ,9 = a: Si X χ 2 n entonces 2X N( 2n 1, 1) ( = p(χ 2 9 a) = p 2χ 2 9 ) 2a = p ( N( 2 9 1, 1) 2a ) = p ( Z ) 2a

15 2a 97 Por lo tanto, = z = 1.96, de donde se puede despejar el valor de a = 1 ( ) 2 = Para el valor de b = χ , 50 1 = χ ,9, se procede del mismo modo: ( = p(χ 2 9 b) = p 2χ 2 9 ) 2b = p Z 2b 97 1 Ahora la dificultad está en buscar el valor de z Este número es negativo, pues es un número real que deja a su derecha un área mayor que 0.5, por debajo de la gráfica de la normal Z. z El opuesto de z 0.975, es decir z 0.975, deja a su derecha un área igual a = 0.025, utilizando la simetría de la campana de Gauss; por tanto z = z = z Entonces debe igualarse a z = z = b 97, de dónde se obtiene el valor de b 1 b = ( ) 2 2 = El intervalo de confianza es [ ] (n 1)S2 (n 1)S2, =, = [11.23, ] χ 2 α 2, n 1 χ 2 1 α 2, n En la segunda parte del ejercicio hay que realizar un contraste de hipótesis estadísticas. Como la cuestión planteada es si se puede mantener la hipótesis de que un delfín listado del Mediterráneo posee un espiráculo de 30 mm de diámetro, se trata de un contraste bilateral

16 sobre la media de una distribución normal (se quiere saber si hay indicios para pensar que el espiráculo no es de 30 mm; no se dice que se piense que es mayor o menor). Consultando la correspondiente tabla de contrastes de hipótesis paramétricos y dado que no hay ningún dato en el enunciado del problema sobre la varianza de la población, elegimos contraste bilateral para la media de una distribución normal con varianza desconocida y muestra grande, n = 50 > 30: H 0 : µ = 30 H a : µ 30 } S Se rechaza H 0 si x µ 0 > z α. 2 n Para α = 0.5, buscando en las tablas z = 1.96; la cuasidesviación S = ; la media muestral x es 28.9 y el valor con el que se compara la media µ 0 = 30. S x µ 0 = = 1.1 = 1.1 < = z α = n 50 No se cumple la condición de rechazo, por tanto, se acepta H 0 : µ = 30. Conclusión: A la vista de los datos proporcionados por la muestra, se puede mantener la hipótesis de que el diámetro del espiráculo de un delfín listado del Mediterráneo es de 30 mm.

Selectividad Septiembre 2013 OPCIÓN B

Selectividad Septiembre 2013 OPCIÓN B Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR

Más detalles

MATEMÁTICAS CCSS JUNIO 2010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA

MATEMÁTICAS CCSS JUNIO 2010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA IES Fco Ayala de Granada Junio de 010 (General Modelo 5) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS JUNIO 010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea el recinto definido

Más detalles

Selectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A

Selectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,

Más detalles

Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS

Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que

Más detalles

OPCIÓN A 0 1 X = 1 12. Podemos despejar la matriz X de la segunda ecuación ya que la matriz. 1 1 ; Adj 0 1 X =

OPCIÓN A 0 1 X = 1 12. Podemos despejar la matriz X de la segunda ecuación ya que la matriz. 1 1 ; Adj 0 1 X = Selectividad Junio 011 Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUMNO/A DEBERÁ ESCOGER UNO DE

Más detalles

Relación de problemas: Variables aleatorias

Relación de problemas: Variables aleatorias Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal

Más detalles

8.2.2. Intervalo para la media (caso general)

8.2.2. Intervalo para la media (caso general) 182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente

Más detalles

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +

Más detalles

PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS

PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

EJERCICIOS RESUELTOS TEMA 3

EJERCICIOS RESUELTOS TEMA 3 EJERCICIOS RESUELTOS TEMA 3 Observación: En todos los ejercicios se ha puesto A, como notación de contrario de A. Ejercicio nº 1.- En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar

Más detalles

Lección 24: Lenguaje algebraico y sustituciones

Lección 24: Lenguaje algebraico y sustituciones LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce

Más detalles

Programa para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones

Programa para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

FUNCIONES DE PROPORCIONALIDAD

FUNCIONES DE PROPORCIONALIDAD UNIDAD 2 PROPORCIONALIDAD. FUNCIONES DE PROPORCIONALIDAD 1.- INTRODUCCIÓN Continuamente hacemos uso de las magnitudes físicas cuando nos referimos a diversas situaciones como medida de distancias (longitud),

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,

Más detalles

MATEMÁTICAS CON LA HOJA DE CÁLCULO

MATEMÁTICAS CON LA HOJA DE CÁLCULO MATEMÁTICAS CON LA HOJA DE CÁLCULO Podemos dar a esta aplicación un uso práctico en el aula de Matemáticas en varios sentidos: Como potente calculadora: sucesiones, límites, tablas estadísticas, parámetros

Más detalles

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación de Septiempbre, 00 Cuestiones 1h C1. El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y Expλ). Para hacer un estudio

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

Universidad del País Vasco

Universidad del País Vasco Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas

Más detalles

PEOBLEMAS RESUELTO DE CADENAS DE MARKOV

PEOBLEMAS RESUELTO DE CADENAS DE MARKOV PROBLEMAS RESUELTOS DE CADENAS DE MARKOV TEMA: CADENAS DE MARKOV Prof.: MSc. Julio Rito Vargas Avilés I. El departamento de estudios de mercado de una fábrica estima que el 20% de la gente que compra un

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

4. Se considera la función f(x) =. Se pide:

4. Se considera la función f(x) =. Se pide: Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones

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

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A OPCIÓN A (3 puntos) Una imprenta local edita periódicos y revistas. Para cada periódico necesita un cartucho de tinta negra y otro de color, y para cada revista uno de tinta negra y dos de color. Si sólo

Más detalles

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada

Más detalles

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define. VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema: Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz

Más detalles

Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1

Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1 Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en

Más detalles

LA DISTRIBUCIÓN NORMAL, LA CALCULADORA Y LAS NUEVAS TECNOLOGÍAS Abel Martín ( * ) Rosana Álvarez García ( )

LA DISTRIBUCIÓN NORMAL, LA CALCULADORA Y LAS NUEVAS TECNOLOGÍAS Abel Martín ( * ) Rosana Álvarez García ( ) LA DISTRIBUCIÓN NORMAL, LA CALCULADORA Y LAS NUEVAS TECNOLOGÍAS Abel Martín ( * ) Rosana Álvarez García ( ) La distribución Normal tiene numerosas aplicaciones en el campo de la Probabilidad y la Estadística,

Más detalles

Métodos generales de generación de variables aleatorias

Métodos generales de generación de variables aleatorias Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad

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 07. LÍMITES Y CONTINUIDAD DE FUNCIONES

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos

Más detalles

EXPRESIONES ALGEBRAICAS. POLINOMIOS

EXPRESIONES ALGEBRAICAS. POLINOMIOS EXPRESIONES ALGEBRAICAS. POLINOMIOS 1. EXPRESIONES ALGEBRAICAS. Estas expresiones del área son expresiones algebraicas, ya que además de números aparecen letras. Son también expresiones algebraicas: bac,

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES Junio, Ejercicio 1, Opción B 3 Sean las matrices A 0 3, B y C 0 1 1 5 1 3 0 a) Calcule las

Más detalles

Cadenas de Markov. Ejercicios resueltos Página 1 EJERCICIOS RESUELTOS DE CADENAS DE MARKOV

Cadenas de Markov. Ejercicios resueltos Página 1 EJERCICIOS RESUELTOS DE CADENAS DE MARKOV Cadenas de Markov. Ejercicios resueltos Página EJERCICIOS RESUELTOS DE CADENAS DE MARKOV ) En un pueblo, al 90% de los días soleados le siguen días soleados, y al 80% de los días nublados le siguen días

Más detalles

UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)

UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales

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

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL. REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer

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

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo

Polinomios: Definición: Se llama polinomio en x de grado n a una expresión del tipo Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales

Más detalles

Hoja1!C4. Hoja1!$C$4. Fila

Hoja1!C4. Hoja1!$C$4. Fila CAPÍTULO 6......... Cálculo y funciones con Excel 2000 6.1.- Referencias De Celdas Como vimos con anterioridad en Excel 2000 se referencian las celdas por la fila y la columna en la que están. Además como

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica

CONTRASTES DE HIPÓTESIS 4.4 Parte básica 76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha

Más detalles

Asignatura: Econometría. Conceptos MUY Básicos de Estadística

Asignatura: Econometría. Conceptos MUY Básicos de Estadística Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes

Más detalles

Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira

Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira 2010 Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA Universidad Tecnológica De Pereira Conceptos Básicos de Hidrología La hidrología es una ciencia clave en el estudio de los sistemas de

Más detalles

Tema 3: Producto escalar

Tema 3: Producto escalar Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica

Más detalles

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOGSE Septiembre 2008

PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOGSE Septiembre 2008 UNIVERSIDAD DE MURCIA REGIÓN DE MURCIA CONSEJERÍA DE EDUCACIÓN, CIENCIA E INVESTIGACIÓN UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOGSE Septiembre

Más detalles

SEPTIEMBRE 2005. Opción A

SEPTIEMBRE 2005. Opción A Selectividad Septiembre 005 SEPTIEMBRE 005 Opción A 4 5.- Calcula dos matrices cuadradas A y B sabiendo que A + 3B = y que A B =..- Se considera la parábola p (x) = 0,5 x +,5 x y sea s (x) la línea poligonal

Más detalles

Test ( o Prueba ) de Hipótesis

Test ( o Prueba ) de Hipótesis Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a

Más detalles

Enunciado unidades fraccionarias fracción fracciones equivalentes comparar operaciones aritméticas fracciones propias Qué hacer deslizador vertical

Enunciado unidades fraccionarias fracción fracciones equivalentes comparar operaciones aritméticas fracciones propias Qué hacer deslizador vertical Enunciado Si la unidad la dividimos en varias partes iguales, podemos tomar como nueva unidad de medida una de estas partes más pequeñas. Las unidades fraccionarias son necesarias cuando lo que queremos

Más detalles

TEMA 5. MUESTREO PARA LA ACEPTACIÓN.

TEMA 5. MUESTREO PARA LA ACEPTACIÓN. TEMA 5. MUESTREO PARA LA ACEPTACIÓN. Introducción. Planes de muestreo por atributos simple, doble, múltiple y rectificativos Dodge-Romig, Norma militar 1000STD-105D. Pautas a seguir para el cambio de rigor

Más detalles

Tema 1. Inferencia estadística para una población

Tema 1. Inferencia estadística para una población Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos

Más detalles

PRUEBAS NO PARAMÉTRICAS

PRUEBAS NO PARAMÉTRICAS PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la

Más detalles

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,

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

UNIDAD I NÚMEROS REALES

UNIDAD I NÚMEROS REALES UNIDAD I NÚMEROS REALES Los números que se utilizan en el álgebra son los números reales. Hay un número real en cada punto de la recta numérica. Los números reales se dividen en números racionales y números

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

CPE (SEGUNDO CURSO) = P [T 1 ]P [T 2 ]... P [T 525,600 ] = (1 10 8 ) 525,600 = 0.9948

CPE (SEGUNDO CURSO) = P [T 1 ]P [T 2 ]... P [T 525,600 ] = (1 10 8 ) 525,600 = 0.9948 1/10 CPE (SEGUNDO CURSO PRÁCICA 1 SOLUCIONES (Curso 2015 2016 1. Suponiendo que los sucesos terremotos y huracanes son independientes y que en un determinado lugar la probabilidad de un terremoto durante

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

Más detalles

PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.

PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis

Más detalles

BLOQUE V Estadística y probabilidad

BLOQUE V Estadística y probabilidad Pág. de Observa estas dos distribuciones bidimensionales: I II Asigna a cada una un coeficiente de correlación tomándolo de entre los siguientes valores: 0,; 0,; 0,; 0,; 0,2; 0,2; ; Responde razonadamente

Más detalles

TEMA 9 DISTRIBUCIONES BIDIMENSIONALES

TEMA 9 DISTRIBUCIONES BIDIMENSIONALES Tema 9 Distribuciones bidimensional Matemáticas CCI 1º Bachillerato 1 TEMA 9 DITRIBUCIONE BIDIMENIONALE NUBE DE PUNTO Y COEFICIENTE DE CORRELACIÓN EJERCICIO 1 : Las notas de 10 alumnos y alumnas de una

Más detalles

UNIDAD 1. LOS NÚMEROS ENTEROS.

UNIDAD 1. LOS NÚMEROS ENTEROS. UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar

Más detalles

Los números racionales

Los números racionales Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones

Más detalles

SENA: CENTRO BIOTECNOLOGIA INDUSTRIAL PROGRAMA DE FORMACIÓN: TECNOLOGO GESTION LOGISTICA

SENA: CENTRO BIOTECNOLOGIA INDUSTRIAL PROGRAMA DE FORMACIÓN: TECNOLOGO GESTION LOGISTICA Por población o universo se entiende como un conjunto de medidas, cuando estas son aplicadas a una característica cuantitativa, o como el recuento de todas las unidades que presentan una característica

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

UNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS

UNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS UNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS Unidad 6: Polinomios con coeficientes enteros. Al final deberás haber aprendido... Expresar algebraicamente enunciados sencillos. Extraer enunciados razonables

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

EJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013

EJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios

Más detalles

Una desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos

Una desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que

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 Antonio Francisco Roldán López de Hierro * Convocatoria de 2008 Las siguientes páginas contienen las soluciones de los ejercicios propuestos

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada

Más detalles

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó

Más detalles

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA MaMaEuSch (Management Mathematics for European School) http://www.mathematik.uni-kl.de/~mamaeusch/ Modelos matemáticos orientados a la educación Clases

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

Pruebas de Acceso a las Universidades de Castilla y León

Pruebas de Acceso a las Universidades de Castilla y León Pruebas de cceso a las Universidades de Castilla y León MTEMÁTICS PLICDS LS CIENCIS SOCILES EJERCICIO Nº páginas 2 Tablas OPTTIVIDD: EL LUMNO DEBERÁ ESCOGER UN DE LS DOS OPCIONES Y DESRROLLR LS PREGUNTS

Más detalles

Adivinanza o logaritmos?

Adivinanza o logaritmos? Nivel:.º Medio Sector: Matemática Unidad temática: Álgebra y funciones Actualmente un alumno está cursando el Cuarto Año Medio. Tiempo atrás estuvo de cumpleaños y recibió de regalo diferentes cantidades

Más detalles

Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-

Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo

Más detalles

Índice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones

Índice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 7 Funciones reales de una variable real Elaborado por la Profesora Doctora

Más detalles

LÍMITES DE FUNCIONES. CONTINUIDAD

LÍMITES DE FUNCIONES. CONTINUIDAD LÍMITES DE FUNCIONES. CONTINUIDAD Página REFLEXIONA Y RESUELVE Algunos ites elementales Utiliza tu sentido común para dar el valor de los siguientes ites: a,, b,, @ c,, 5 + d,, @ @ + e,, @ f,, 0 @ 0 @

Más detalles

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA IES Fco Ayala de Granada Sobrantes 00 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 00 (Modelo ) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO Sea el recinto del plano definido

Más detalles

TABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.

TABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse. TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.

Más detalles

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula: 1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

LÍMITES Y CONTINUIDAD

LÍMITES Y CONTINUIDAD UNIDAD 5 LÍMITES Y CONTINUIDAD Páginas 0 y Describe las siguientes ramas: a) f () b) f () no eiste c) f () d) f () + e) f () f) f () + g) f () h) f () no eiste; f () 0 i) f () + f () + j) f () 5 4 f ()

Más detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

Más detalles

Teoría de Colas o Fenómenos de Espera

Teoría de Colas o Fenómenos de Espera Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................

Más detalles