TEMA II VARIABLES ALEATORIAS. DISTRIBUCIÓN BINOMIAL Y NORMAL

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "TEMA II VARIABLES ALEATORIAS. DISTRIBUCIÓN BINOMIAL Y NORMAL"

Transcripción

1 TEMA II VARIABLES ALEATORIAS. DISTRIBUCIÓN. BINOMIAL Y NORMAL I.- Variable aleatoria. Concepto. Antes de definir el concepto de varibale aleatoria, veamos algunos ejemplos (ya estás empezando a comprobar que en estadística sin ejemplos andamos algo perdidos). Ejemplos: Supongamos el experimento consistente en el lanzamiento de tres monedas, y consideremos la variable. Los valores que puede tomar la variable son x = 0, 1, 2, 3 x = número de caras del experimento. Sea ahora el experimento consistente en lanzar dos dados y consideremos la varibale x = suma de la cara superior de los dos dados. Los valores posible son: x = 2, 3, 4, 5, 6, 7, 8,, 9, 10, 11, 12. Elijamos un alumno de la clase y preguntémonos por la varibable {tiempo invertido por el alumno en cubrir el trayecto que va desde su casa al instituto}. En este caso la variable x no puede tomar valores discretos, ya que el rango de tiempos es infinito y la distancia entre un tiempo dado y el siguiente es infinitamente próxima y por tanto no podemos numerarlos. Pues bien, todas las variables de los ejemplos anteriores son variables aleatorias. Así, Una variable aleatoria es una función x que hace corresponder un número real a cada resultado de un experimento aleatorio. También de los ejemplos anteriores ya habrás podido deducir que existen dos tipos de variables aleatorias: Discretas, cuando la variable aleatoria toma como valores números enteros. Continua, cuando la variable aleatoria puede tomar cualquier valor dentro de un intervalo y no es posible asignar un valor entero a un resultado cualquiera del experimento. A los valores que puede tomar una variable aleatoria se le llama recorrido. En el caso de las tres monedas, por ejemplo, el recorrido son los números 0, 1, 2, 3. En el caso del tiempo invertido por el alumno sería el intervalo t 1, t 2 entre el mínimo valor y el máximo. Observación. Hay variables discretas que pueden tomar infinitos valores, pero siempre es posible contarlos o numerarlos. Por ejemplo, en el lanzamiento de un dado, podemos preguntarnos por el la variable x = número de lanzamientos hasta que salga un. En principio, el número de lanzamientos hasta que salga el resultado esperado puede infinito, pero es posible contarlos. Es, por tanto, una variable discreta x =

2 II. Variables discretas. Función de Probabilidad y Función de Distribución. Lo que viene a continuación es válido sólo para variables discretas. Y referidas a éstas pueden definirse dos funciones que con posterioridad nos servirán para calcular parámetros tales como la media y la desviación típica de una variable aleatoria. Tales funciones son: la función de probabilidad y la función de distribución. Se define función de probabilidad, f(x), de una variable aleatoria discreta x a toda función que asocia a cada resultado del experimento su probabilidad de ocurrencia. Es decir: f(x) = p(x) Nuevamente confiemos en los ejemplos para entender las ideas. Supongamos el lanzamiento de las tres monedas y la variable de la variable es y los resultados posibles del experimento son : x x = 0, 1, 2, 3 x = número de caras. El recorrido E = CCC, CCX, CXC, CXX, XCC, XCX, XXXC, XXX. f(x) Si llamamos a probabilidad de que el número de caras sea, entonces, aplicando la regla de Laplace, es fácil ver que estas probabilidades son: x f(0) = p(0 caras) = 1 8 f(2) = p(2 caras ) = 3 8 f(1) = p(1 cara ) = 3 8 f(3) = p(3 caras ) = 1 8 Supongamos ahora que un tirador tira dos veces seguidas a una diana y sabemos que la probabilidad de que acierte de cada vez es de 0.6. Consideremos para este experimento la variable aleatoria x = número de aciertos del tirador en los dos disparos, cuyo recorrido es x = 0, 1, 2 Sea ahora diagrama de arbol: f(x) la función que asocia a cada valor de la variable su probabilidad de ocurrencia. Veamos, 1 er disparo 2º disparo 0,6 0,6 0,4 0,4 0,6 0,4 Acierto Fallo f(0) = p(0 aciertos ) = =

3 f(1) = p(1 acierto ) = 2$0.6$0.4 = 0.48 f(2) = p(2 aciertos ) = = 0.36 f(x) En ambos casos la función es la función de probabilidad asociada a la variable para cada uno de los experimentos aleatorios. Gráficamente: x 4/8 3/8 0,48 0,36 2/8 1/8 0, caras aciertos Se define función de distribución F(x) de una variable aleatoria discreta x a toda función que asocia a cada valor de la variable su probabilidad de que ésta tome todos los valores menores o iguales que x. Es decir: F(x) = p(todos los valores menores o iguales que x Para el caso de las tres monedas, y siendo la variable aleatoria toma los valores: x = número de caras F(0) = p(x[0) = 1/8 F(1) = p(x[1) = p(0) + p(1) = 1/8 + 3/8 = 4/8 F(2) = p(x[2) = p(0) + p(1) + p(2) = 1/8 + 3/8 + 3/8 = 7/8 F(3) = p(x[3) = p(0) + p1) + p(2) + p(3) = 1/8 + 3/8 + 3/8 + 1/8 = 8/8 = 1 Para el caso del tirador, y siendo x = número de aciertos, la función F(x) queda: F(0) = p(x[0) = 0.16 F(1) = p(x[1) = p(0) + p(1) = = 0.64 F(2) = p(x[2) = p(0) + p(1) + p(2) = = 1, esta función Por último, cuando para una variable aleatoria discreta hemos obtenido su función de probabilidad y su función de distribución se dice que ha quedado determinada su distribución de probabilidad. Ejercicios:

