Unidad I Estadística Descriptiva

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

Download "Unidad I Estadística Descriptiva"

Transcripción

1 PRESENTACIÓN DEL CURSO Udad I Estadístca Descrptva La ESTADISTICA es la parte de las matemátcas ecargada de la presetacó y aálss de los datos de u expermeto. Normalmete la estadístca se dvde e: Estadístca Descrptva Estadístca Iferecal ESTADÍSTICA DESCRIPTIVA: se ecarga de la presetacó adecuada de la formacó (tablas, gráfcas, hstogramas, etc.) ESTADÍSTICA INFERENCIAL: se especalza e la estmacó e fereca de parámetros (promedo, desvacó estádar, etc.). Expermetos probablístcos y determístcos U EPERIMENTO es u procedmeto medate el cual se puede obteer formacó acerca de u sstema físco ó Matemátco. El objetvo prcpal de realzar expermetos el obteer formacó acerca de sstema bajo estudo, y a partr de ella obteer coclusoes. Los DATOS so e geeralmete la forma e que se preseta la formacó obteda de u expermeto. Los datos puede clasfcarse prmeramete como: DATOS NUMERICOS.- so aquellos que como su ombre dca puede represetarse medate u úmero real el cual represeta su magtud y sus respectvas udades de medcó, por ejemplo los obtedos de la medcó de ua catdad físca como logtud, masa, tempo, eergía, etc. DATOS DE ATRIBUTO. So aquellos datos que o se puede expresar como datos umércos, por ejemplo, sabor, color, sexo, ombre, país, acoaldad, etc. Se dce que u EPERIMENTO ES DETERMINÍSTICO s al realzarse bajo las msmas codcoes se obtee varablemete e msmo resultado o dato, e el caso de que se obtega resultados o datos dferetes se drá que el es u EPERIMENTO PROBABILISTICO ó ALEATORIO. Poblacó muestra, evetos La POBLACION es el cojuto total de datos que se obtee al realzar u expermeto. La MUESTRA es ua parte ó subcojuto de la poblacó. Los EVENTOS está formados geeralmete por muestras a las cuales se les pde que cumpla co algua codcó o codcoes.

2 ORGANIZACIÓN DE DATOS Ua vez que se ha realzado u expermeto el resultado geeralmete es u cojuto de datos u observacoes, s embargo, tal como aparece puede o resultar adecuados para obteer formacó de ellos, por lo que es ecesaro realzar e la mayoría de los caso u trabajo mímo que cosste e la orgazacó y presetacó de los datos de maera adecuada. Esto es precsamete el objetvo de la estadístca descrptva. Como prmer paso los datos puede ser acomodados e u ARREGLO, el cual tee el objetvo de presetar los datos co u mímo de orde. Es deseable que este orde sea descedete o ascedete, como se muestra a cotuacó. NUMERO DE PERSONAS VIVIENDO EN UN GRANJAS TABLA DE DISTRIBUCIÓN DE FRECUENCIAS A partr de los datos ordeados e u arreglo se puede presetar los datos e ua DISTRIBUCION DE FRECUENCIAS. Para realzar la dstrbucó de frecuecas se puede segur el sguete procedmeto: a) Localce el valor máxmo (max) y mímo (m) del cojuto de datos, y a partr de ellos Obtégase el RANGO como: R max - m b) Ahora proceda a dvdr el rago e INTERVALOS DE CLASE, se sugere que el úmero de tervalos de clase o sea meor a 6 mayor a. c) La LONGITUD DE EL INTERVALO de cada clase debe ser la msma e todas las clases y deberá ser de tal que el puto medo de cada tervalo tega e msmo úmero de dígtos y precsó que los datos orgales. d) Ua vez defdos adecuadamete los tervalos proceda a cotar los datos que se ecuetre detro de su límte feror y su límte superor, el úmero de datos que cae detro de dcho tervalo, costtuye la FRECUENCIA DE CLASE. e) Tome e cueta que cada dato solo perteece solamete a ua clase, por lo que o debe haber ambgüedad e su perteeca a algua clase. f) El puto medo de cada tervalo es llamado LA MARCA DE CLASE y represetará a todos los putos que caga detro del tervalo. g) LA TABLA DE DISTRIBUCIÓN DE FRECUENCIA se costruye colocado e la prmera columa (ó fla) los tervalos de clase y/o las marcas de clase y e la sguete columa (ó fla) las frecuecas correspodetes.

3 EJEMPLOS. Obtega la tabla de la dstrbucó de frecuecas para los datos sguetes. NÚMERO DE PERSONAS VIVIENDO EN UN GRANJAS Por la aturaleza de los datos presetados e la tabla se puede optar por que cada uo de los valores:, 3, 4, 5, 6, 7, 8, 9, y sea los tervalos, etoces FR() () Obtega la tabla de la dstrbucó de frecuecas para los datos sguetes. Dvda e 7 clases El rago es R Dvdedo el rago e N 7 tervalos acho 4.8/ Como el acho tee muchos dígtos, el acho se puede redefr como acho.7 Pero e este caso la logtud total de los tervalos es Logtud (7) (.7)4.9 Esta logtud excede e al rago, este excedete se puede repartr etre las clase extremas, por ejemplo, el límte feror de la prmera clase es.5 y el superor Para la seguda clase se cosdera como límte feror el límte superor de la prmera clase, su correspodete límte superor es , el proceso ateror se repte para cada ua de las clases posterores. Los resultados so colocados e la sguete tabla 3

4 Clases Marca de Frecueca Clase FR() Tabla. Dstrbucó de frecuecas problema PRESENTACIÓN GRÁFICA DE DATOS. HISTOGRAMA Y POLÍGONO DE FRECUENCIAS La tabla de dstrbucó de frecuecas puede ser utlzada para obteer ua gráfca e la cual se coloca e el eje los putos medos de las clases y e el eje Y las correspodetes frecuecas de la clase. La gráfca descrta se cooce como HISTOGRAMA. U hstograma se puede covertr e u POLÍGONO DE FRECUENCIAS smplemete coectado los putos medos o marcas de clase co líeas rectas, pero es ecesaro agregar dos putos medos extras, uo correspodete a ua preva a la prmera clase y co frecueca cero y otro posteror a la últma clase co frecueca cero. OJIVA Para alguas aplcacoes es requerdo obteer la tabla de las FRECUENCIAS ACUMULADAS la cual se obtee sumado las frecuecas precedetes a cada ua de las clases. La gráfca de las clases vs las frecuecas acumulas es coocda como OJIVA EJEMPLOS 3. Utlce el resultado de problema () ateror para obteer el hstograma, polígoo de frecuecas y ojva. : Prmero se obtee la frecueca acumulada de los datos. Clases Marca de Frecueca Frecueca Clase FR() acumulada Tabla. Dstrbucó de frecuecas y frecuecas acumuladas ejemplo 4

5 A cotuacó se preseta cada ua de las gráfcas solctadas a partr de los datos de la tabla ateror Hstogtrama frecueca Hstograma del ejemplo Polgoo de frecuecas frecueca Gráfca del polígoo de frecuecas del ejemplo Las gráfcas aterores represeta a la dstrbucó de frecuecas, por lo que puede ser represetadas jutas como se observa a cotuacó. 5

6 Hstograma y Polígoo de frecuecas Frecueca Hstograma y polígoo de frecuecas del ejemplo Ojva frecueca acumulada Ojva o gráfca de las frecuecas acumuladas del problema 6

7 Hstograma de frecuecas relatvas S se dvde las frecuecas obtedas e la tabla de dstrbucó de frecuecas etre el total de datos se obtee la llamada LA TABLA DE DISTRIBUCIÓN DE FRECUENCIA RELATIVA, y su respectva gráfca se llama HISTOGRAMA DE FRECUENCIAS RELATIVAS. Lo ateror se puede aplcar també a la tabla de frecuecas acumuladas obteédose LA TABLA DE FRECUENCIAS ACUMULADAS RELATIVAS y su respectva gráfca se llama OJIVA DE FRECUENCIAS RELATIVAS. La vetaja del uso de las frecuecas relatvas es su medata relacó co la probabldad, es decr, la frecueca relatva de ua clase es la probabldad de que los datos cosderados se ecuetre e dcho tervalo. () A cotuacó se muestra alguas de las gráfcas del problema para el caso de frecuecas relatvas..4 Hstograma de frecueca relatva.35 Frecueca relatva Hstograma de frecuecas relatvas del ejemplo Ojva de frecueca relatva frecueca relatva acumulada Ojva de frecuecas relatvas acumuladas del ejemplo 7

8 4. Se realza ua vestgacó a los vededores de ua cadea acoal de tedas de departametos para determar el patró de sus gresos daros. Se seleccoa ua muestra aleatora de 5 vededores y se obtee sus gresos durate certo día a) Orgace los datos e ua tabla. Las clases so , , ,.., b) Covértase e frecuecas relatvas y relatvas acumuladas. Obtégase el Hstograma de frecuecas relatvas y la ojva de frecuecas relatvas. A partr de los datos y las clases propuestas se determa la sguete tabla. Clases Marca de Clase Frecueca FR() Frecueca acumulada Frecueca relatva FR() Frecueca relatva acumulada Tabla. Dstrbucó de frecuecas, frecuecas acumuladas y relatvas de ejemplo 8

9 Hstograma de frecueca relatva.5 Frecueca relatva Hstograma de frecuecas relatvas del ejemplo Ojva de frecueca relatva.9 frecueca relatva acumulada Ojva de frecuecas relatvas acumuladas del ejemplo 9

10 MEDIDAS DE TENDENCIA CENTRAL Las MEDIDAS TENDENCIA CENTRAL ó DE CENTRALIZACION de tee como objetvo es tratar de localzar (ó ecotrar) el cetro de la dstrbucó. Las más coocdas so la MEDIA ARITMETICA MEDIANA y MODA. Es costumbre represetar alguas propedades y defcoes medate la otacó sgma: N a a + a + a a Como se puede observar es utlzada para represetar la suma de de elemetos també coocda como sere. A cotuacó se preseta alguas de las propedades más mportates, las cuales se utlzará posterormete. Propedades de la otacó sgma 3 N N Sea N a y b dos sumatoras y c ua costate, etoces: N a) ( a + b ) a + N N b) ca c a N N b MEDIA ARITMÉTICA, PROMEDIO La meda artmétca, promedo o smplemete meda es deotada por:, es smplemete la suma de todas las observacoes,, 3,, N, dvdda etre el úmero N total de datos, esto es: N (.) N Es posble dar ua justfcacó matemátca a la defcó ateror. Para tal f, supogamos que se defe la fucó D() como a cotuacó se dca S( a) N ( a) Dode so los datos y a es ua costate, el meor valor de la fucó es S ( a), etoces N S( a) ( a) Aplcado las propedades de la otacó sgma

11 N N N a Na Despejado a a a N N La cual correspode a la defcó del promedo. Para datos agrupados se calcula la meda medate la ecuacó. N x f ( x ) x f ( x ) (.) La suma de las frecuecas dvduales es gual al úmero total de datos, esto es N Etoces f ( x ) MEDIANA ~ f ( x ) x N (.3) Para el caso de datos o agrupados, la medaa ~, es el úmero que dvde el cojuto de datos e dos partes guales N. E el caso de datos agrupados, la medaa se defe como el valor ~ que dvde al hstograma correspodete e dos partes co áreas guales. Para datos agrupados la medaa se pude obteer medate N CF x ~ ( m ) L x ( m ) + w (.4) F( xm ) Dode L ( x m ) Límte feror de la clase que cotee a la medaa-

12 N Mtad de los datos. CF ( ) Frecueca acumulada hasta la clase ateror a la que cotee a la medaa. x m F ( x m ) Frecueca de la clase que cotee a la medaa. w Acho de la clase. MODA ˆ La moda ˆ es el valor que más veces aparece e u cojuto de datos. EJEMPLO 5. Determe meda, medaa y moda para la dstrbucó de frecuecas sguete y localce sobre el hstograma cada ua de ellas sobre el hstograma correspodete. Clases F(x) TOTAL 5 Es recomedable costrur la tabla sguete a partr de los datos dados: Clases F(x) F() TOTAL 5 39 La meda se obtee a partr de la defcó de datos agrupados f ( x ) x N

13 La clase que cotee a la medaa se ha sombreado e la tabla ateror. La medaa se obtee aplcado la ecuacó para datos agrupados ~ N CF( x ) 5 ( ) m 77.5 L + + xm w 5 79 F( x ) La moda es smplemete ˆ 8 m La gráfca sguete muestra que las tres meddas de cetralzacó, las cuales so muy cercaas etre s y se localza como debe ser e el cetro del hstograma. Hstograma de frecueca relatva.5 Frecueca relatva ~ ˆ MEDIDA DE DISPERSIÓN DESVIACIÓN TÍPICA Ó ESTÁNDAR La desvacó típca ó estádar: es la medda de dspersó más represetatva de u cojuto de datos..se defe utlzado como N ( x x) S N (.5) N La fórmula ateror es coocda como desvacó típca ó estádar sesgada Para datos agrupados la fórmula ateror se escrbe como 3

14 N f ( x )( x x) S N (.6) N VARIANZA El valor de la desvacó estádar al cuadrado es coocdo como la Varaza, esto es Varaza S Ua forma alteratva par el cálculo de la varaza y/o de la desvacó estádar sesgada se obtee desarrollado la defcó dada, esto es S N + N ( x x) ( x x x x ) N N ( x x x + x ) ( x x x + x ) N ( x x N x Nx ) N x x N Etoces Notacó S N x x (.7) N Normalmete las letras latas x, S, S, etc., represeta los estadístcos de ua muestra y las letras gregas µ,,, etc., represeta los estadístcos de ua poblacó. Exste ua forma para la varaza muestral S que proporcoa ua estmacó más precsa de la varaza de la poblacó, e partcular, cuado la muestra es pequeña (N 36); es coocda como varaza sesgada de la poblacó y se calcula medate ( x x) S N (.8) N 4

15 5 De aquí se calcula medate la raíz cuadrada la desvacó estádar sesgada ) ( N x x S N (.9) Procededo de maera smlar al caso sesgado se puede obteer ua fórmula drecta para calcular la varaza y/o desvacó estádar sesgada ( ) + ) ( x x x x N N x x S N ( ) + x x x x N ( ) + x x x x N N x N x N x x N ( ) N x x N Por lo tato ( ) N x x N S N (.) La desvacó estádar como se ha dcado aterormete es ua medda de la dspersó de los datos, está dspersó se mde a partr de la meda de la dstrbucó de datos; por ejemplo, supógase que se compara dos cojutos de datos obtedos a partr de la msma poblacó, los cuales tee el msmo úmero de datos ( N N ),el msmo promedo ( x x ), etoces, s la desvacó del prmer cojuto es meor que la del segudo cojuto, ( s s < ), es posble afrmar que los datos del prmer cojuto se ecuetra más cocetrados que los de la segudo y la altura del prmer cojuto de datos es mayor que la del segudo. La fgura sguete compara dos dstrbucoes cotuas co las característcas descrtas aterormete.

16 s Frecueca.5..5 s..5 xx Comparacó de dos dstrbucoes de frecueca co dferetes desvacoes estádar s < s La desvacó estádar se puede emplear també para medr las varacoes co respecto a la meda de los valores co respecto a la meda. U valor pequeño de la desvacó típca ó estádar dca ua mayor probabldad de obteer u valor más cercao a la meda. Esta dea se expresa e u teorema eucado por el matemátco ruso Tchebycheff. Teorema de Tchebycheff La proporcó de cualquer cojuto de valores que caerá detro k desvacoes típcas a partr de la meda es al meos -/k, dode k es cualquer úmero mayor que. Por ejemplo, para el caso de k, el teorema ateror garatza que s mportar como es la dstrbucó de frecuecas, exste -/.75 de los datos se ecuetra detro del tervalo compreddo por x s, x + s. E la fgura, se muestra la dea del teorema de Tchebycheff para k.. [ ] Regla de la ormal E muchas ocasoes el hstograma que represeta la dstrbucó de frecueca tee ua forma de campaa smétrca, este tpo de dstrbucó puede ser comparada co ua dstrbucó teórca cotua llamada curva ormal. Es posble aplcar las característcas de la curva ormal a este tpo de dstrbucoes muestrales para determar la proporcó de datos cotedos detro de ua, dos y tres desvacoes estádar. A cotuacó se euca la regla de la ormal. Para dstrbucoes de frecueca smétrcas e forma de campaa, aproxmadamete el 68 % de los datos caerá e el tervalo [ S, + S], el 95 % de los datos caerá e el tervalo S, + S 3 S, + 3S. [ ], y cas el % de los datos caerá e el tervalo [ ] 6

17 Hstograma de frecueca relatva Frecueca relatva Al meos 3/ s + s Fgura, Teorema de Tchebycheff proporcó de datos -/k para el caso k cas % 5 Aproxmadamete 95% 5 Aproxmadamete 68% x 3 s x s x s x + s x x + s x + 3 s Fgura, Regla de Normal. 68 % de los datos e el tervalo [ S + S] [ S, + S], y cas el % e [ 3 S, + 3S].,, el 95 % e 7

18 EJEMPLOS 6. Determe la desvacó estádar sesgada e sesgada para el cojuto de datos sguetes. F(x) Es recomedable costrur la tabla sguete a partr de los datos dados: F(x) F() F() Utlzado los resultados de la tabla e las ecuacoes respectvas S S N N f ( x ) x x N ( 3975) S S N N ( f ( x ) ) x ( 39) ( ) f x x N N

19 7. Obtega la medaa para el cojuto de datos sguete La medaa debe dvdr los datos e la mtad, esto es e 5 datos a la zquerda y 5 a la derecha. Puesto que los datos se ecuetra acomodados e orde ascedete, se puede observar el dato 5 79 y el dato 6 79, por lo tato ~ Certa tarde del sábado 3 estudates uverstaros de prmer semestre trabajaro.a cotuacó se muestra la dstrbucó de frecuecas de sus gaacas. a) Obtega la meda, medaa y moda b) Obtega la desvacó estádar S, S Gaaca x Frecueca f(x) Prmero se realza la sguete tabla a partr de la ateror x f(x) x f(x ) f(x )x Σ

20 Promedo f ( x ) x N Medaa De los datos de la tabla Límte feror de la clase L (x m ) 7.5 Frecueca acumulada hasta ates de la clase m CF ( x m ) m7 Frecueca de la clase dode está la medaa 9 F ( x m ) Acho de la clase w 5 3 N CF x ~ ( m ) 7 L ( x m ) + w () 5. F( xm ) 9 Moda El valor co mayor frecueca es x ˆ Desvacó estádar sesgada S N f ( x ) x x N (75) 3 (3) Etoces S Desvacó estádar sesgada S ( ) f x x N ( f ( x) x ) N ( 69) Por lo tato S N 9. Las medcoes e la escala de Rchter correspodetes a los 5 terremotos más recetes e el mudo so dadas e la tabla. a) Costrúyase ua dstrbucó de frecuecas co límtes de clase de.5 a.75,.75 a 3.5, etc. b) Trácese el hstograma y polígoo de frecuecas (c) Obtega la meda, medaa y moda (d) Obtega la desvacó estádar S, S

21 (a) Utlzado las clases sugerdas se determa las respectvas marcas de clase, frecuecas y se evalúa de xf(x) y x f(x), acomodado los resultados e la sguete tabla clase x f(x) x(f(x)) x (f(x)) Σ (b) Hstograma y polígoo de frecuecas. Hstograma y Polgoo de frecuecas frecueca

22 (b) A partr de los datos de la tabla de frecueca se puede determar los estadístcos solctados Meda ( f)( x) x N 45 5 Moda x ˆ 4. 7 Medaa Para los datos o agrupados N N dato + dato + ~ x 4.5 Para los datos agrupados N CF( x ) + F( x ) ~ m L ( x m m ) w (.7) Desvacó estádar sesgada S N Etoces f ( ) (63.3) (4.49) x x x N 5.5 S.5.5 Desvacó estádar sesgada ( ( )( )) ( 4.5) f x x S ( ) 63.3 N f x x.5 N N 5 5 Por lo tato S.5.66 N. Supógase que certo cojuto de observacoes tee ua x y ua S 5 Coteste las sguetes pregutas, de acuerdo al teorema de Tchebycheff. a) Al meos qué porcetaje de todas las observacoes caerá etre 7 y 3? b) A meos que porcetaje de las observacoes caerá etre 5 y 75? a) De los datos se obtee x S 5

23 E geeral el valor de k correspodete a u valor cualquera se puede determar a partr de la x ecuacó k S 7 3 Los valores de k correspodetes a 7 y a 3 so k y k 5 5 Es u tervalo smétrco a partr de la meda co k. De acuerdo al teorema de Tchebycheff Proporcó al meos 75 % k (b) Procededo de maera smlar al cso ateror, los valores de k correspodetes a 5 y a 75 so 5 75 k 5 y k Es u tervalo smétrco a partr de la meda co k 5. De acuerdo al teorema de Tchebycheff Proporcó al meos 96 % k 5. De acuerdo co la regla ormal Cuál es la proporcó aproxmada de u cojuto de observacoes que caerá por debajo de x S De acuerdo a la regla de la Normal detro del tervalo [ x S, x + S] hay aproxmadamete el 95 % de los datos, quedado fuera el 5 %, pero como solo se cosdera los que está por debajo de x S esto correspode a la mtad, o sea al.5% ó equvaletemete a.5 de los datos.. Ua muestra de trabajadores tee ua produccó promedo por hora de 6 udades y ua desvacó típca de udades. De acuerdo co la regla de la ormal, aproxmadamete cuátos trabajadores tee ua produccó etre 4 y 8 udades? El úmero de desvacoes estádar a partr de la meda se puede determar co Del problema x 6 y S etoces, para los valores de 4 y 8 se tee que k x S k y k Lo cual correspode a dos desvacoes a la zquerda y a la derecha del promedo, que de acuerdo a la regla de la ormal correspode al 95 % de los datos ó al.95 del total de datos, por lo tato Número de trabajadores Total x Fraccó N x

24 Udad II Probabldad CONJUNTOS Y ÁLGEBRA DE CONJUNTOS DEFINICIÓN DE CONJUNTO. Coceptos báscos de la teoría de cojutos: CONJUNTO: es ua coleccó de objetos, datos, que puede cumplr ua o varas codcoes. Notacó de cojuto: comúmete se represeta a los cojutos medate letras mayúsculas A, B, C, U, Z W, Φ, Ω ELEMENTO: e u úco objeto o dato que es parte de u cojuto Notacó de elemeto: los elemetos se deota co letras músculas a, b, c, α, φ, v, w, θ Los cojutos puede descrbrse de dos maeras, de forma explícta y /o mplícta. La forma explícta correspode cuado los elemetos del cojuto so mostrados drectamete EJEMPLO A {a, e,, o, u} B {,, 3, 4, 5,6,.} C { -4,-,,, 4,6,.} La forma mplícta correspode cuado los elemetos del cojuto o so mostrados drectamete y so defdos medate ua codcó o codcoes. A {x. x es ua vocal del abecedaro} B {x. x es u úmero atural} C {x. x es u úmero par} El CONJUNTO UNIVERSO deotado geeralmete por U es el cojuto más grade que es utlzado e u problema partcular y cotee a todos los elemetos. E el ámbto de la Estadístca se relacoa drectamete el cojuto uverso co la poblacó y el caso de la Probabldad co el llamado espaco muestral. Se dce que u elemeto x perteece a u cojuto A s x es parte del cojuto A. Notacó: x Α. E forma gráfca la codcó se represeta medate el dagrama sguete 4

25 U A x S x o perteece a u cojuto A, etoces x o es parte del cojuto A. Notacó: x Α. U A x U cojuto es fto s se puede cotar sus elemetos, esto es, exste u úmero total de elemetos. # A S el # A etoces el cojuto es fto. Se dce que u cojuto B está CONTENIDO e u cojuto A ó es SUBCONJUNTO de A s y solo sí todo elemeto x B, x també x A. Notacó: B A. U A B 5

26 Para facltar la escrtura de alguas expresoes matemátcas a cotuacó se preseta alguos símbolos y su sgfcado Para todo. S y solo s. Etoces. Exste. Por lo tato. La defcó de CONTENIDO o CONTENCION ateror se puede escrbr como: B A x B, x A S algú x B pero x A etoces se drá que B NO ESTA CONTENIDO A ó que B o es SUBCONJUNTO de A. E forma compacta: x B x A B A. Notacó: B A. U A B x ÁLGEBRA DE CONJUNTOS (OPERACIONES BÁSICAS) Las operacoes etre cojutos permte obteer uevos cojutos a partr de cojutos más smples ó represetar cojutos complejos medate cojutos más smples. Todas las operacoes que se defe a cotuacó so de gra mportaca para el desarrollo de la probabldad, por lo que se recomeda aprederlas y aplcarlas correctamete cada ua de ellas. Cabe mecoar que estas operacoes o se debe comparar co las operacoes algebracas etre úmeros como so la suma, resta y multplcacó- UNIÓN DE CONJUNTOS A B { x x A ó x B} Notacó: A B U A B 6

27 7 EJEMPLO { } { } { } h g f d c b a B A C h g f d c b a B d c b a A,,,,,,,,,,,,,,, INTERSECCIÓN DE CONJUNTOS { } B x y A x x B A Notacó: B A EJEMPLO { } { } { } d c B A h g f d c b a B d c b a A,,,,,,,,,, COMPLEMENTO { } U x y A x x A c Notacó: c A U c A A U A B

28 Complemeto relatvo: B / A { x x B y x A} Notacó: c A U B B A EJEMPLO Utlzado los cojutos aterores B / A {} Φ A / B g, f, h { } Sedo Φ {} cojuto vacío A partr de las operacoes aterores etre cojutos se puede defr y obteer uevas propedades etre cojutos, las cuales será utlzadas e seccoes posterores y e partcular e el tema de probabldad. Se dce que dos cojutos A y B so AJENOS s solo s A B Φ, U A B 8

29 PROPIEDADES BÁSICASDE LOS CONJUNTOS Sea A, B dos cojutos geerales detro de u cojuto uverso U etoces se cumple las sguetes codcoes a) A A A b) A A A c) A A c U d) A A c Φ e) U c Φ f) Φ c U g) A Φ Φ h) A Φ Φ ) A ( A B) (A B c ) S B A. etoces: j) A B A k) A B B Leyes comutatvas l) A B B A m) A B B A Leyes dstrbutvas ) A ( B C) (A B) (Α C) o) A ( B C) (A B) (Α C) Leyes de Morga p) (A B) c A c B c q) (A B) c A c B c 9

30 EPERIMENTOS PROBABILÍSTICOS Y DETERMINÍSTICOS Como ya se ha mecoado e la udad ateror: U EPERIMENTO ES DETERMINÍSTICO s al realzarse bajo las msmas codcoes se obtee varablemete e msmo resultado o dato, e el caso de que se obtega resultados o datos dferetes se drá que el es u EPERIMENTO PROBABILISTICO ó ALEATORIO. POBLACIÓN MUESTRA, EVENTOS A cotuacó se da uevamete las defcoes de poblacó, muestra y evetos. La POBLACION es el cojuto total de datos que se obtee al realzar u expermeto. La MUESTRA es ua parte ó subcojuto de la poblacó. Los EVENTOS está formados geeralmete por muestras a las cuales se les pde que cumpla co algua codcó o codcoes. Teoría elemetal del muestreo La toma de datos ó muestras de u expermeto aleatoro e geeral se debe realzar de tal maera que todos los posbles resultados del expermeto tega la msma oportudad ó probabldad de se elegdos, lo ateror costtuye el PRINCIPIO FUNDAMENTAL DEL MUESTREO. El prcpo ateror es coocdo també como MUESTREO AL AZAR y tee la faldad de obteer ua muestra lo más represetatva del expermeto. El muestreo al azar se puede realzar de dos maeras CON REEMPLAZO y SIN REEMPLAZO. E el caso de reemplazo ua vez elegdo u objeto este es regresado de uevo al cojuto y por lo tato puede ser uevamete seleccoado, por otra parte s el muestreo se lleva a cabo s reemplazo el objeto que es seleccoado o se regresa al cojuto y por lo tato uca más podrá se seleccoado. E aplcacoes práctcas aparece ambos tpos de muestreo. Para efectuar u muestreo adecuado se debe evtar posbles tedecas al realzar u expermeto, por ejemplo, para la eleccó de muestras de u lote se puede recurrr a tablas ó programas que geera úmeros aleatoros para evtar tedecas y realzar ua correcta seleccó de las muestras El muestreo de datos se puede realzar al azar co o s reemplazo El estudo de la Probabldad permte dar ua respuesta a problema de la eleccó adecuada de cuado ua muestra es represetatva de u expermeto aleatoro o poblacó. ESPACIO MUESTRAL El ESPACIO MUESTRAL es el cojuto de todos los resultados posbles de u eveto aleatoro ó probablístco. Normalmete el espaco muestral se represeta por la letra S y e térmos de cojutos es el equvalete al cojuto uverso. U EVENTO O SUCESO: es u subcojuto del espaco muestral. 3

31 DEFINICIÓN DE PROBABILIDAD La PROBABILIDAD DE UN EVENTO se puede defr e el caso de cojutos ftos como: P( E) N N.( E).( S) N (E): úmero de elemetos depedetes de E. N (S). úmero total de elemetos depedetes. E alguos casos secllos es posble coocer fáclmete el úmero total de elemetos que coforma cada uo de los cojutos, s embargo, esto o es posble para la mayoría de los demás caso, por lo que es coveete recurrr e prcpo a las téccas de coteo para determar las probabldad. TÉCNICAS DE CONTEO PRINCIPIO FUNDAMENTAL DEL CONTEO. S u eveto se puede realzar de N formas y otro eveto se puede realzar de N formas, etoces el eveto cojuto se puede realzar de N.N formas. N N.N (.) El prcpo fudametal del coteo se puede represetar gráfcamete medate el llamado dagrama de árbol. Cada trayectora e el dagrama de árbol represeta u posble resultado o forma de realzarse el expermeto. E la fgura se muestra el dagrama de árbol para el caso de N4 y N, co lo que se obtee N*N4* 8 trayectoras ó formas Por otra parte el prcpo fudametal del coteo se puede geeralzar a k evetos, esto es, s el eveto puede ocurrr de N formas, etoces el eveto total cojuto de los k evetos, se puede realzar de N.N. N Nk formas. N N Fgura. Dagrama de árbol que represeta el prcpo fudametal del coteo N*N4* 8 3

32 EJEMPLOS. Determe el úmero total de combacoes de u cadado formado por formado por 3 dscos gratoros y cada uo de los cuales puede ser colocado e los úmeros,,, 3, 4, 5, 6, 7, 8, 9. Combacó de u cadado. De acuerdo a los dcado e el problema cada uo de los dscos pude ser colocado e formas, esto es N; N, y N3. Aplcado el prcpo fudametal del coteo se obtee: 3 combacoes. Ua moeda es arrojada veces cosecutvas. Obtega el espaco muestral del cojuto. Ua moeda tee dos resultados posbles, Águla (A) ó Sol (S), s la moeda es arrojada dos veces etoces N N*N * 4 evetos depedetes Cada uo de los evetos dvduales se muestra a cotuacó: S{ (A,A), (A,S), (S,A), (S,S)} 3. U expermeto cosste e arrojar ua moeda 4 veces, lístese todas las posbldades: El úmero total de posbles evetos depedetes es N(,,, ) 4 6 Puede utlzarse u dagrama de árbol para lstar correctamete todas las posbldades, estas so: A, A, A, A A, A, A, S A, A, S, A A, A, S, S A, S, A, A A, S, A, S A, S, S, A A S, S, S S, A, A, A S, A, A, S S, A, S, A S, A, S, S S, S, A, A S, S, A, S S, S, S, A S, S, S, S 3

33 4. Obtega el úmero total de evetos depedetes que se obtee al arrojar ua moeda 5 veces cosecutvas. E cada uo de los 5 casos de arrojar ua moeda está puede teer solamete dos resultados posbles, Águla (A). ó Sol (S), etoces: 5 3 posbles 5. Obtega el espaco muestral que se geera al arrojar u dado veces El dado tee 6 caras y por lo tato exste 6 posbldades para cada vez que es arrojado, etoces como es arrojado veces: resultados Los evetos depedetes puede obteerse fáclmete medate u dagrama de árbol. S { (,), (,), (,3), (,4), (,5), (,6), (,), (,), (,3), (,4), (,5), (,6), (3,), (3,), (3,3), (3,4), (3,5), (3,6), (4,), (4,), (4,3), (4,4), (4,5), (4,6), (5,), (5,), (5,3), (5,4), (5,5), (5,6), (6,), (6,), (6,3), (6,4), (6,5), (6,6) } 6. Determe el úmero posble de combacó de placas váldas s la placa esta formada por 3 úmeros cosecutvos y 3 letras del abecedaro. Exste posbldades para cada uo de los úmeros y 6 posbldades para cada ua de las letras (o se cluye letras dobles RR, CH, LL y la letra Ñ), etoces: METODO I Números Letras Placas ( 3 ) (6 3 ) E el cálculo ateror se ha cludo placas que o exste para fes práctcos, por ejemplo: La placa A A A No exste E geeral las placas o puede teer u cero o ceros ates que u úmero dferete de cero. 33

34 Por otra parte o exste las placas um um letra letra letra No exste (9)(6 3 ) um letra letra letra No exste (9)(6 3 ) letra letra letra No exste Número de placas o valdas (9)(6 3 )+ (9)(6 3 )+ 6 3 ( )(6 3 )() (6 3 ) Etoces Número de placas valdad Número total - Número de placas o valdas. ( 3 ) (6 3 )- () (6 3 ) (9)( 6 3 ) placas. METODO II La prmer caslla de úmero o puede ser cero, por lo tato se reduce sus posbles valores a N9 Mateédose los demás valores guales al método I Números Letras Placas (9) (6 3 ) Número de placas o valdas (9) (6 3 ) placas. El prcpo fudametal del coteo permte obteer fórmulas matemátcas para alguos casos geerales que ocurre comúmete e aplcacoes práctcas, como so, las permutacoes y las combacoes PERMUTACIONES La permutacó aparece cuado se tee N objetos DISTINGUIBLES SIN REEMPLAZO y estos puede ocupar r lugares o poscoes. Lo ateror se represeta gráfcamete como Lugar Lugar Lugar Lugar Lugar r 34

35 Aplcado el prcpo fudametal del coteo y recordado que e el prmer lugar pude ser ocupado por los objetos, el segudo lugar por los N- restates y así sucesvamete hasta el lugar r dode solamete puede ser ocupado por -r objetos r+ Permutacoes (-)(-)(-3)(.-r+) Exste u caso partcular e el cual e úmero de objetos es gual al úmero de poscoes que puede ocupar, esto es, r. por lo tato el producto ateror se coverte e el producto de los eteros cosecutvos del al Permutacoes (-)(-)(-3)(.-r) Este producto partcular es coocdo como el FACTORIAL Propedades elemetales del factoral (a)! (+) (+)! (b)!! (-)(-)(-3)(.-r).. (.) Las permutacoes para objetos ocupado r lugares ó casllas puede defrse e térmos del factoral y sus propedades aterores como; EJEMPLOS! P r (.3) ( r)! 7. Mostrar que la defcó de las permutacoes e térmos de factorales es correcta Partedo de la defcó dada! ( )( ) L( r + )( r) L3 P r r! ( r)( r ) L3 ( ) Smplfcado térmos! P r ( )( ) L ( r + )! ( r) para el caso partcular de r 35

36 !! P!!! ( ) 8. Determar cuatas formas hay de acomodar las letra A,B,C s reemplazo e tres lugares cosecutvos. Muestre explíctamete cuales so estas posbldades. Para el problema 3 y r 3, 3 P 3 3! 3 6 Explíctamete las permutacoes se puede obteer a partr del dagrama de árbol sguete A B C B C A C A B C B C A B C (A,B,C), (A,C,B), (B,A,C), (B,C,A), (C,A,B ) y (C,B,A) 9. Utlzado el problema ateror determe e cuátos casos las letra A y B permaece jutas e todo mometo? MÉTODO I Drectamete del problema ateror se puede observar drectamete que los casos que cumple que A y B esté sempre jutas so: (A,B,C), (B,A,C), (C,A,B ) y (C,B,A), esto es, solo hay 4 casos MÉTODO II (formacó de bloques) S las letras A y B debe permaecer jutas, etoces ambas forma u bloque, co lo cual el bloque e cojuto se pude cosderar como u elemeto, e térmos de permutacoes r Bloque letra A B C! 36

37 Pero e el bloque formado por las letras A, B estas puede permutarse y mateerse jutas etre s, por los que hay que tomar e cueta está posbldad dode també r B A C! Sumado las posbldades aterores se tee TOTAL! +! + 4 permutacoes E térmos de otacó de permutacoes: TOTAL P* P! +! + 4 permutacoes. De cuátas formas se puede acomodar lbros dsttos e u estate Aplcado el prcpo fudametal del coteo ! Medate permutacoes y r, etoces P! Formas. Se tee 8 lbros 3 de matemátcas, 3 de físca y de bología. De cuátas maeras se puede acomodar de tal maera que los lbros de cada matera quede sempre jutos? Los tpos de lbros para mateerse jutos forma bloques de cada tpo, por lo que hay tres bloques, los cuales se puede acomodar de las sguetes N 3P3 3! 3 3! Bloque bloque bloque e Supógase ahora que se tee por ejemplo el sguete acomodo partcular de los bloques 3 3 3! 3!! Matemátcas Físca Bología Detro de cada bloque se puede permutar los lbros de cada seccó y tal como se observa se tedría N (3P3)( 3P3)(P) 3! 3!! Permutacoes Aplcado el prcpo fudametal de coteo e úmero total es N 3P3+ 3P3+ 3! N N N 3! (3! 3!!)43 37

38 . Dez persoas se ecuetra esperado ser ateddas e ua ofca de gobero, pero la secretara les forma que solo se atederá a ses persoas, cuál es la catdad de posbles opcoes para ateder a las persoas? Para este problema se tee persoas y solo se cueta co r 6 lugares, etoces N Pr P6!! 5 opcoes ( 6)! 4! COMBINACIONES Para eteder las como se obtee las combacoes prmero hay que observar lo que sucede cuado los objetos que so cosderados dstgubles se trasforma e dstgubles. Como ejemplo cosdere las permutacoes de las letras A, B, C y posterormete hagamos que A B A, B, C dferetes A B, C dferete reduccó A, B, C A, C, B B, C, A B, A, C C, A, B C, B, A A, A, C A, C, A A, C, A A, A, C C, A, A C, A, A A, A, C A, C, A C, A, A Las permutacoes se reduce a 3 casos úcamete. S ahora se las tres letras so dstgubles etre s ó equvaletemete ABC A, B, C dferetes A B C reduccó A, B, C A, C, B B, C, A B, A, C C, A, B C, B, A A, A, A A, A, A A, A, A A, A, A A, A, A a, A, A, A, A A,, Las permutacoes se reduce a caso úcamete. Utlzado los ejemplos aterores es posble deducr ua fórmula smple. Sí se tee objetos que puede ocupar r lugares y etre ellos hay l objetos dstgubles, l objetos dstgubles,, l k, objetos dstgubles, que cumple l + l +.+ l k, etoces e umero total de permutacoes se reduce a: 38

39 N Pr (.4) l! l! Ll! k Para el prmer caso r, l 3!..3 N 3!. Para el segudo caso r, l 3 3! N 3! EJEMPLO 3. Se tee 8 lbros, 3 de matemátcas, 3 de físca y de bología. S los 3 lbros de matemátcas so guales y los de bología so guales Cuátas formas posbles exste de acomodarlos e u lbrero? De acuerdo a los datos del problema, 8 lbros, l 3 lbros de matemátcas guales, l lbros de bología guales, etoces N 8! 3!! Las COMBINACIONES de objetos e r lugares se obtee cuado e ua permutacó de estos objetos la poscó relatva o mporta a pesar de ser dferetes etre ellos, por ejemplo todas las permutacoes (A,B,C), (A,C,B), (B,A,C), (B,C,A), (C,A,B ) y (C,B,A) so equvaletes a (A,B,C), e este caso se puede cosderar que exste u cojuto co l r objetos guales por lo tato utlzado la fórmula (.4) Las combacoes puede escrbrse també como EJEMPLOS Pr! Cr (.5) r! ( r)! r!! r ( r)! r! 4. U cotratsta de costruccó ofrece casas co cco dsttos tpos de dstrbucó, tres tpos de techo y dos tpos de alfombrado. De cuátas formas dferetes puede u comprador elegr ua casa? Hay N 5 dstrbucoes N 3 tpos de techos y N3 tpos de alfombra, etoces, aplcado el prcpo fudametal del coteo N N N N eleccoes de casa dferetes 39

40 5. Se tra ses dados. De cuátas formas dferetes puede quedar las caras haca arrba? Hay 6 posbles resultados de cara para cada uo de los 6 dados, etoces, aplcado el prcpo fudametal del coteo N formas dferetes 6. Las placas de matrícula de automóvles emtdas por certo estado tee dos letras segudas por tres dígtos. Cuátas placas dferetes puede emtrse s o hay restrccoes? Para las letras hay 6 posbles resultados y para los úmeros hay posbles valores, por lo tato medate el prcpo fudametal del coteo Letra letra Num Num Num N Ua clase cosste e dez estudates. De cuátas formas puede seleccoarse u comté de tres estudates Este problema correspode a u caso clásco de combacoes dode estudates, r 3 estudates, etoces! N comtés. ( 3)!3! 8. U club costa de 3 membros. 5 blacos, egros y 5 de otras razas. Debe formarse u comté de 6 membros. S los 3 grupos debe estar represetados, co proporcoes guales, de cuátas formas puede hacerse esto? Los 3 membros so dvddos e 3 clases:5 blacos, egros, 5 de otros Como las proporcoes debe de ser guales y el comté está formado por 6 membros a cada clase le correspode membros para el comté 5 5! Se puede elegr 5 comtés de blacos (5 )!!! 45 comtés de blacos ( )!! 5 5! comtés de otros (3 )!! U posble caso de de comté es blacos egros de otros N comtés 4

41 9. E ua clase de 3 estudates, hay hombres y mujeres. a. De cuátas formas puede seleccoarse u comté de tres hombres y dos mujeres? b De cuátas formas puede seleccoarse u comté de cco estudates? c. De cuátas formas puede seleccoarse u comté de cco estudates s los cco debe de ser del msmo sexo? a. Procededo como e el problema ateror 3 hombres de mujeres de 3 N (4)(45) 5 3 comtés b. Hay 3 estudates para ocupar r 5 lugares 3 3! 4 56 comtés. r 5 (3 5)!5! c. Puede haber u comté formado por 5 hombres ó u comté formado por 5 mujeres, etoces el resultado es la suma de cada uo de los casos 5 hombres de 5 mujeres de 3 N comtés. Ua "mao de póker" cosste e 5 apes sacados de ua baraja ordara 5 apes. Cuátas maos dferetes puede formarse a partr de la baraja completa? Se tee 5 apes para seleccoar ua combacó r 5, etoces 5! Cr maos (5 5)!5! La probabldad de u eveto se defó e párrafos aterores como: P( E) N N.( E).( S) N. (E): úmero de elemetos depedetes de E. N. (S) úmero total de elemetos depedetes. 4

42 Es de mecoar que la defcó ateror está dada partcularmete para cojutos ftos y exste otras defcoes para cojutos ftos, por ejemplo par el caso de cojutos represetados medate áreas, la probabldad se puede defr como el cocete de el área que represeta al eveto E etre el área total que represeta al espaco muestral. La probabldad se puede terpretar como la medda de la ocurreca de u eveto que es parte de u eveto E que es parte de u espaco muestral ó expermeto aleatoro. EJEMPLOS. E ua votacó prelmar smulada para determar la probabldad de certo caddato para la presdeca de los E.U.A., se ecotró que 495 de votates seleccoados aleatóramete está a favor de dcho caddato. Cuál es la probabldad de que cualquera de los votates favorezca a este caddato? N (S) y N (E)495 etoces aplcado la defcó drecta de la probabldad 495 P.495. Supógase que estadístcas recopladas por la ofca meteorológca de Los Ágeles muestra que ha llovdo durate el desfle de las Rosas e Pasadea 4 veces durate los últmos 8 años. a. Cuál es la probabldad de que llueva durate el desfle de las Rosas el próxmo día de año uevo? b. Cuál es la probabldad de que o llueva? S E { x x es u año lluvoso el día del desfle de las Rosas}, etoces E c { x x es u año o lluvoso el día del desfle de las Rosas}, Como N (E)4, etoces N (E c ) a) b) N( E) 4 P ( E) N( S) 8 c c N( E ) 66 P( E ) N( S) U club tee 3 membros: 5 hombres y 5 mujeres. Va a costturse u comté de 5 membros. Cuál es la probabldad de que las 5 mujeres se cluya e el comté, s los membros de éste se seleccoa aleatóramete? El úmero total de comtés co r 5 membros que se puede formar co 3 membros es N(S) 3C El úmero de comtés co r 5 mujeres que se puede formar co 5 mujeres es N(E) 5C5 4

43 Por lo tato N( E) P ( E) N( S) Sea el espaco muestral S {arroja ua moeda legal 8 veces} y sea el eveto E {Sale 5 águlas exactamete}. Determe la probabldad P (E). El úmero de elemetos que forma el espaco muestral es: N(S) 8 56 U esquema de u elemeto del eveto E es mostrado a cotuacó A A A A A S S S Para determar el úmero total de elemetos que forma el eveto E se puede aplcar la ecuacó 4, e la cual se cosdera que 8, r 8, l5 y l3. Pr 8! N ( E) 56 l! l! 5!3! Etoces ( E) 56 7 ( S ) 56 3 N P ( E) N 5. Ua teda de aparatos de sodo acaba de recbr u embarque de dez uevos aparatos, sete de modelo y tres de modelo Y. S se vede aleatóramete cuatro aparatos, cuál es la probabldad de que se veda dos de cada modelo? Hay x 7 aparatos tpo, y 3 aparatos tpo Y, se seleccoa r 4 aparatos, x + y 7. Sea E el es eveto de que se veda dos de cada modelo ó equvaletemete dos aparatos del modelo y dos aparatos del modelo Y, el eveto puede represetarse como: [,, Y, Y] Se debe de elegr r x aparatos tpo x de 7 exstetes y r y aparatos tpo Y de 3 exstetes, etoces, x y 7 3 7! 3! N ( E) ()(3 ) 63 rx ry ( 7 )!! ( 3 )!! y! N ( S) r 4 ( 4 )! 4! 43

44 por lo tato ( E) 63 3 ( S ) N P ( E) N 6. Debe seleccoarse u comté de tres persoas del cosejo drectvo de ua compañía. El cosejo costa de quce membros, u terco de los cuales so mujeres y dos tercos hombres. Cuál es la probabldad de que las tres persoas del comté sea todas del msmo sexo? De acuerdo a los datos 5 persoas, H hombres y M 5 mujeres, se debe seleccoa u comté r 3 persoas Sea los cojutos A {comté de 3 mujeres} y B { comté de 3 hombres} etoces C { e comté de persoas del msmo sexo} {las tres persoas sea mujeres o sea hombres } C A B Puesto que A B Φ se tee que N(C) N(A) + N(B) H M N( C) + r r y 5 N ( S) r 3 falmete ( E) 3 ( S ) N P ( E) N! + 5! ( 3 )!3! ( 5 3 )!3!! ( 3 )! 4! 455 comtés + 3 comtés 7. Ua "mao de póker costa de cco apes. Cuál es la probabldad de que los cco apes sea del msmo palo? E u problema prevo se sabe que 5 cartas, r 5 cartas y 5 N ( S) r 5 5! ( 5 5 )!5! maos El mazo de cartas es esta formado por 4 fguras damates, corazoes, pcas y tréboles por lo que cada tpo de fguras está coformado por P 3 cartas. Sea el cojuto B {5 cartas del msmo palo} y A {5 cartas del msmo palo tpo }, para,,3 y 4. 44

45 Etoces resulta que B A A A 3 A 4, y además A A A 3 A 4 Φ, por lo tato se cumple que N(B ) N(A ) + N(A ) + N(A 3 ) + N(A 4 ) Utlzado los datos se pede determar el úmero de elemetos para cada uo de los cojutos A,,,3 y 4 como las combacoes de P 3 cartas tomadas de r 5 cartas. P 3 3! N( A ) 87 r 5 ( 3 5 )!5! por lo tato 3 N ( B) P ( B) ( ) Se está formado grupos de cuatro letras empleado las letras A E I O U Y. a. Cuátos grupos puede formarse s o debe repetrse las letras? b. Cuátos grupos puede formarse s cualquer letra puede repetrse ta veces como se desee? A E I O U Y a) Este caso correspode a ua permutacó puesto que todas las letras so dferetes co 7, r 4, N 7! 7 P4 84 4! 4! ( 7 ) b) El caso correspode a u caso de eleccó co reemplazo dode e cada eleccó se puede seleccoar cualquera de las 7 letras para ocupar los 4 lugares, etoces N (7) (7) (7) (7) U vededor de automóvles acaba de recbr u embarque de ocho automóvl uevos, cco de los cuales so compactos y tres modelos de lujo. S se vede aleatóramete cuatro automóvles, obtégase la probabldad de que se haya veddo dos de cada modelo 8 automóvles 5 compactos, 3 de lujo, se vede r 4 S{veder 4 modelos de 8 dspobles} E{ de cada modelo}{ modelos compactos y modelos de lujo} 8 8! N ( S) 7 Total de posbles vetas 4 4!4! 45

46 5 3 5! 3! N ( E) 3!!!3! N( E) 3 3 P ( A).8 N S 7 7 ( ) 3. S e ua estacó televsora se debe seleccoar cuatro de etre dez programas de meda hora para emtrlos cada mañaa de 8:3 a :3, de cuátas formas posbles puede arreglarse la programacó? De 8:3 a :3 solo se puede acomodar r 4 programas de meda hora, de dspobles, como e la programacó hay orde, etoces el úmero de formas posbles de acomodar la programacó es: N P! 4 4! 4! 54 ( ) 3. Supógase que ua compañía que fabrca relojes y ua compañía que fabrca máquas de escrbr debe elegr para embarcar sus productos etre tre (T), camó (C) y avó (A). Nguo de los fabrcates tee prefereca e cuato a la forma de evío, de maera que cada resultado es equprobable. a. Muéstrese el espaco muestral e u plao bdmesoal, señalado las seleccoes del fabrcate de relojes e el eje horzotal y las del fabrcate de máquas de escrbr e el eje vertcal. b. Cuál es la probabldad de que solamete uo de los fabrcates seleccoe avó para el embarque de sus productos? (a) R FABRICANTE DE RELOJES { T, C, A} M FABRICANTE DE MAQUINAS { T, C, A} S M x R { (x, y) x M y y R } {(T, T), (T, C), (T, A), (C, T), (C, C), (C, A), (A, T), (A, C), (A, A),} (b) E {solamete uo de los fabrcates seleccoe avó} { (T, A), (C, A), (A, T), (A, C)} 3. U comprador de u automóvl uevo puede elegr etre cco estlos de carrocería, co o s trasmsó automátca, co o s are acodcoado, co o s asetos dvduales y etre dez colores. De cuátas formas puede realzar su eleccó el comprador? Aplcado drectamete el prcpo fudametal del coteo N 5 carrozas (carrocerías) N trasmsó automátca N 3 are acodcoado N 4 asetos dvduales N 5 colores N N N N 3 N 4 N 5 (5).().().().()4 46

47 33. De cuátas formas puede elegrse u cuarteto (grupo de cuatro jugadores) de etre doce membros de u club de golf? El problema correspode drectamete a el caso típco de combacoes dode y r 4, etoces! C ( 4)!4! 34. S estacoes de servco costtuye ua poblacó, cuál es la probabldad de que se seleccoe como muestra aleatora ua combacó de cuatro estacoes e partcular? Para el problema y r 4, etoces 8!.4398x C ( 4)!4! x (4) y por lo tato la probabldad de que se seleccoe ua estacó de servco es: A P #.6x 4 P( A) 4845 # S AIOMAS BÁSICOS DE LA PROBABILIDAD Auque la defcó dada aterormete de la PROBABILIDAD permte calcularla a partr del coteo de los cojutos, es ecesaro defr uevas propedades que permta calcularla para los casos e que o sea posble aplcar dcha defcó. Sea S el espaco muestral y E u eveto cualquera, etoces a) P (S) eveto seguro b) P (φ ) eveto mposble c) P (E) Es mportate resaltar la propedad c) ya que señala que gú eveto puede de gua maera teer ua probabldad egatva uca puede ser mayor que la udad. Por lo tato, s al resolver algú problema se obtee ua probabldad que o cumpla la propedad c) se pude afrmar que el problema está mal resuelto. REGLA DE LA ADICIÓN DE PROBABILIDAD PARA EVENTOS AJENOS (c) S A BФ es decr A y B so cojutos ajeos, etoces P(AUB)P(A)+P(B) (.6) (d) S E EjФ para j, j,,3,.,, etoces P(E U E U. U E) P(E)+P(E)+ +P(E) (.7) 47

48 (e) como S A U A c y A AcФ etoces P(S)P(AU A c )P(A) +P(A c ) Por otra parte P(S) por lo tato P(A) +P(A c ) Despejado a P(A) P(A) - P(A c ) (.8) REGLA GENERAL DE LA ADICIÓN DE PROBABILIDAD. (f) S A B Ф etoces P (AUB) P(A)+P(B)-P(A B) (.9) Nota: La regla (f) se reduce a la regla (c) e el caso de cojutos ajeos. La regla es dfícl de geeralzar para u úmero grade de cojutos. Por ejemplo, a cotuacó se muestra la regla de adcó para el caso de tres cojutos A, B, C cualquera, o ecesaramete ajeos P(AUBUC) P(AU(BUC))P(A)+P(BUC) - P(A (BUC) P(A)+P(B)+P(C)-P(B C)-P((A B) U(A C)) P(A)+P(B)+P(C)-P(B C)-(P(A B)-P(A C) +P(A B A C)) P(A)+P(B)+P(C) - P(A B) - P(A C)- P(B C) +P(A B C)) P(AUBUC) P(A)+P(B)+P(C) - P(A B) - P(A C)- P(B C) +P(A B C)) (.) CALCULO DE PROBABILIDADES APLICANDO LAS REGLAS BÁSICAS. EJEMPLOS 35. E el expermeto de arrojar tres moedas, se cosdera que los ocho posbles resultados so equprobables. S E deota al eveto de que ocurra dos soles y E al eveto de que ocurra tres soles, cuál es la probabldad de que ocurra ya sea E ó E? Esto es, cuál es P(E U E )? El espaco muestral del problema y cada uo de los evetos E y E so mostrados a cotuacó S { arrojar 3 moedas}{sss, SSA, SAS, SAA, ASS, ASA, AAS, AAA} E {dos soles}}{ssa, SAS, ASS} E {3 soles}}{sss } P(E)3/8, P(E)/8, E U E {dos soles ó tres soles}}{ssa, SAS, ASS, SSS} E E Ф P(E U E )P(E ) +P (E ) 3/8 + /8 4/8 / 48

49 36. E el problema ateror, s A deota al eveto de que ocurra dos o más soles y B deota al eveto de que ocurra dos o meos soles, cuál es la probabldad de que ocurra ya sea A o B? Esto es cuáto es, vale P(AUB)?. Del espaco muestral del problema ateror se tee que A { ó más soles} {ASS, SAS, SSA, SSS} B { ó meos soles} {ASS, SAS, SSA, AAS, ASA, SAA, AAA} A B{ ASS, SAS, SSA } Debdo a que los cojutos o so ajeos, se debe aplcar la ecuacó (8) P(AUB) P(A)+P(B)-P(AUB) 4/8+7/8-3/8 37. Supógase que ua bolsa cotee esferas marcadas,, 3,...,. Sea E el eveto de extraer ua esfera marcada co u úmero par y F el eveto de extraer ua esfera marcada co u úmero 5 o mayor. So E y F mutuamete excluyetes? Obtégase P(E U F). El espaco muestral y cada uo de los evetos se descrbe a cotuacó S{extraer ua esfera marcada del al } {,, 3, 4, 5, 6, 7, 8, 9, } E{par}{, 4, 6, 8, } F{5 ó mayor}{5, 6, 7, 8, 9, } Para que los evetos sea excluyete se debe teer que P(E F)P(E) P(F) Como E F {6, 8, } se tee que P (E F)3/ Y puesto que P(E) P(F)(5/)(6/)3/, etoces los cojutos E y F so excluyetes. Etoces No so excluyetes Aplcado la regla geeral de la adcó P(EUF)P(E)+P(F)-P(E F)5/+6/-3/8/4/3 38. S se extrae aleatóramete u ape de ua baraja ordara de 5 apes be barajados, (a) cuál es la probabldad de extraer u trébol o u corazó o u damate? (b) Cuál es la probabldad de extraer u damate o u as? Hay que recordar que la baraja está formada por 4 cojutos de 3 cartas, y que cada uo de los cojutos está correspode a las fguras de tréboles, corazoes, damates y pcas. 49

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

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

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

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

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

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

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

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

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

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

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

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

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

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

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

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

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

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

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

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 A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

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

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

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

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

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

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

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

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

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

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

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

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

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

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

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

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

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

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

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

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

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

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

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

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

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

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

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Capítulo Probabldades Estadístca Computacoal II Semestre 004 Profesores: Héctor llede (hallede@f.utfsm.cl Rodrgo Salas (rsalas@f.utfsm.cl

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

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

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

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

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

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

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

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

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

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

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 47 Meddas Descrptvas Numércas Frecuetemete ua coleccó de datos se puede reducr a ua o uas cuatas meddas umércas secllas que resume al cojuto

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

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

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

( ) = 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

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5 Modelos de Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

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

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

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

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

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

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

Más detalles

Universidad Técnica Federico Santa María

Universidad Técnica Federico Santa María Uversdad Técca Federco Sata María Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 4 Probabldades Estadístca Computacoal II Semestre 006 Profesores: Héctor llede

Más detalles

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS Autores: Dr. Ig. Roberto Pzarro T. Ig. Jua Pablo Flores V. Ig. Clauda Sagüesa P. Ig. Ezo Martíez A. 1. INTRODUCCIÓN El presete documeto fue extraído

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

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

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

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

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

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 PRELABORATORIO: MEDICIÓN - Medr. - Aprecacó. - Meddas drectas. - Meddas drectas. MEDIDAS DE LONGITUD - Cta métrca. - Verer. - Torllo mcrométrco. MEDIDAS DE TIEMPO - Croómetro. Error. - Error sstemátco.

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo PM4 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados Prof. Mguel Hesquo Garduño. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

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

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO CURO PROBABILIDAD Y ETADITICA FM75 PROFEOR RODOLFO TORO DEPARTAMETO DE FIICA Y MATEMATICA UIVERIDAD ACIOAL ADRE BELLO EL MÉTODO CIETÍFICO La Estadístca, costtuye así, ua dscpla cetífca extremadamete ampla

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

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

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

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles