6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

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

Download "6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE"

Transcripción

1 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las varables aleatoras bdmesoales se habló de ua fucó de varable aleatora bdmesoal. E artcular se ombró la suma de varables aleatoras, ero o se djo ada sobre la dstrbucó de esa v.a. suma. Es a meudo mortate saber cuál es la dstrbucó de ua suma de varables aleatoras deedetes. Cosderamos alguos ejemlos e el caso dscreto - Suma de varables aleatoras deedetes co dstrbucó osso ~ deedetes y ; ~ ; ~ Dem. Cosderamos el eveto { } como uó de evetos excluyetes { },, etoces, e e e deedetes e e e Bomo de Newto O sea tee dstrbucó osso co arámetro - Suma de varables aleatoras bomales deedetes, ~ deedetes y ;, ~ ;, ~ B B B Dem. Nuevamete cosderamos el eveto { } como uó de evetos excluyetes { },, etoces, e deedetes E la exresó ateror s r j> etoces j r

2 arte Suma de varables aleatoras y Teorema cetral del límte or últmo usamos la sguete detdad combatora etoces rof. María B. tarell O sea tee dstrbucó bomal co arámetros y Observacó: e los dos casos aterores se uede geeralzar el resultado a varables aleatoras deedetes, usado el rco de duccó comleta, es decr - S,,..., so varables aleatoras deedetes dode ~ ara todo,,..., etoces ~ - S,,..., so varables aleatoras deedetes dode ~ B, ara todo,,..., etoces ~ B, Suma de varables aleatoras ormales deedetes S e so dos varables aleatoras cotuas deedetes co desdades gx y hy resectvamete se uede robar o lo demostraremos aquí que la v.a. Z tee desdad dada or f z g z y h y dy Usado esto se uede demostrar el sguete mortate resultado: eto- S e so varables aleatoras deedetes dode ~ N µ, σ y ~ N µ, σ ces ~ N µ µ, σ σ or duccó comleta se uede geeralzar este resultado a varables: S,...,, so varables aleatoras deedetes dode ~ N, σ,,..., etoces ~ N µ, σ µ ara todo De lo ateror y del hecho que ~ N, a b ~ Na b, S,..., µ σ µ a σ teemos:, so varables aleatoras deedetes dode ~ N, σ µ ara todo,,..., etoces a ~ N aµ, aσ dode a, a,..., a so úmeros reales 4

3 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Se dce que a es ua combacó leal de varables aleatoras. Ejemlos: - La evoltura de lástco ara u dsco magétco está formada or dos hojas. El esesor de cada ua tee ua dstrbucó ormal co meda.5 mlímetros y desvacó estádar de. mlímetros. Las hojas so deedetes. a Determe la meda y la desvacó estádar del esesor total de las dos hojas. b Cuál es la robabldad de que el esesor total sea mayor que 3.3 mlímetros? Solucó: Sea las varables aleatoras : esesor de la hoja e : esesor de la hoja Etoces ~ N.5,. ; ~ N.5,. y e deedetes a S defmos la v.a. Z: esesor total de las dos hojas, etoces Z or lo tato Z ~ N.5.5,.. es decr Z ~ N 3,. E cosecueca E Z 3, σ Z V Z. b Se de calcular Z > 3.3 Z Z > 3.3 > Φ Φ Tego tres mesajes que ateder e el edfco admstratvo. Sea : el temo que toma el - ésmo mesaje,,3, y sea 4 : el temo total que utlzo ara camar haca y desde el edfco y etre cada mesaje. Suoga que las so deedetes, ormalmete dstrbudas, co las sguetes medas y desvacoes estádar: µ 5 m, σ 4, µ 5, σ, µ 3 8, σ 3, µ 4, σ 4 3 eso salr de m ofca recsamete a las. a.m. y deseo egar ua ota e m uerta que dce regreso a las t a.m. A qué hora t debo escrbr s deseo que la robabldad de m llegada desués de t sea.? Solucó: Defmos la v.a. Z: temo trascurrdo desde que salgo de m ofca hasta que regreso, etoces T 3 4 or lo tato T ~ N µ, σ, y se de hallar t tal que T > t. µ y σ t 5 5 Etoces T > t Φ., es decr Φ t t 5 Buscado e la tabla de la ormal.33 t El acho del marco de ua uerta tee ua dstrbucó ormal co meda 4 ulgadas y desvacó estádar de /8 de ulgada. El acho de la uerta tee ua dstrbucó ormal co meda de ulgadas y desvacó estádar de /6 de ulgadas. Suoer deedeca. a Determe la dstrbucó, la meda y la desvacó estádar de la dfereca etre el acho del marco y de la uerta. 5