4 Determinar la distribución de probabilidad (función de probabilidad y función de distribución) en cada uno de los siguientes casos. Representar mediante un diagrama de barras y un polígono de frecuencias los resultados obtenidos. (a) En una urna hay siete bolas, de las cuales tres son blancas y cuatro negras. Se extraen tres bolas sin reemplazamiento y consideramos la variable aleatoria x = número de bolas negras obtenidas entre las tres extraídas (b) Lanzamos dos dados y analizamos la variable aleatoria puntuaciones de los dos dados. x = suma de las (c) En el lanzamiento de 5 chichetas idénticas sea con la punta hacia abajo. Supongamos que x = número de ellas que quedaron p( )=0.70 y p( ) =0.30 (d) Supongamos un dado de quinielas (tres unos, dos equis y un dos) y estudiamos la variable aleatoria x = número de veces que se lanza el dado hasta obtener una equis III. Parámetros estadísticos: Media, Varianza y Desviación Típica En primer lugar, se entiende por parámetro estadístico a toda cantidad que puede obtenerse de los datos de una distribución y que son representativos de alguna propiedad de la misma. Muchos de estos parámetros te suenan ya: media, moda, mediana, varianza, desviación típica; de otros, en cambio, seguramente no has oido hablar: momentos ordinarios y centrales, coeficientes de asimetría, de Kurtosis. Pues bien, de todos los parámetros que pueden determinarse de una distribución, dos de ellos resumen una gran parte de la información necesaria para su interpretación. Son: su media, como una medida del valor central de los datos, y su desviación típica, como medida de lo dispersos que están éstos respecto del valor medio. Por cierto, lo de media, varianza y desviación típica, tal vez, te suene raro aquí. Estos términos suelen asociarse con la estadística descriptiva: media de altura, de pesos, de calificaciones. Verás, sin embargo, que estos conceptos aplicados a un conjunto de datos y a una distribución estadística están ligados de manera muy cercana. Para mostrarlo, un ejemplo: Supongamos que hacemos un estudio sobre el número de hijos de 15 familias, obteníendose los resultados de la tabla: x i =número de hijos n i =número de familias N Si llamamos al número total de datos (en nuestro caso 15 ), el cálculo del número medio de hijos de las 15 familias se realiza, como sabes, de la siguiente manera:

5 x = x i$ n i N = 0$5+1$6+2$2+3$1+4$1 15 = = 1, 13 hijos, de media Sin embargo, el cálculo de la media puede verse también de otro modo. Supongamos que definimos la variable aleatoria x = número de hijos de una de las familias del estudio. El recorrido de esta variable es la tabla toma los valores: x = 0, 1, 2, 3, 4. y su función de probabilidad, según los datos de f(0) = p(0 hijos ) = 5/15 = 0.33 f(1) = p(1 hijo ) = 6/15 = 0.40 f(2 ) = p(2 hijos ) = 2/15 = 0.13 f(3) = p(3 hijos ) = 1/15 = 0.07 f(4) = p(4 hijos ) = 1/15 = 0.07 Ahora, la expresión que nos da el número medio de hijos puede expresarse en términos de probabilidad, ya que: x = x i$ n i N = x i$ n i N = x i$ f(x i ) = x i $ p(x i ) = 1, 13 hijos, de media Resumiendo, la media de un conjunto de datos y de una distribución de probabilidad tiene un significado equivalente y su valor es el mismo. Así: Llamamos media o esperanza matemática de una distribución estadística a la suma de los productos de cada valor de la variable por su probabilidad de ocurrencia. Se denota por la letra griega. = x i $ p(x i ) (1) Lo de esperanza matemática proviene de los juegos de azar, ya que la media de una distribución estadística también puede interpretarse como el promedio de ganancia esperado por un jugador al apostar. Llamamos varianza, 2, de una distribución estadística al valor obtenido a través de la fórmula 2 = (x i ) 2 $ p(x i ) (2) O en su versión más práctica para el cálculo -que no demostraremos-: 2 = x i 2 $ p(x i )

6 Por último Llamamos desviación típica de una distribución estadística,, a la raíz cuadrada de la varianza: = varianza = x i 2 $ p(x i ) 2 Sobre la media nada que decir. La varianza, en cambio, merece un comentario. Observa que su cálculo depende del valor de la diferencia al cuadrado entre cada valor de la variable y la media de la distribución. Así pues, cuanto más alejados estén los elementos individuales de la media mayor es la varianza. Por tanto, esta es una medida de lo dispersos que están los datos respecto del valor medio. La varianza, sin embargo, presenta un problema de interpretación, ya que se mide en cm 2, segundos 2, hijos 2, etcpara evitar esto y poder dar los resultados en términos de cm, segundos, hijos, etc se introduce la desviación típica como la raíz cuadrada de la varianza. Así, todo cuadra. Ejercicios. 1. Calcular la media y la varianza de las distribuciones de probabilidad de ejercicio del apartado anterior. Interpretar los resultados. IV. Distribución Binomial. En ejercicios anteriores ya has descrito casos de distribución de probabilidad de variables discretas. Algunas de estas distribuciones, por su importancia, tienen nombres propios -Distribución dicotómica, binomial, geométrica, hipergeométrica, de Poisson- Por ejemplo, la distribución del ejercicio (d) del apartado II, en la que nos preguntamos por el número de veces que debemos realizar un experimento hasta obtener el resultado esperado corresponde al tipo geométrica. Pues bien, probablemente sea la distribución binomial, la que por su relación con el estudio de las proporciones (proporción de jóvenes que acceden a la universidad frente a los que no, proporción de personas que en vacaciones viajan al extranjero frente a las que no, proporción de los que invierten en bolsa frente a los que no, etc) tiene mayor importancia en el ámbito social. Una distribución de probabilidad se ajusta a los parámetros de una binomial si verifica los siguientes requisistos: El experimento consiste en un número determinado de ensayos idénticos e independientes, n, cada una de ellos con sólo dos resultados posibles (éxito o fracaso, a favor o en contra, cara o cruz). La probabilidad de éxito se designa por p y la de fracaso por q. Y dadas sus características, se verifica

7 p + q = 1 o q = 1 p La variable aleatoria es x = número de éxitos en los n ensayos Pues bien, su función de probabilidad, es decir, la que da la probabilidad de obtener x éxitos de n ensayos viene determinada por la siguiente fórmula: f(x) = p(x éxitos de n ensayos) = n x p x $ q n x donde el término n x = n! x!(n x)! es el llamadao número combinatorio. El número medio de éxitos,, y la varianza y desviación típica,, se calculan aplicando las fórmula (1) y (2) -que omitiremos, por resultar los cálculos algo engorrosos-, llegándose a los siguientes resultados: Media = n$p Varianza 2 = n$p$q Desv. típica = n$p$q Abreviadamente, a las distribuciones binomiales se las designa por B(n, p). Una observación muy importante es que en cada uno de los ensayos de una distribución binomial la probabilidad de éxito y de fracaso no debe cambiar. Por ejemplo, si extraemos 10 estudiantes al azar de una universidad para preguntarles si utilizan el comedor universitario, siendo esta proporción, antes de extraer ningún estudiante, del 35 % que sí (éxito) y del 65 % que no (fracaso) y su respuesta ha sido afirmativa, entonces la proporción de estudiantes de esa universidad que sí y que no utilizan el comedor universitario ha variado ligeramente como consecuencia de la extracción de un estudiante. Siendo rigurosos y, para que pueda hacerse el estudio a través de un distribución binomial, el individuo extraído debe ser reinsertado nuevamente a la población para que tenga la posibilidad de ser elegido nuevamente!... No obstante, cuando la población es muy grande, como es el caso que nos ocupa, la variación que se produce al extraer un número reducido de individuos es tan pequeña que apenas tiene incidencia en los resultados que se obtienen y puede omitirse este rebuscado procedimiento. Sacamos a los 10 individuos, y ya está. Ejercicios. 1. Indica si cada una de las siguientes situaciones se ajustan a distribuciones binomiales... Descríbelas y calcula en cada caso su valor medio y su desviación típica. Interpreta los resultados. (a) Un cazador acierta en el 65 % de los disparos que realiza. Definimos la variable aleatoria x = número de aciertos en los próximos cinco disparos. (b) Un medicamento contra la gripe es efectivo en 8 de cada 10 enfermos. Definimos la variable aleatoria x = número de enfermos curados en un grupo de 10 enfermos

8 (c) Consideremos éxito obtener cara al lanzar una moneda. Lanzamos la moneda 7 veces y consideramos la variable aleatoria: x = número de caras obtenidas en los 7 lanzamientos (d) En una urna en la que hay 7 bolas rojas y 5 negras, extraemos de una vez 3 bolas y consideramos la variable aleatoria x = número de bolas rojas de las 3 extraídas (e) La probabilidad de nacimiento de niños varones en España es del 51,7 %, mientras que la de niñas es del 48,3 %. Consideramos la variable aleatoria x = número de varones en una familia con 5 hijos (f) En la primera evaluación -sin contar la recuperación- aprobasteis la asignatura de matemáticas 12 alumnos de un total de 22 que estáis en clase. Sea la variable aleatoria x = número de alumnos que aprobaron que las matemáticas de un grupo de 4 alumnos. 2.- a) Cuál es la probabilidad de que el cazador del ejercicio (a) cace al menos una pieza si un día efectuó cinco disparos? b) Y de que cace exactamente 2 piezas? Y ninguna? -que también puede ser a) Cuál es la probabilidad de que un grupo de diez enfermos del ejercicio (b) a los que se les suministró el medicamento todos estén curados? b) Cuál es la probabilidad de que estén curados más de la mitad de los enfermos? 4.- a) Cuántos niños y niñas (ejercicio (e)) se espera habrá entre los 1500 bebés que nacieron en cierta ciudad el año pasado? b) Cuál es la probabilidad de que en una familia con cinco hijos sólo haya niñas? 5.- Y finalmente... a) Cuál es la probabilidad de que cuatro de vosotros elegidos al azar por Adolfo hayáis aprobado todos las matemáticas en la primera evaluación? Y al menos uno? b) Podrías hacer previsiones para la segunda evaluación con los datos disponibles? V. Variables estadísticas continuas. Función Densidad. Al principio del tema, al introducir el concepto de variable aleatoria, distinguiamos entre variable discreta y continua. Hasta ahora sólo hemos tratado las primeras, las que sólo pueden tomar valores discretos (generalmente números enteros), pero no ha aparecido ninguna que pueda tomar cualquier valor dentro de un rango. Y esto es porque el tratamiento para este tipo de variables -tiempos, pesos, alturas, cantidades, etc- es completamente distinto. Un nuevo ejemplo para ilustrar lo dicho: Supongamos nuevamente a nuestro alumno, compañero y amigo que con gran perseverancia mide y anota cada dia el tiempo que invierte en el trayecto desde su casa al instituo. Fruto de sus anotaciones observa que este tiempo se encuentra comprendido entre 7 y 12 minutos, es decir en el intervalo 7, 12.Ahora bien, cuántos tiempos son posibles en ese intervalo?... Te habrás percatado de que la respuesta es: infinitos!. Así pues, a priori, la probabilidad de que se de uno solo de ellos es cero (aplica la regla de Laplace: divide tu resultado favorable entre los infinitos posibles y observa que el resultado es cero). Por tanto para la variable

9 x = tiempo invertido en realizar el trayecto desde casa al instituto no es posible construir una función aleatoria de probabilidad, puesto que la probabilidad de que ocurra cada uno de los valores posibles de la variable es siempre nula. Pensarás con razón que algunos de los resultados sí ocurren, los que tiene anotados en su cuaderno de tiempos. Y esto es cierto, pero a priori, incluso para esos tiempos la probabilidad de ocurrencia es cero -no me preguntes, entonces, cómo ocurrieron, podriamos entrar en una interminable discusión sobre el infinito, tal vez interesante, pero de la misma utilidad que los claustros y reuniones de tutores de este instituto: ninguna, y con el pernicioso efecto secundario de agrandar el ego de quienes las presiden y disminuir en la misma proporción su capacidad de síntesis-. Cómo obtener entonces los parámetros que caracterizan la distribución, media y desviación típica, si no disponemos de una función de probabilidad a través de la cuál realizar los cálculos? Nuestro amigo diria: fácil!, sumo todos los tiempos que tengo anotados, los divido por el número de anotaciones y ya tengo la media. Y para la desviación típica, elevo al cuadrado cada dato, los sumo, divido el resultado entre el número de anotaciones y le resto el cuadrado de la media; hallo su raíz cuadrada, y ya está. es decir aplico la fórmula: n i = x i 2 $ n i 2 en todos los casos vale uno, pues es muy raro que se repita un resultado. Bien, esta forma de proceder es la correcta y sin duda es la única que conduce a los verdaderos resultados de los parámetros media y desviación típica. Pero presenta dos problemas: Si el número de anotaciones fuera muy grande (como suele ocurrir cuando se tratan problemas reales) el procedimiento no es operativo (imagina por ejemplo sumar las alturas de todos los habitantes de un pais y dividir por el número de habitantes para determinar su altura media). Aunque fuera posible determinar sus parámetros, media y desviación típica, no podríamos utilizarlos para hacer predicciones ni hipótesis sobre sus posibles cambios en el tiempo (este será el tema del próximo capítulo de la estadística) Así pues se hace necesario construir algo parecido a una función de probabilidad. Razonamos de la siguiente manera: puesto que para un resultado cualquiera de la variable aleatoria existen infinitos que están muy próximos a él, no tiene sentido tratarlos como si fueran distintos y así, lo más razonable es meter dentro de un intervalo de la variable todos aquellos cuyos valores se encuentran entre sus límites. Esto es un histograma. Por ejemplo, puede que para nuestro compañero y alumno no represente mucha diferencia tardar medio minuto más o menos en realizar el trayecto desde su casa al instituto, así es que decide partir el intervalo que va de los 7 a los 12 minutos en subintervalos de longitud medio minuto y contar el número de veces cuyos tiempos se encuentran en los intervalos construidos. Como valor representativo de cada intervalo puede tomar su valor central. Supongamos que el resultado es el siguiente:

10 n 7 7,5 8 8,5 9 9, , ,5 12 t La línea que une las barras verticales se llama polígono de frecuencias y como verás más adelante tiene su importancia. El proceso iniciado puede acabar aquí o continuar. Si el número de datos es muy grande ello nos permite estrechar los intervalos. Podemos, además, sustituir la frecuencia absoluta en el eje vertical por la relativa o, su equivalente, por la probabilidad de que ocurra un resultado en un intervalo determinado. f f x x Observar que f en el eje vertical no hace referencia a la probabilidad de un resultado concreto, como ocurria para variable discreta, -esta probabilidad como se dijo al principio es cero- sino a la probabilidad por intervalo de la variable. Se trata pues de una densidad de probabilidad, de la misma manera que hablamos de habitantes por km 2 de un país, de kg de grano por hectárea de una explotación agrícola o de nacimientos por cada 1000 habitantes como índice de crecimiento. Aquí se habla de probababilidad por amplitud de intervalo. Cuando el número de intervalos es muy grande, y por tanto muy estrechos, el polígono de frecuencias adopta la forma de una curva que representa en cada punto la altura de la barra correspondiente. Si quitamos estas barras, que ya no son necesarias queda una curva como la siguiente:

11 A esta y otras curvas obtenidas de esta manera se las llama funciones densidad para variables continuas, y como tales funciones se las denota por f(x). Una aclaración ya mencionada. Las funciones dendisad no representan la probabilidad de ocurrencia de un valor concreto de la variable, como ya se ha mencionado esta probabilidad es cero, pero a partir de su forma es posible determinar la probabilidad de que un valor se encuentre entre dos dados, puesto que todas las funciones densidad cumplen las siguientes dos propiedades: El área bajo la curva y el eje X entre dos valores x 1 y x 2 nos da la probabilidad de que la variable se encuentre entre x 1 y x 2. probabilidad de x entre x 1 y x 2 =p(x 1 [ x[x 2 ) = A El área total bajo la curva entre los extremos de la función es 1. VI. Distribución Normal. Aunque existen funciones densidad de muy distintas formas, lo cierto es que muchos fenómenos sociales acaban adoptando la forma de funciones teóricas conocidas. Esto es una ventaja, pues al ser conocidas es posible determinar sus parámetros, cuantificar probabilidades y hacer predicciones. Entre estas funciones densidad cuya fórmula teórica es conocida, la más importante de todas es la llamada distribución Normal o Campana de Gauss. Su importancia se debe no sólo al gran número de fenómenos reales para los que es posible tomar como modelo esta distribución (especialmente cualquier variable de carácter cuantitativo de casi todas las grandes poblaciones) sino al hecho de que otras distribuciones de uso frecuente bajo ciertas condiciones tienden a distribuirse según una normal. Veamos sus características más importantes: Su forma es la de una campana en la que el valor medio de la varible,, ocupa su valor central. Para este valor la función toma el máximo valor. es la desviación típica de la variable. Las dos colas de la función se aproximan a cero (eje X) cuanto más nos alejamos del valor central

12 1 x Su fórmula matemática es f(x) = 1 (Otra vez el número ) 2 e 2 e = 2, El área total bajo su curva es 1 -como para cualquier función densidad-, pero además se verifica que: En el intervalo, + se encuentra el 68,4 % de los datos. En el intervalo 2, + 2 se encuentran el 95,4 % de los datos En el intervalo 3, + 3 se encuentran el 99,7 % de los datos. Abreviadamente a las distribuciones normales se las designa por N,. Bien. Y para qué sirve?... Vamos a ello. Supongamos que hacemos un estudio sobre el peso de los niños recién nacidos, y que dichos pesos se distribuyen según una normal de media y desviación típica (es lógico que así sea: habrá un número muy grande de niños cuyos pesos estén próximos al valor medio y a medida que nos alejamos de ese valor, tanto por exceso como por defecto el número irá disminuyendo). Pues bien, a partir de la curva podemos asegurar que el 68,4 % de los recién nacidos tendrá un peso comprendido entre y +, y que, por ejemplo, un niño cuyo peso haya sido superior a + 3 es anormalmente gordo, puesto que más del 99,7 % de los niños dan un peso inferior a esa cantidad. Más aún -y esto es lo más importante- dado el peso de un niño, podemos calcular la proporción de ellos con un peso superior -inferior- al obtenido: para ello, basta dividir el área que queda por encima -por debajo- de ese peso entre el área total de la curva, que como se ha dicho es 1. Pero esto no podemos hacerlo directamente, antes hay que tipificar la variable. Un niño da un peso de 4,200 kg, el valor medio establecido en estudios previos fue de 3,750 kg ( ) y la desviación típica de 0,420 kg ( ), ajustándose los datos a una distribución normal N(3, 750; 0, 420). Son muchos los niños con un peso igual o superior a 4,200 kg? Para saberlo situamos este valor en la curva y señalamos el área que queda a su derecha. La razón entre esta área y la total bajo la curva -que es 1- es precisamente esa proporción

13 Sin embargo, estos cálculos no pueden hacerse sobre la distribución de los recién nacidos pues desconocemos el área a la derecha del valor x = 4, 200 kg. Don t worry!, existe una distribución normal de media = 0 y = 1, idéntica a cualquier otra distribución normal pero cuyas áreas están calculadas y recogidas en una tabla para cualquier valor de x. Así es que lo único que debemos hacer es determinar sobre esa distribución N(0, 1), el valor equivalente a nuestro 4,200 kg, y buscar en la tabla el valor del área correspondiente (hay unas reglas de cálculo que vistes el año pasado y que repasaremos este año). A este proceso se le denomina tipificar la variable. Si x = 4, 200 kg es el valor que queremos tipificar y llamamos z al valor de su equivalente en la distribución N(0, 1), entonces nos da el valor de: z = z = x 4, 200 3, 750 0, 420 (fórmula que tipifica a x) = 1, 07 el cuál, buscado en la tabla, y aplicando las reglas de cálculo da una proporción de: p(zm1, 07) = = Es decir, el 14,23 % de los niños tendrán un peso igual o superior a 4,200 kg

14 Ejercicios. 1. Las puntuaciones obtenidas en un test de aptitudes aplicado cada año a estudiantes universitarios siguen una distribución N(500, 100) a) Qué porcentaje de estudiantes universitarios se espera que obtengan puntuaciones entre 500 y 675? b) Qué porcentaje de etudiantes se espera que logran puntuaciones superiores a 630? c) Qué probabilidad hay de que un estudiante elgido al azar tenga una puntuación superior a 700? 2. Supongamos que la altura de las personas con edades comprendidas entre 20 y 30 años se distribuye normalmente con media 1,65 metros y desviación típica 0,15 metros. Si consideramos que una persona es alta si mide más de 1,80 metros, qué número de personas altas se espera que haya en un grupo de individuos con edades comprendidas entre los 20 y 30 años? 3. Si se multiplica una variable con distribución normal por una constante, se obtiene otra variable con distribución normal, cuyas medias y desviación típica quedan multiplicadas por dicha constante. xdn, entonces kxdn(k, k ) Según esto, calcula la probabilidad que tiene una empresa de ingresar por ventas más de euros, cuyo producto tiene una demanda que sigue una distribución normal N(5.000, 250) si el precio de venta al públco de cada unidad es de 3,6 euros. 4. Si se suman o restan dos variables aleatorias que presentan distribución normal, se obtiene otra variable aleatoria con distribución normal cuya media es la suma o resta de las medias y cuya varianza es la suma de las varianzas: xdn 1, 1 d x + ydn( 1! 2, ) ydn 2, 2 Una tienda vende dos productos. El primero de ellos tiene una demanda diaria que se distribuye según una ley normal de media 200 unidades y desviación típica 30, y se vende a 5 euros la unidad. El segundo producto tiene una demanda diaria de 60 unidades, con una desviación típica de 4 unidades, y se vende a 20 euros la unidad. a) Halla la probabilidad de que un día, las ventas de ambos productos superen los euros. b) Halla la probabilidad de que un día las ventas del primer producto sean superiores a las del segundo producto

15 VII. Convergencia de la distribución binomial hacia la normal Son muchas las distribuciones de probabilidad de variable discreta en las que al aumentar el número de ensayos se comportan como una distribución normal. Así, se puede comprobar que las distribuciones binomiales B(n, p) si n es los suficientemente grande y p no está próximo a 0 ni a 1, se aproximan a una normal de media = np y desviación típica = npq. Es decir: B n, p d N np, npq Generalmente se admite que la aproximación es aceptable cuando nm30, npm5y npm5 La aproximación es tanto mejor cuanto mayor es el número de pruebas n y cuanto más próximos a 0.5 sea el valor de la probabilidad p. En las gráficas siguientes se muestra esta aproximación para algunas binomiales. Las lineas verticales son los resultados de la distribución binomial y la curva continua la aproximación de la correspondiente distribución normal. De ellas se observa que el mejor ajuste se da para la binomial B(30, 0.5), cuyo ajuste a la normal de media = 30$0.5 = 15 y desviación t pica = 30$0.5$0.5 = 2, 72 es casi perfecto. Ejercicios

16 1. El cinco por ciento de las bombillas fabricadas salen defectuosas. Si se extrae una muestra de bombillas, halla la probabilidad de que dicha muestra contenga más de 120 bombillas defectuosas. 2. Durante cierta epidemia de gripe enferma el 20 % de la población. En un centro escolar con 350 alumnos, a) Cuál es la probabilidad de haya exactamente 50 alumnos que pasen la gripe? b) Y la probabilidad de que haya al menos 40 alumnos? c) Y la probabilidad de que haya entre 40 y 60 alumnos? 3. En un país, la tasa de paro de la población es de 8,5 %. Si se toma una muestra de 50 individuos, cuál es la probabilidad de que en la muestra haya un número de parados menor o igual que 4? Efectúa los cálculos mediante la distribución binomial y aproximando mediante la normal. Compara los resultados. En la misma muestra cuál es la probabilidad de que el número de parados sea superior a

17 - 35 -

Distribuciones discretas. Distribución Binomial

Distribuciones discretas. Distribución Binomial Boletín: Distribuciones de Probabilidad IES de MOS Métodos estadísticos y numéricos Distribuciones discretas. Distribución Binomial 1. Una urna contiene 3 bolas blancas, 1 bola negra y 2 bolas azules.

Más detalles

MOOC UJI: La Probabilidad en las PAU

MOOC UJI: La Probabilidad en las PAU 3. Definición intuitiva de probabilidad: ley de Laplace La palabra probabilidad, que usamos habitualmente, mide el grado de creencia que tenemos de que ocurra un hecho que puede pasar o no pasar. Imposible,

Más detalles

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1)

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas

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

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

15 PARÁMETROS ESTADÍSTICOS

15 PARÁMETROS ESTADÍSTICOS EJERCICIOS PROPUESTOS 1.1 El número de libros leídos por los miembros de un círculo de lectores en un mes se resume en esta tabla. N. o de libros leídos x i N. o de personas f i 1 1 3 18 11 7 7 1 Halla

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

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

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

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

Unidad 14 Probabilidad

Unidad 14 Probabilidad Unidad 4 robabilidad ÁGINA 50 SOLUCIONES Calcular variaciones.! 5! 4 a) V, 6 b) 5, 60 c),4 6 ( )! V (5 )! VR Calcular permutaciones. a)! 6 b) 5 5! 0 c) 0 0! 68 800! 9 96 800 palabras diferentes. Números

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

13Soluciones a los ejercicios y problemas

13Soluciones a los ejercicios y problemas Soluciones a los ejercicios y problemas PÁGINA Pág. P RACTICA Tablas de frecuencias El número de faltas de ortografía que cometieron un grupo de estudiantes en un dictado fue: a) Di cuál es la variable

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

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

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

Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2

Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2 Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal Índice 1. Variables aleatorias 2 2. Distribución de probabilidad para variables aleatorias discretas

Más detalles

Relación de Problemas. Modelos de Probabilidad

Relación de Problemas. Modelos de Probabilidad Relación de Problemas. Modelos de Probabilidad 1. Sabemos que en una ciudad, de cada 50000 personas, 1500 están viendo un cierto programa de TV. Cuál es la probabilidad de que de 100 personas elegidas

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadística Matemáticas B º E.S.O. TEMA 9 ESTADÍSTICA TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS EJERCICIO : En un grupo de personas hemos preguntado por el número

Más detalles

Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008.

Examen de la asignatura Estadística aplicada a las ciencias sociales Profesor Josu Mezo. 9 de junio de 2008. Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008. Pregunta nº 1 (5 puntos). En una base de datos sobre los países del mundo se incluyen una

Más detalles

Estabilidad dinámica Introducción

Estabilidad dinámica Introducción Figura 127: Varada Si el momento de asiento unitario del barco, en las condiciones de desplazamiento en las que se encuentra, es M u, tendremos que la alteración producida al bajar la marea de forma que

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

MATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125.

MATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125. MATEMÁTICAS º BACH CCSS - DISTRIBUCIÓN BINOMIAL ˆ EJERCICIO En una ciudad se han elegido al azar 7 habitantes. ¾Cuál es la probabilidad de que cuatro de ellos hayan nacido el 7 de mayo? p = P (haber nacido

Más detalles

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

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Página 4 REFLEXIONA Y RESUELVE Recorrido de un perdigón Dibuja los recorridos correspondientes a: C + C C, + C + C, + C C C, + + + +, C+CC

Más detalles

Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8

Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 gramos del primer elemento y 1 gramo del segundo; un kilo

Más detalles

1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en

1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en 1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en las sucesivas tiradas, se repite el experimento en condiciones similares

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

1.3 Números racionales

1.3 Números racionales 1.3 1.3.1 El concepto de número racional Figura 1.2: Un reparto no equitativo: 12 5 =?. Figura 1.3: Un quinto de la unidad. Con los números naturales y enteros es imposible resolver cuestiones tan simples

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

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población.

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población. Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta

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

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

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA

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

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

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

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

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

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

15 Distribuciones continuas. La distribución normal

15 Distribuciones continuas. La distribución normal Distribuciones continuas. La distribución normal ACTIVIDADES INICIALES Solucionario.I. Representa la función valor absoluto: x si x 0 y x x si x 0 Y O X.II. Representa la función: 2x 3 si x f(x) si x 4

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

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

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

OBJETIVOS CONTENIDOS PROCEDIMIENTOS

OBJETIVOS CONTENIDOS PROCEDIMIENTOS 008 _ 0-048.qxd 9/7/08 9:07 Página 405 4 Probabilidad INTRODUCCIÓN En la vida cotidiana tienen lugar acontecimientos cuya realización es incierta y en los que el grado de incertidumbre es mayor o menor

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

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

(1) Medir el azar. ESTALMAT-Andalucía Actividades 06/07. a) Cuenta los casos en que la suma de salga múltiplo de tres y calcula la probabilidad.

(1) Medir el azar. ESTALMAT-Andalucía Actividades 06/07. a) Cuenta los casos en que la suma de salga múltiplo de tres y calcula la probabilidad. (1) Medir el azar Se lanzan dos dados y sumamos los puntos de las caras superiores a) Cuenta los casos en que la suma de salga múltiplo de tres y calcula la probabilidad. Una bolsa contiene 4 bolas rojas,

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 2: PROBABILIDADES Profesor: Hugo S. Salinas Segundo Semestre 2010 1. Describir el espacio muestral

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

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

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

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

Probabilidad. La probabilidad de un suceso es un nombre que pertenece al intervalo [0, 1]

Probabilidad. La probabilidad de un suceso es un nombre que pertenece al intervalo [0, 1] Probabilidad Un fenómeno es aleatorio si conocemos todos sus posibles resultados pero no podemos predecir cual de ellos ocurrirá. Cada uno de estos posibles resultados es un suceso elemental del fenómeno

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: CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS Página 311 REFLEXIONA Y RESUELVE Máuina empauetadora El fabricante de una máuina empauetadora afirma ue, si se regula para ue empauete palés con 100 kg, los

Más detalles

En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10).

En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). MODELOS DE PROBABILIDAD En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). (a) Si tomamos dos manzanos al azar, cuál

Más detalles

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

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD POBLEMAS ESUELTOS SELECTIVIDAD ANDALUCÍA 2007 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: POBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B eserva 1, Ejercicio 3, Opción A

Más detalles

IES ARROYO HONDO ACTIVIDADES REPASO MATEMÁTICAS 3º ESO. Segunda parte. Curso 15/16. Fecha de entrega: 11/2/16

IES ARROYO HONDO ACTIVIDADES REPASO MATEMÁTICAS 3º ESO. Segunda parte. Curso 15/16. Fecha de entrega: 11/2/16 IES ARROYO HONDO ACTIVIDADES REPASO MATEMÁTICAS 3º ESO Segunda parte Curso 15/16 Fecha de entrega: 11/2/16 Nombre: Grupo: FUNCIONES Y GRÁFICAS: 1. Ricardo ha quedado con sus amigos para dar una vuelta

Más detalles

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial.

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial. UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO Facultad de Contaduría y Ciencias Administrativas Academia de Matemáticas Apuntes para la Materia de Estadística II Guía Básica para el Estudio de la Estadística

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

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

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

TEMA 14: Estadística, gráficos y conclusiones.

TEMA 14: Estadística, gráficos y conclusiones. TEMA 4: Estadística, gráficos y conclusiones. -T 4--ºESO I.- Conceptos generales: a) ESTADÍSTICA: Es una ciencia, dentro de las matemáticas, que se dedica al estudio y al análisis de datos referidos a

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

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

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

IES PADRE SUÁREZ MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II. Probabilidad 2008

IES PADRE SUÁREZ MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II. Probabilidad 2008 Probabilidad 2008 EJERCICIO A Laura tiene en su monedero 6 monedas francesas, 2 italianas y 4 españolas. Vicente tiene 9 francesas y 3 italianas. Cada uno saca, al azar, una moneda de su monedero y observa

Más detalles

El concepto de asociación estadística. Tema 6 Estadística aplicada Por Tevni Grajales G.

El concepto de asociación estadística. Tema 6 Estadística aplicada Por Tevni Grajales G. El concepto de asociación estadística Tema 6 Estadística aplicada Por Tevni Grajales G. En gran medida la investigación científica asume como una de sus primera tareas, identificar las cosas (características

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

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Página 75 REFLEXIONA Y RESUELVE Lanzamiento de varios dados Comprueba en la tabla anterior ue: DESV. TÍPICA PARA n DADOS n = 8 1,71 1,1 n = 3 8 1,71 3 0,98

Más detalles

Matemáticas aplicadas a las Ciencias Sociales II Probabilidad

Matemáticas aplicadas a las Ciencias Sociales II Probabilidad Matemáticas aplicadas a las Ciencias Sociales II Índice 1. Experimentos aleatorios 2 1.1. Espacio muestral...................................... 2 1.2. Los sucesos.........................................

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

El valor esperado de una variable aleatoria discreta se representa de la siguiente manera:

El valor esperado de una variable aleatoria discreta se representa de la siguiente manera: INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos

Más detalles

a) No curse la opción Científico-Tecnológica. b) Si es chico, curse la opción de Humanidades y C. Sociales

a) No curse la opción Científico-Tecnológica. b) Si es chico, curse la opción de Humanidades y C. Sociales 1 PROBABILIDAD 1.(97).- Para realizar un control de calidad de un producto se examinan tres unidades del producto, extraídas al azar (y sin reemplazamiento) de un lote de 100 unidades. Las unidades pueden

Más detalles

d s = 2 Experimento 3

d s = 2 Experimento 3 Experimento 3 ANÁLISIS DEL MOVIMIENTO EN UNA DIMENSIÓN Objetivos 1. Establecer la relación entre la posición y la velocidad de un cuerpo en movimiento 2. Calcular la velocidad como el cambio de posición

Más detalles

DISTRIBUCIONES DE VARIABLE CONTINUA

DISTRIBUCIONES DE VARIABLE CONTINUA UNIDAD 11 DISTRIBUCIONES DE VARIABLE CONTINUA Página 260 1. Los trenes de una cierta línea de cercanías pasan cada 20 minutos. Cuando llegamos a la estación, ignoramos cuándo pasó el último. La medida

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

Recursos para el Estudio en Carreras de Ingeniería 2006 UNIDAD TEMÁTICA Nº 4 LA TOMA DE APUNTES

Recursos para el Estudio en Carreras de Ingeniería 2006 UNIDAD TEMÁTICA Nº 4 LA TOMA DE APUNTES UNIDAD TEMÁTICA Nº 4 LA TOMA DE APUNTES En esta unidad te invitamos a que: Adviertas la importancia de los apuntes como un recurso para iniciar el estudio de un tema. Te apropies de algunas estrategias

Más detalles

Tema 2. Análisis gráfico Ejercicios resueltos 1

Tema 2. Análisis gráfico Ejercicios resueltos 1 Tema 2. Análisis gráfico Ejercicios resueltos 1 Ejercicio resuelto 2.1 En una tienda han anotado los precios de los artículos que han vendido en una hora. Los datos son: 9,95, 19,95, 19,95, 14,95, 29,95,

Más detalles

PARTE 2- Matemáticas pendientes de 3º ESO 2010-11. 2. Indica, para cada representación gráfica, que tipo de sistema de ecuaciones es el representado:

PARTE 2- Matemáticas pendientes de 3º ESO 2010-11. 2. Indica, para cada representación gráfica, que tipo de sistema de ecuaciones es el representado: PARTE - Matemáticas pendientes de 3º ESO 00- NOMBRE: 4º GRUPO:. Resuelve gráficamente los siguientes sistemas de ecuaciones e indica que tipo de sistema son: x x x 3 4. Indica, para cada representación

Más detalles

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS 1.1 Variables aleatorias Considera el experimento aleatorio consistente en lanzar dos monedas. El espacio muestral de

Más detalles

0.01 0.4 4. Operando sobre esta relación, se obtiene

0.01 0.4 4. Operando sobre esta relación, se obtiene ORGANIZACIÓN INDUSTRIAL (16691-ECO) TEMA 1: LA COMPETENCIA PERFECTA EN UN MARCO DE EQUILIBRIO PARCIAL 1.1 ANÁLISIS DE LA ESTÁTICA COMPARATIVA DE UN MERCADO COMPETITIVO SOLUCIÓN A LOS PROBLEMAS PROPUESTOS

Más detalles

Tema 1 con soluciones de los ejercicios. María Araceli Garín

Tema 1 con soluciones de los ejercicios. María Araceli Garín Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un

Más detalles

PROBLEMAS RESUELTOS DE OPTIMIZACIÓN

PROBLEMAS RESUELTOS DE OPTIMIZACIÓN Problemas de optimiación Ejercicio PROBLEMAS RESUELTOS DE OPTIMIZACIÓN Un banco lana al mercado un plan de inversión cua rentabilidad R(, en euros, viene dada en función de la cantidad invertida, en euros,

Más detalles

HOJA 5 SUCESIONES Y PROGRESIONES

HOJA 5 SUCESIONES Y PROGRESIONES HOJA 5 SUCESIONES Y PROGRESIONES Sucesión: Término general 1.- Calcula el término general de las sucesiones: a) -1, 2, 5, 8, 11, b) 3, 3/2, ¾, 3/8, c) 1, 4, 9, 16, 25, 2.- Halla el término general de cada

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

Coeficientes 43 X = 43 X partes literales - 7 a 3 = - 7 a 3

Coeficientes 43 X = 43 X partes literales - 7 a 3 = - 7 a 3 APUNTES Y EJERCICIOS DEL TEMA 3 1-T 3--2ºESO EXPRESIONES ALGEBRAICAS: Son combinaciones de n os y letras unidos con operaciones matemáticas (aritméticas), que generalmente suelen ser sumas, restas, multiplicaciones

Más detalles

Probabilidad Colección B.1. MasMates.com Colecciones de ejercicios

Probabilidad Colección B.1. MasMates.com Colecciones de ejercicios 1. Tenemos un dado (con sus seis caras numeradas del 1 al 6), trucado en el que es dos veces mas probable que salga un número par que un número impar. a) Calcula la probabilidad de salir par y la de salir

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

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

Media: x = OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Estadística. Población y muestra.

Media: x = OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Estadística. Población y muestra. 86 _ 089-008.qxd //0 :6 Página 89 Estadística INTRODUCCIÓN La presencia de la Estadística es habitual en multitud de contextos de la vida real: encuestas electorales, sondeos de opinión, etc. La importancia

Más detalles

Trabajo y energía: ejercicios resueltos

Trabajo y energía: ejercicios resueltos Trabajo y energía: ejercicios resueltos 1) Un hombre debe mover 15 metros una caja de 20Kg realizando una fuerza de 40N. Calcula el trabajo que realiza si: a) Empuja la caja desde atrás. b) Tira de la

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

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

Medidas de la tendencia central y las gráficas de caja

Medidas de la tendencia central y las gráficas de caja LECCIÓN CONDENSADA 2.1 Medidas de la tendencia central y las gráficas de caja En esta lección Encontrarás e interpretarás la media, la mediana, y la moda para unos conjuntos de datos Crearás e interpretarás

Más detalles

Fracciones. Objetivos. Antes de empezar

Fracciones. Objetivos. Antes de empezar Fracciones Objetivos En esta quincena aprenderás a: Conocer el valor de una fracción. Identificar las fracciones equivalentes. Simplificar una fracción hasta la fracción irreducible. Pasar fracciones a

Más detalles

Tema 3. Variables aleatorias. Inferencia estadística

Tema 3. Variables aleatorias. Inferencia estadística Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Anexo a la guía 4 Geometría: ejemplos y comentarios

Anexo a la guía 4 Geometría: ejemplos y comentarios Anexo a la guía 4 Geometría: ejemplos y comentarios Sergio Dain 26 de mayo de 2014 En las guías 1 y 2 discutimos vectores, covectores y tensores de manera puramente algebraica, sin hacer referencia a la

Más detalles