4 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell b Cuál es la robabldad de que la dfereca etre el acho del marco y de la uerta sea mayor que ¼ de ulgada?. c Cuál es la robabldad de que la uerta o quea e el marco?. Solucó: Sea las varables aleatoras : acho del marco de la uerta e ulgadas : acho de la uerta e ulgadas Etoces ~ N 4, /8, ~ N 3.875, /6, e deedetes a Se de la dstrbucó de -, E, σ V E E E V V V σ or lo tato 5 ~ N.5, 6 b Se de la robabldad > / / 4 > Φ Φ Φ < o equvaletemete <, or lo tato c S la uerta o etra e el marco etoces se da el eveto { } { } < Φ Φ Φ Suogamos que las varables aleatoras e deota la logtud y el acho e cm, resectvamete, de ua eza. Suogamos además que e so deedetes y que ~ N,., ~ N5,.. Etoces Z es ua v.a. que rereseta el erímetro de la eza. Calcular la robabldad de que el erímetro sea mayor que 4.5 cm. Solucó: teemos que ~ N 5,.. Z, o sea Z ~ N 4,. La robabldad edda es Z > 4.5, etoces Z > 4.5 Φ Φ Φ S se alca dos cargas aleatoras y a ua vga voladza como se muestra e la fgura sguete, el mometo de flexó e debdo a las cargas es a a. a Suoga que y so v.a. deedetes co medas y 4 KLbs resectvamete, y desvacoes estádar.5 y. KLbs, resectvamete. 6

5 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell S a 5 es y a es, cuál es el mometo de flexó eserado y cuál es la desvacó estádar del mometo de flexó? b S y está ormalmete dstrbudas, cuál es la robabldad de que el mometo de flexó suere 75 KLbs? Solucó: Sea la v.a. Z: mometo de flexó e, etoces Z 5 or lo tato a E Z 5E E V Z σ Z b S y está ormalmete dstrbudas, etoces Z ~ N5, 4 or lo tato Z > Φ Φ Φ romedo de varables aleatoras ormales deedetes S,,..., so varables aleatoras deedetes dode ~ N µ, σ ara todo,,..., etoces la v.a. meda µ y varaza σ tee dstrbucó ormal co Dem. Notar que es u caso artcular de combacó leal de varables aleatoras dode a ara todo,,..., Además e este caso µ µ y σ σ ara todo,,..., or lo tato, tee dstrbucó ormal co eseraza µ µ µ µ y varaza σ σ σ σ σ Es decr, ~ N µ, Observacó: a se lo llama romedo muestral o meda muestral 7

6 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Ejemlos: El dámetro tero de u allo de stó seleccoado al azar es ua v.a. co dstrbucó ormal co meda cm y desvacó estádar de.4 cm. a S es el dámetro romedo e ua muestra de 6 allos, calcule.99. b Qué ta robable es que el dámetro romedo exceda de. cuado 5? Solucó: a Sea las varables aleatoras : dámetro del allo,,..., 6 Etoces ~ N,.4 ara cada. or lo tato ~ N,.4. Etoces φ φ φ φ φ b E este caso ~ N,.4, etoces 5. >. φ φ Ua máqua embotelladora uede regularse de tal maera que llee u romedo de µ ozas or botella. Se ha observado que la catdad de cotedo que sumstra la máqua reseta ua dstrbucó ormal co σ oza. De la roduccó de la máqua u certo día, se obtee ua muestra de 9 botellas lleas todas fuero lleadas co las msmas oscoes del cotrol oeratvo y se mde las ozas del cotedo de cada ua. a Determar la robabldad de que la meda muestral se ecuetre a lo más a.3 ozas de la meda real µ ara tales oscoes de cotrol b Cuátas observacoes debe clurse e la muestra s se desea que la meda muestral esté a lo más a.3 ozas de µ co ua robabldad de.95? 8

7 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Solucó: a Sea las varables aleatoras : cotedo e ozas de la botella,,..., 9 ~ N µ, ara cada. Etoces or lo tato ~ Nµ,. Se desea calcular 9.3 µ.3.3 µ.3 σ.3 µ.3.9 σ σ σ Φ b Ahora se retede que µ.3.3 µ.3.95 µ.3 σ σ µ.9φ.9 Φ.9 σ Etoces.3 µ.3 µ µ σ σ σ Medate la tabla de la acumulada de la ormal estádar se tee que µ.3.3 Φ.3.95 Φ O sea S tomamos 43, etoces µ.3 será u oco mayor que Teorema cetral del límte Acabamos de ver que la suma de u úmero fto de varables aleatoras deedetes que está ormalmete dstrbudas es ua varable aleatora també ormalmete dstrbuda. Esta roedad reroductva o es exclusva de la dstrbucó ormal. E efecto, or ejemlo, ya vmos que exste varables aleatoras dscretas que la cumle, es el caso de la osso y la Bomal. E realdad, la roedad que le da a la dstrbucó ormal el lugar rvlegado que ocua etre todas las dstrbucoes es el hecho de que la suma de u úmero muy grade, rgurosamete u úmero fto umerable, de varables aleatoras deedetes co dstrbucoes arbtraras o ecesaramete ormales es ua varable aleatora que tee, aroxmadamete, ua dstrbucó ormal. Este es, esecalmete, el cotedo del 9

8 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Teorema cetral del límte T.C.L.: Sea,,..., varables aleatoras deedetes co E µ y V σ ara todo,,...,, es decr deedetes détcamete dstrbudas Sea la v.a. Dem. s demostracó Observacoes: V S V V S µ es la v.a. S estadarzada σ - Notar que E S E E µ y σ or lo tato Z S µ S - Notar que µ µ z z, or lo tato també se uede σ σ σ eucar el Teorema cetral del límte de la sguete forma Dode S y sea Etoces lm Z z Φ z Z S µ. σ z S, esto es µ lm z e σ π µ Z es el romedo muestral estadarzado σ x Sea,,..., varables aleatoras deedetes co E µ y V σ ara todo,,...,, es decr deedetes détcamete dstrbudas µ Sea la v.a. romedo muestral y sea Z. σ Etoces lm Z z Φ z z, esto es µ lm z e σ π x 3- Auque e muchos casos el T.C.L. fucoa be ara valores de equeños, e artcular dode la oblacó es cotua y smétrca, e otras stuacoes se requere valores de mas grades, deededo de la forma de la dstrbucó de las. E muchos casos de terés ráctco, s 3, la aroxmacó ormal será satsfactora s mortar cómo sea la forma de la dstrbucó de las. S < 3, el T.C.L. fucoa s la dstrbucó de las o está muy alejada de ua dstrbucó ormal 4- ara terretar el sgfcado del T.C.L., se geera or comutadora valores de ua v.a. exoecal co arámetro. 5, y se calcula el romedo de esos valores. Esto se rete veces, or lo tato teemos valores de la v.a.. dx dx

9 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Hacemos u hstograma de frecuecas de, esto es, tomamos u tervalo a, b dode cae todos los valores de, y lo subdvdmos e tervalos mas chcos de gual logtud. La frecueca de cada subtervalo es la catdad de valores de que cae e dcho subtervalo. Se grafca estas frecuecas obteédose los gráfcos sguetes que se uede cosderar ua aroxmacó a la verdadera dstrbucó de. Se observa que a medda que aumeta el valor de los gráfcos se va hacedo más smétrcos, arecédose a la gráfca de ua dstrbucó ormal Ejemlos: - Suógase que 3 strumetos electrócos D, D,...,D 3, se usa de la maera sguete: ta roto como D falla emeza a actuar D. Cuado D falla emeza a actuar D 3, etc. Suógase que el temo de falla de D es ua v.a. dstrbuda exoecalmete co arámetro. or hora. Sea T el temo total de oeracó de los 3 strumetos. Cuál es la robabldad de que T exceda 35 horas? Solucó: S : temo de falla del strumeto D,,..., 3 Etoces ~ Ex. ara,,..., 3 El temo total de oeracó de los 3 strumetos es T, dode 3 E T E 3 E

10 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 V T V 3 V 3 3. T 3 Etoces or T.C.L. ~ N, aroxmadamete ues 3 3 La robabldad edda es T T > 35 > Φ Φ T.C.L Suoga que el cosumo de calorías or día de ua determada ersoa es ua v.a. co meda 3 calorías y desvacó estádar de 3 calorías. Cuál es la robabldad de que el romedo de cosumo de calorías daro de dcha ersoa e el sguete año 365 días sea etre 959 y 35? Solucó: Defmos las varables aleatoras : catdad de calorías que ua ersoa cosume e el día,,..., 365 Se sabe que E 3 y V σ 3 S etoces E 3 y V La robabldad edda es Φ Φ 3 Φ Φ 3.4 T.C.L. Alcacoes del Teorema cetral del límte Aroxmacó ormal a la dstrbucó bomal El Teorema cetral del límte se uede utlzar ara aroxmar las robabldades de alguas varables aleatoras dscretas cuado es dfícl calcular las robabldades exactas ara valores grades de los arámetros. Suogamos que tee ua dstrbucó bomal co arámetros y. ara calcular debemos hacer la suma o recurrr a las tablas de la F.d.a., ero ara valores de grades o exste tablas, or lo tato habría que hacer el cálculo e forma drecta y muchas veces es laboroso. Como ua ocó odemos cosderar a como suma de varables aleatoras más smles, esecífcamete, s defmos

11 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell s e la í ésma reetcó de ε ocurre éxto,,..., caso cotraro etoces cada se la uede cosderar B,, y además,,..., so deedetes odemos escrbr... y s es grade etoces tedrá aroxmadamete ua dstrbucó ormal co arámetros y, es decr µ. Z N, s es lo sufcetemete grade σ. Observacoes: - La aroxmacó ormal a la dstrbucó bomal fucoa be au cuado o sea muy grade s o está demasado cerca de cero o de uo. E artcular la aroxmacó ormal a la bomal es buea s es grade, > 5 y > 5, ero es más efectvo alcar esta aroxmacó cuado > y > - Correccó or cotudad. Acabamos de ver que s B, etoces, ara sufcetemete grade, odemos cosderar que aroxmadamete es N[.,. ]. El roblema que surge de medato s deseo calcular, or ejemlo, la robabldad de que co alguo de los valores osbles,,,, es que la bomal es ua dstrbucó dscreta y tee setdo calcular robabldades como metras que la ormal es ua dstrbucó cotua y, e cosecueca, uesto que ara ua varable aleatora cotua la robabldad de que ésta tome u valor aslado es cero. Esto se resuelve s se cosdera També se uede usar esta correccó ara mejorar la aroxmacó e otros casos, esecífcamete e lugar de calculamos e lugar de E los gráfcos sguetes se muestra ara dferetes valores de y cómo aroxma la dstrbucó N, a la dstrbucó B,

12 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Ejemlos: - Sea B5,.4. Hallar las robabldades exactas de que 8 y 8 y comarar estos resultados co los valores corresodetes ecotrados or la aroxmacó ormal. Solucó: De la tabla de la F.d.a. de la bomal ecotramos Ahora usamos la aroxmacó ormal Φ correccó or cotudad Observar que el valor aroxmado está muy cercao al valor exacto ara Nuevamete este valor aroxmado está muy cerca del valor real de 8. 4

13 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell - Suoga que el % de todos los ejes de acero roducdos or certo roceso está fuera de esecfcacoes, ero se uede volver a trabajar e lugar de teer que evarlos a la chatarra. Cosdere ua muestra aleatora de ejes y deote or el úmero etre ellos que esté fuera de esecfcacoes y se ueda volver a trabajar. Cuál es la robabldad aroxmada de que sea a a lo sumo 3? b meos de 3? c etre 5 y 5 clusve? Solucó: Sea la v.a. : úmero de ejes fuera de esecfcacoes Etoces ~ B,., además. > 5 y. 8> 5 or lo tato odemos alcar la aroxmacó ormal a la bomal a la robabldad edda es Φ Φ 8 8 b La robabldad edda es < 3 Al ser ua v.a. dscreta co dstrbucó bomal < Φ Φ c Φ Φ 8 8 Φ.963 Φ.963 Φ El gerete de u suermercado desea recabar formacó sobre la roorcó de cletes a los que o les agrada ua ueva olítca resecto de la acetacó de cheques. Cuátos cletes tedría que clur e ua muestra s desea que la fraccó de la muestra se desvíe a lo mas e.5 de la verdadera fraccó, co robabldad de.98?. Solucó: Sea : úmero de cletes a los que o les agrada la ueva olítca de acetacó de cheques Etoces ~ B, dode es descoocdo y es la verdadera roorcó de cletes a los que o les agrada la ueva olítca de acetacó de cheques. El gerete tomará ua muestra de cletes ara estmar co ya que es la roorcó de cletes a los que o les agrada la ueva olítca de acetacó de cheques e la muestra de cletes. S o se toma a todos los cletes, etoces o será gual a. La reguta es cuál debe ser ara que se aleje del verdadero e meos de.5 co robabldad.98 or lo meos, o sea ara que Etoces lateamos

14 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Φ.5 Φ.5 Φ.5.98 T.C.L or lo tato Φ. 99 Además Etoces debe cumlrse que o sea O sea se debe tomar ua muestra de al meos 6 cletes Aroxmacó ormal a la dstrbucó osso Se uede robar alcado Teorema cetral del límte que S ~ etoces ara sufcetemete grade tee aroxmadamete dstrbu- có N, Es decr ara sufcetemete grade N, E la ráctca s 3 la aroxmacó es buea. Observacó: la demostracó es seclla s es gual a u úmero atural ues, s cosderamos las varables aleatoras ~ co,,..., deedetes, etoces ya sabemos que ~, es decr ~ ero además or T.C.L. s es grade tee aroxmadamete dstrbucó ormal co a- rámetros µ y σ O sea la dstrbucó de que es exactamete osso co arámetro, se uede aroxmar co ua N,, or lo tato N, aroxmadamete ara valores de sufcetemete grades E los gráfcos sguetes se muestra ara dferetes valores de cómo aroxma la dstrbucó N, a la dstrbucó 6

15 arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell Ejemlo: El úmero de fraccoes or estacoameto e certa cudad e cualquer día hábl tee ua dstrbucó de osso co arámetro 5. Cuál es la robabldad aroxmada de que: a etre 35 y 7 fraccoes se exda e u día e artcular? b el úmero total de fraccoes exeddas durate ua semaa de 5 días sea etre 5 y 75? Solucó: Sea : úmero de fraccoes or estacoameto e certa cudad e cualquer día hábl Etoces ~ dode 5 5 Como 5 etoces N, aroxmadamete 5 a la robabldad edda es Φ Φ Φ.884 Φ b Sea : úmero total de fraccoes exeddas durate ua semaa de 5 días Etoces ~ dode La robabldad edda es Φ Φ Φ.58 Φ Φ

5- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

5- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 33 5- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 5. Suma de varables aleatoras depedetes Cuado se estudaro las varables

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte - Probabldades Prof. María B. Ptarell 5- VARIABLS ALATORIAS BIDIMSIOALS 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. sto es el resultado del eermeto de terés

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería en Informática

Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería en Informática Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería e Iformátca Mg. Ig. Susaa Valesberg Profesor Ttular MODELOS DE VARIABLE ALEATORIA DISCRETA SITUACIONES A RESOLVER I- El

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

10 Un trabajador cobra por horas según el siguiente baremo:

10 Un trabajador cobra por horas según el siguiente baremo: Udad REPASO DE ESTADÍSTICA! 0 U trabajador cobra or horas segú el sguete baremo: Hora ormal (lues a veres):.000 tas. Hora etra (lues a veres): e.000 tas. Hora etra de semaa:.00 tas. Sabedo que etre semaa

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof aría B Ptarell 5- VARIABLS ALATORIAS BIDISIOALS 5 Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales sto es el resultado del eermeto

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

PARTE 2 - ESTADISTICA. 7- Estimación puntual Introducción

PARTE 2 - ESTADISTICA. 7- Estimación puntual Introducción arte Estmacó utual rof. María B. tarell ARTE - ETADITICA 7- Estmacó utual 7. Itroduccó uogamos la sguete stuacó: e ua fábrca se roduce artículos el terés está e la roduccó de u día esecífcamete de todos

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

PARTE 1 - PROBABILIDAD

PARTE 1 - PROBABILIDAD arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Ejemplos cláscos de expermetos aleatoros

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

Más detalles

Soluciones de Ley de las presiones parciales de Dalton

Soluciones de Ley de las presiones parciales de Dalton Solucoes de Ley de las resoes arcales de Dalto La resó arcal de u gas () e ua mezcla, es la resó que ejercería este gas s ocuase todo el volume que ocua la mezcla. També se uede calcular como: 1. Ua mezcla

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

UNIDAD 4 Modelos Probabilísticos Variable Discreta TEORÍA. Mg.Ing. Susana Vanlesberg Profesor Titular

UNIDAD 4 Modelos Probabilísticos Variable Discreta TEORÍA. Mg.Ing. Susana Vanlesberg Profesor Titular Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeerías: Recursos Hídrcos-Ambetal-Agrmesura TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD 4 Modelos Probablístcos Varable

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

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

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de 2011

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de 2011 Posble solucó del exame de Ivestgacó Oeratva de Sstemas de setembre de 2 Problema : ( utos Dos bolas blacas está colocadas e ua mesa al lado de ua bolsa que cotee ua bola blaca y dos egras. Reteradamete

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles