Propuesta de situaciones didácticas para la enseñanza del Teorema de Probabilidad Total

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

Download "Propuesta de situaciones didácticas para la enseñanza del Teorema de Probabilidad Total"

Transcripción

1 ropuesta de stuacoes ddáctcas para la eseñaza del Teorema de robabldad Total M.Sc. Gova Saabra Brees, Isttuto Tecológco de Costa Rca, Costa Rca Dr. Kyrakos etakos, Academa Turístca de Rodos, Greca Resume El presete trabaja preseta ua aplcacó de la Teoría de las Stuacoes Ddáctcas, establecda por Brousseau (Brousseau, 997), a la eseñaza del Teorema de robabldades Totales a vel uverstaro. Así se preseta ua propuesta co ua sere de stuacoes problema cuyo solucó permtrá al estudate adqurr el coocmeto preteddo. alabras clave: Ddáctca, probabldad, robabldad Total, Teoría de Stuacoes. Itroduccó A vel uverstaro, la teoría de probabldades es estudada por múltples carreras, y e cada uo de los dferetes cursos es esecal el estudo del Teorema de robabldad Total y de la Regla de Bayes. Usualmete, este teorema es presetado como parte de la regla de Bayes. Las dfcultades que preseta los estudates e estos tópcos ha sdo evdecadas por alguas vestgacoes, así como su clasfcacó y el plateameto de posbles solucoes (Díaz & de la Fuete, 2006; Díaz & de la Fuete, 2007). ero, la mayoría de propuestas que se preseta para mejorar la eseñaza de estos tópcos teta efretar el problema como uo solo: Cómo eseñar la regla de Bayes? S embargo, dcho problema puede ser dvdo e dos sub-problemas: Cómo eseñar el Teorema de robabldad Total?, Cómo eseñar la Regla de Bayes? Más específcamete, geeralmete La Regla de Bayes es presetada de la sguete forma: Camo usual: S Ω smbolza el espaco total de u expermeto y A es ua secueca de evetos mutuamete excluyetes, cuya uó forma Ω, etoces por cada posble eveto B se tee que ( A B) = = ( B A ) ( A ) ( B A ) ( A ) La eseñaza de esta regla se puede abordar e dos mometos:

2 2 Camo propuesto: S Ω smbolza el espaco total de u expermeto y A es ua secueca de evetos mutuamete excluyetes, cuya uó forma Ω, etoces por cada posble eveto B se tee que I. (robabldad Total) ( B) = ( B A ) ( ) = A II. (Regla de Bayes) ( A B) = ( B A ) ( A ) ( B) El lector puede observar que el camo propuesto preseta ua Regla de Bayes más smple, meos complcada de asmlar por parte del estudate. El camo usual es poco atural, trata de abordar dos problemas (hallar (B) y (A B)) e uo solo, emascara el teorema de probabldades totales, brda u algortmo o fórmula para dar solucó a los problemas usuales dejado de lado el razoameto deductvo ( Debo hallar (A B), para hallarla utlzado Bayes se debo teer (B), Cómo la halló? R/ robabldad Total ) que os lbera del peso de los grades algortmos. Así, bajo el camo propuesto, u problema tradcoal sobre Regla de Bayes decr ser resuelto e dos etapas: Etapa I: Aplcacó del Teorema de robabldad Total para hallar (B) ecesara para la sguete etapa. Etapa II: Aplcacó de la Regla de Bayes para hallar (A B) y resolver el problema Desde esta óptca, se debe revalorar las dfcultades que ha sdo dadas a la Regla de Bayes, pues os podemos llevar la sorpresa de que muchas de estas se ecuetra e el Teorema de robabldad Total y quzás la Regla de Bayes, segú el camo propuesto, o presete problemas. El presete trabajo brda ua propuesta para abordar la eseñaza de laprmera etapa de u problema bayesao: el Teorema de robabldad Total. osterormete e otro trabajo se abordará ua propuesta para la II etapa. Segudamete se preseta los fudametos teórcos de la propuesta, luego se descrbe la propuesta, y falmete se evdeca los resultados de la aplcacó de la propuesta a u grupo de estudates.

3 3 2 Fudameto Teórco 2. Fudameto matemátco Teorema (robabldad Totales) Sea A₁,A₂,...,A evetos que forma ua partcó del espaco muestral Ω. Sea B u eveto cualquera, etoces ( B) = ( B A ) ( ) = A rueba. Note que ( B) = ( A B) = = = = U = ( A B) (Evetos dsjutos) ( B A ) ( A ) (probabldad codcoal) 2.2 Fudameto pedagógco Toda propuesta ddáctca debe estar fudametada e ua cocepcó epstemológca. La presete propuesta se basa e la teoría de Stuacoes de Brousseau (986). Bajo esta perspectva el profesor debe dseñar stuacoes problema cuya solucó sea el coocmeto que se quere eseñar. Así, se platea uo o varos problemas al estudate (stuacó a-ddáctca), el cuál de ser motvado para que por medo de sus coocmetos prevos logre resolverlos y así lograr la devolucó de la stuacó, dode le devuelve la resposabldad de su apredzaje al profesor. Esta stuacó es a-ddáctca, puesto que el docete le oculta al estudate la tecó ddáctca de los problemas. E la resolucó de esta stuacó estudate vve stuacoes de formulacó y valdacó, e busca de la solucó para obteer u coocmeto cotextualzado y persoalzado. Cuado se logra la devolucó de la stuacó, el profesor toma este coocmeto para sttucoalzarlo, es decr el profesor relacoa este coocmeto co el saber formal preteddo. or otro lado, sobre los problemas bayesaos Díaz & de la Fuete (2006) señala: Ua ueva tedeca e la vestgacó sugere que los cálculos co problemas bayesaos so más secllos cuado la formacó se da e formato de frecuecas absolutas, e lugar de usar probabldades, porcetajes o frecuecas relatvas Además está autora sugere el uso de dagramas para materalzar las partcoes del espaco muestral. Estas cosderacoes so parte esecal de la propuesta.

4 4 3 roceso metodológco para el desarrollo de la propuesta El desarrollo de la propuesta, su valoracó y mejorameto estuvo a cargo de los autores del presete artículo. Los autores so vestgadores y docetes uverstaros co ampla expereca e la eseñaza de la probabldad y preocupados por su mejorameto. La propuesta fue motvada por la dfcultad que preseta alguos estudates e la compresó del Teorema de robabldad Total tato e Greca (Europa) como e Costa Rca (Amerca). La propuesta es fruto de su expereca e el aula, su coocmeto y de la revsó bblográfca sobre la eseña del tema. El desarrollo de propuesta sguó los sguetes pasos: # Descrpcó Ecargado. Revsó bblográfca sobre la eseñaza de la Regla de Bayes y el Teorema de robabldades Totales M.Sc. Gova Saabra Brees, Dr. Kyrakos etakos 2. ropuesta cal de las etapas para abordar la eseñaza del tema y elaboracó de las stuacoes M.Sc. Gova Saabra Brees problemas de cada etapa. 3. Valoracó de la propuesta cal, observacoes y Dr. Kyrakos etakos recomedacoes. 4. Mejorameto de la propuesta e base al paso ateror. M.Sc. Gova Saabra Brees 5. Edcó de la propuesta fal M.Sc. Gova Saabra Brees, Dr. Kyrakos etakos Como se puede observar el proceso vestgatvo culma co la elaboracó de la propuesta. Es ecesaro, como etapa sguete, realzar la valdacó de la propuesta para aalzar sus alcaces e la eseñaza del tema y retroalmetarla. Se espera hacer esta valdacó y comucar los resultados obtedos. El presete trabajo tee como faldad dar a coocer la propuesta cocebda apartr de los pasos descrtos aterormete.

5 5 4 ropuesta: Eseñaza del Teorema de robabldad Total Alguas cosderacoes sobre la propuesta: La propuesta va drgda a estudates uverstaros como coocmetos báscos sobre los sguetes tópcos de probabldad: espaco muestral, evetos, probabldad de u eveto y la regla de Laplace, reglas adtvas, probabldad codcoal, reglas multplcatvas. S embargo, la propuesta es fáclmete adaptable a veles ferores, sempre que los alumos tega los coocmetos prevos señalados Se recomeda que los estudates trabaje las stuacoes problema plateadas, e la propuesta, e grupos de 3 a 5 persoas y que se promueva la asertvdad bajo los sguetes prcpos (Hare, 2000): o Setrse coveete e partcpar e la clase haca la meta propuesta o Cosegur u ambete socal e la clase, que aleta el tercambo de opoes etre los estudates y també el profesor e u setdo productvo o Coservacó y s fuera posble aumeto de la autoestma. La propuesta se dvde e 7 etapas. Dchas etapas so motvadas por ua o varas stuacoes problemas ecamadas haca la compresó y aplcacó adecuada del teorema. El docete debe buscar estrategas que permta que los estudates obtega solucoes smlares a las plateadas para cada stuacó problema de la propuesta, por ejemplo: exposcó de solucoes plateadas por los grupos, dscusó de la solucó. La dea es que el docete motve a los estudates a que busque la solucó más efcete al problema, s caer e el efecto Topaze. Las stuacoes problema so cales, es decr ejemplfca u modelo de problema cal cuyo solucó permta el domo persoalzado de la etapa e la se ecuetre. Es resposabldad del profesor sttucoalzar el domo de cada ua de las etapas propoedo problemas smlares y despersoalzado el coocmeto adqurdo. Ua vez resuelto cada problema y dscutda su solucó, el profesor, como parte de su labor de sttucoalzacó del coocmeto, debe presetar la solucó ofcal y evdecar su estrecha relacó co la solucó fal propuesta por los estudates. Segudamete se preseta las etapas de la propuesta obteda.

6 6 I etapa: Acercameto cocreto (Valores absolutos umércos) Recuerde que de acuerdo a la Teoría de Stuacoes, se debe platear al estudate stuacoes problemas, cuya resolucó geere parcalmete el coocmeto preteddo. Así la propuesta ca co la sguete stuacó. roblema #. E ua escuela de músca hay 200 alumos. El 30% recbe clases de pao y el 70% restate va a clases de gutarra. El 5% de los estudates que recbe pao les gusta comer esalada al gual que el 40% de los que recbe gutarra. Qué porcetaje de los estudates les gusta comer esalada? Este problema troductoro puede ser resuelto co los coocmetos prevos que tee el estudate sobre porcetajes. Se debe star a estos que trate de represetar co u dagrama o esquema la solucó al problema: Dagrama de Valores absolutos ao 30% 60 estudates 5% come esalada 9 estudates 200 estudates Gutarra 70% 40 estudates 40% come esalada 56 estudates Así, e total hay 65 estudates de la escuela que come esalada, lo cual equvale al = 32.5% II etapa: Valores absolutos algebracos El sguete problema es semejate al ateror, pero agrega ua ueva dfcultada, smbolza la catdad total e lugar de brdarla. roblema #2. E ua escuela de músca hay M alumos. El 20% recbe clases de pao y el 80% restate va a clases de gutarra. El 25% de los estudates que recbe pao les gusta comer esalada al gual que el 30% de los que recbe gutarra. Cuátos estudates, e térmos de M, les gusta comer esalada? Qué porcetaje de los estudates les gusta comer esalada?

7 7 Solucó: Dagrama de Valores absolutos M estudates ao 20% 0.2M estudates 25% come esalada M estudates Gutarra 80% 0.8M estudates 30% come esalada M estudates E total, el úmero de estudates que les gusta comer esalada es M M = ( ) M = 0.29 M, 0.29M Lo cual equvale a u 00 = 29% M Co este problema se pretede que el estudate descubra que o es ecesaro coocer la catdad total para hallar el porcetaje e este tpo de problemas. Este coocmeto es reafrmado medate el sguete problema: roblema #3. E ua ecuesta, el 60% de los ecuestados dca que el país debe teer relacoes co Cha, por el cotraro, el otro 40% dca que se debe establecer relacoes co Tawa. El 20% de los ecuestados que prefere relacoes co Cha practca algú deporte, al gual que el 35% de los ecuestados que prefere relacoes co Tawa. ara determar el porcetaje de ecuestados que practca algú deporte, es ecesaro coocer la catdad total de ecuestados? Justfque su respuesta. III etapa Valores relatvos (porcetajes) E esta etapa se busca que el estudate pase de la resolucó algebraca a la resolucó umérca co valores relatvos, para ello se platea el sguete problema: roblema #4. La sguete muestra el porcetaje de hombres y mujeres estudates de cada uos de los colegos volucrados. Además se dca para cada colego, el porcetaje de hombres que tee sobrepeso co respecto al total de hombres, al gual que el porcetaje de mujeres que tee sobrepeso co respecto al total de mujeres. Determe el porcetaje de estudates de cada colego co sobrepeso.

8 8 Colego % de hombres: % de mujeres: De los hombres, el % co sobrepeso es: De las mujeres, el % co sobrepeso es: A 20% 80% 40% 55% B 5% 85% 70% 70% C 40% 60% 25% 20% D 65% 35% 35% 0% E 85% 5% 5% 30% F 90% 0% 25% 55% % de estudates co sobrepeso: Se pretede que el estudate, ate la resolucó repetda de u esquema de problema, abadoe la resolucó algebraca optado por ua resolucó más smple y sstemátca. ara lograr esto, se recomeda el trabajo e grupos por parte de los alumos dode: se estmule el trabajo cooperatvo, se solcte la búsqueda de ua solucó sstemátca del problema y se expoga dchas solucoes. Se espera que el estudate ote que el resultado buscado se obtee sumado los productos obtedos al multplcar los porcetajes ubcados e certas columas, por ejemplo el resultado para el colego A es: = 0.52 El sguete problema se troduce co el f de geeralzar el coocmeto adqurdo a ua partcó mayor de la catdad total y de establecer u dagrama para valores relatvos. roblema #5. Las pezas fabrcadas por certa empresa so el elaboradas por las máquas A,B y C. La máqua fabrcó el 50% de las pezas, la máqua B el 30% y el restate 20% es fabrcado por la máqua C. El 25% de las pezas fabrcadas por la máqua A so defectuosas, al gual que el 5% de las pezas fabrcadas por B y el 40% de las fabrcadas por C. Qué porcetaje de las pezas fabrcadas so defectuosas? Represeta la resolucó del problema por medo de u dagrama. Solucó: Dagrama de Valores relatvos (porcetajes) Máqua A 50% 25% so defectuosas = 2. 5% defectuosas ezas fabrcadas Máqua B 30% 5% so defectuosas = 4. 5% defectuosas Máqua C 20% 40% so defectuosas = 8% defectuosas

9 9 El porcetaje de pezas defectuosas es: 2.5% + 4.5% + 8% = 25% es decr, la cuarta parte de las pezas so defectuosas. Se debe buscar que los estudates logre represetar este tpo de problemas por medo de dagramas de árbol, el cual puede facltar la resolucó de problemas. IV etapa: Valores relatvos (probabldad) El paso de lo relatvo o frecuecal a la probabldad mplca u gra cambo de paradgma. El porcetaje está lgado sempre a ua catdad total coocda o o, es u cocepto estátco, e cambo la probabldad de u eveto o está determada por ua catdad total de repetcoes del eveto, esta ocó lleva mplícto el cocepto de aleatoredad, es u cocepto dámco. Ejemplo: Cosdere el expermeto de lazar u dado. orcetaje: S se laza el dado 60 veces y e 9 de ellas sale el ses, etoces el porcetaje 9 de lazametos e los que se obtuvo u ses es 00 = 5%. Note que este valor es 60 sumamete estátco, depede de los tros realzados. robabldad: La probabldad de sacar 6 e u dado es o 6.6% aproxmadamete. Esto 6 o sgfca que s se laza el dado certa catdad de veces, e u sexto de los lazametos se obtuvo u ses. El cocepto de probabldad es más complejo, establece que etre más lazametos se realce el porcetaje de lazametos co resultado ses se va r acercado a 6.6% aproxmadamete. ara efectos del presete trabajo, se asume que el estudate tee u cocepto adecuado de probabldad y ha adqurdo los coocmetos prevos aterormete mecoados. Cotuado co la propuesta, se preseta el sguete problema: roblema #6. U desperfecto e el servco eléctrco de certa comudad puede deberse a: falla e el equpo eléctrco co ua probabldad del 40%, problemas e el equpo electróco co ua probabldad de 25%, ó por errores humaos co ua probabldad del 35%. Además la probabldad de que desperfecto pueda solucoarse e meos de ua hora es: del 30% s sucedó por errores e el equpo eléctrco, del 60% s el error se presetó e el equpo electróco y del 20% s fue ocasoado por error humao. Supoga que ocurre u desperfecto al azar.

10 0 a. Descrba el espaco muestral, deote los evetos volucrados y utlce esta otacó para smbolzar las probabldades dadas. b. Cuál es la probabldad de que u desperfecto sea solucoado e meos de ua hora? Represeta la resolucó del problema por medo de u dagrama. Solucó: a. Ω es el cojuto de posbles desperfectos. Dada u desperfecto escogdo al azar cosdere los sguetes evetos: A : el desperfecto se debe a u fallo eléctrco. A 2 : el desperfecto se debe a u fallo electróco. A 3 : el desperfecto se debe a u fallo humao. B : el desperfecto se solucoó e meos de ua hora. Se tee que: ( A ) = 0.4 ( B A ) = 0.4 ( A2 ) = 0.25 ( B A2 ) = 0.6 ( A ) = 0.35 ( B A ) = Es mportate hacer éfass al estudate e que descrba el espaco muestral e u problema de probabldad, pues al hacerlo descubre la aleatoredad y le da setdo a las probabldades volucradas. Además, e cuato a la ocó, ote que la solucó propuesta deota certos evetos por A, A 2 y A 3, lo cual sugere ua partcó. S embargo, esto o tee que ser la orma y el estudate posblemete calmete deote este evetos de maera depedete por A,C y D, lo cual o es para ada correcto. Se espera que, co el cotacto e este tpo de problemas, el estudate eduque la tucó y obtega otacoes smlares a la propuesta y se coveza de que la otacó propuesta es la mejor pues tee ua doble fucó: deotar los evetos y establecer ua relacó etre ellos (forma ua partcó del espaco muestral), facltado la solucó del problema.

11 b. Se espera que los estudates obtega u dagrama smlar al sguete: Dagrama de Valores relatvos (probabldades) Causas (B A ) robabldad de solucó e meos de ua hora A 40% 40% = 0.6 Desperfecto A 2 25% 60% = 0.5 A 3 35% 20% = 0.07 TOTAL : 00% 0.38 V etapa: Isttucoalzacó roblema #7. Sea A₁, A₂, A 3 evetos que forma ua partcó del espaco muestral Ω, y B u eveto cualquera. Supoga que las probabldades ( A ), ( A ), ( A ), ( B A ), ( B A ) y ( B A ) so coocdas. Determe la probabldad de B 3 Solucó: Dagrama de Valores relatvos (probabldades) Causas A ( A ) (B A ) (A ) (B A ) Ω A 2 ( A 2 ) (B A 2 ) (A 2 ) (B A 2 ) A 3 ( A 3 ) (B A 3 ) (A 3 ) (B A 3 ) TOTAL : 00% (B) Así ( B) = ( A ) ( B A ) + ( A ) ( B A ) ( A ) ( B A )

12 2 osteror a la solucó y dscusó del problema #7, el profesor procede a eucar formalmete el Teorema de robabldad Total y s procede (esto depede del tpo de curso de probabldades que se mparta) realza su demostracó. Teorema (robabldad Totales) Sea A₁,A₂,...,A evetos que forma ua partcó del espaco muestral Ω. Sea B u eveto cualquera, etoces ( B) = ( B A ) ( ) = A rueba. Dado que Espaco muestral Ω A A 2 B A Note que A 3 ( A B) ( A B) U ( A B) U ( A B) B = U U 2 3 Dado que los cojutos de la forma ( A B) so dsjutos etoces ( B) = ( A B) = ( A B) U = y como ( A B) = ( B A ) ( A ) se obtee que ( B) = ( B A ) ( ) = =. A Luego el profesor propoe el sguete problema para que aplque lo apreddo: roblema #8. La probabldad de que u jugador de futbol se lesoe e u partdo competeca es de 0.05 s hace bue tempo y de 0.5 s el tempo es malo. El meteorólogo proostca que para el próxmo partdo hay ua probabldad de que llueva del 30% y de que exsta bue tempo es de 70%. Cuál es la probabldad de que u jugador se lesoe e el próxmo partdo? Solucó: Smlar al ateror. La respuesta es 8%.

13 3 Es mportate otar que la aplcacó de lo apreddo es muy dstto a la aplcacó del teorema. Cuado profesor euca el teorema, sttucoalza el coocmeto ya adqurdo por el estudate a partr de la resolucó de los problemas aterores. Es decr, el teorema se euca formate después de haberlo apreheddo. VII etapa: Cudado co el complemeto! Hasta el mometo los problemas tratados dca la probabldad de cada ua de las partes e que se dvde el espaco muestral. or lo geeral, e u problema de probabldades totales se omte la probabldad de ua de las partes, pues el estudate la puede adqurr por complemeto. S embargo, la expereca os ha dcado que esto añade ua dfcultad mayor al problema que muchas veces el estudate o supera, e especal s el espaco muestral es dvdo e solo dos partes. Lo ateror a motvado a que e esta propuesta se le brde u tratameto especal al complemeto, o más cocretamete a la deteccó de la partcó. Así se platea el sguete problema: roblema #9. La probabldad de que ua persoa de Cartago adquera ua efermedad es de 0%. S ua persoa de Cartago tee la efermedad, la probabldad de que el exame de sagre para detectar la efermedad sea postvo es de 95%. S ua persoa de Cartago está saa, la probabldad de que el exame de sagre para detectar la efermedad sea postvo es de 5%. S ua persoa de Cartago ( que se descooce s posee o o la efermedad) se realza el exame de sagre, Cuál es la probabldad de que el resultado sea postvo? ara el resolver el problema, sga los sguetes pasos: a) Descrba el espaco muestral b) Dscuta co tus compañeros sobre la partcó correcta que se debe defr para resolver el problema. c) Deote los evetos volucrados. d) Determe la probabldad de cada parte e que se dvde el espaco muestral e) Utlce la otacó establecda para smbolzar las probabldades dadas. f) S ua persoa de Cartago ( que se descooce s posee o o la efermedad) se realza el exame de sagre, Cuál es la probabldad de que el resultado sea postvo?

14 4 Solucó: Como se ha señalado es mportate que los estudates pueda descrbr el espaco muestral, pues es este el que va a dvdr e partes. E este caso, s se elge ua persoa al azar de Cartago el espaco muestral (cojuto de posbles resultados) es el cojuto de persoas de Cartago. Cómo realzamos la partcó del espaco muestral? Es bueo que los estudates por medo de la dscusó logre determar dos maeras de partr el espaco muestral:. ersoas saas y efermas. 2. ersoas que da postvo e el exame de sagre y las que o. Es mportate que el profesor, después de la dscusó de los estudates dque estas dos maeras de partr el espaco muestral y les solcte a los estudates que determe s ambas maeras srve para solucoar el problema. La dea es que, de acuerdo a Brousseau, el alumo vestgue las opcoes que tee para resolver el problema, y el profesor o le sugera el camo a segur, el alumo lo debe descubrr. Así se cosdera correcto tervecoes del profesor tales como: La partcó 2 o les va a permtr resolver el problema, ua de las partcoes o permte resolver el problema. Se espera que el alumo, a partr del aálss del problema, descarte la seguda partcó. Al smbolzar los evetos volucrados, es posble que el alumo cosdere los evetos: la persoa está eferma y la persoa está saa, como depedetes y los smbolce por ejemplo co A y A 2 respectvamete. S embargo al hallar la probabldad de A y A 2 se espera que detecte su depedeca: A 2 es el complemeto de A. Así, (A ) = 0. y (A 2 ) = 0.9. Icluso dcha depedeca puede ser vsta desde la Teoría de cojutos y desde la probabldad: Teoría de Cojutos A = 2 A robabldad (A ) = 0. (A A 2 ) =0 Como (A ) o es gual a (A A 2 ) A y A 2 so depedetes

15 5 E caso de que el estudate o logre obteer (A 2 ) y se egue a recoocerla, el profesor para garatzar el avace de la clase y sacar al alumo de la stuacó de bloqueo, puede proceder recordado que A A 2 = Ω. or otro lado, al smbolzar co B: la persoa saló postva e el exame, se tee que (B A ) = 0.95 y (B A 2 ) = 0.05 or lo tato la probabldad solctada es ( B) = ( A ) ( B A ) + ( A ) ( B A ) = VI etapa: Qué se debe averguar? Como ua etapa fal se propoe problemas e los cuales la probabldad del eveto B es dada y se solcta averguar algua de las otras ormalmete dadas. Este tpo de problemas tee ua dfcultad mayor, y exge del alumo el domo de todos los procesos volucrados e el Teorema de robabldad Total: deteccó de la partcó, terpretacó correcta de las probabldades codcoales dadas y de la probabldad a averguar, solucó de problema. Además, e esta etapa se pasa del cálculo umérco (etapas aterores) a lo algebraco (las ecuacoes), lo que evdetemete aumeta la dfcultad. E esta etapa se busca evtar que el estudate cometa el error de reducr el Teorema de robabldad Total a u algortmo s setdo: solo se multplca las prmas probabldades respectvamete por las otras y se suma los resultados. roblema #9.. La probabldad de que ua peza fabrcada por la empresa X tega defectos es del 45%. Las pezas so elaboradas por dos máquas, la maqua fabrca el 60% de las pezas, y la probabldad de que ua peza elaborada por la maqua tega defectos es de 30%. Cuál es la probabldad de que ua peza elaborada por la maqua 2 tega defectos? Solucó: Se pretede que el profesor presete el problema como u ejercco más, es decr que o lo señale co u problema de mayor dfcultad, lo cual podría desmotvar a los estudates. Se espera que el domo de las etapas aterores sea herrametas sufcetes para resolver el problema.

16 6 Note que Ω es el cojuto de pezas fabrcadas por la empresa X. Cosdere los sguetes evetos: A : la peza es fabrcada por la máqua A 2 : la peza es fabrcada por la máqua 2 B : la peza es defectuosa De acuerdo a los datos: (B) = 0.45 (A ) = 0.6, (B A ) = 0.3 (A 2 ) = 0.4, (B A 2 ) = x or el Teorema de robabldad Total se tee la ecuacó: 0.45 = x or lo tato (B A 2 ) = x = 67.5% 5 Coclusó Tomado co referecas la Teoría de las Stuacoes Ddáctcas, establecda por Brousseau (Brousseau, 997), se propusero 9 stuacoes problema para la eseñaza del Teorema de robabldades Totales. Dcha propuesta puede ser abordada o solo a vel uverstaro, so puede ser adaptada para secudara. Se espera valdar la propuesta e u grupo de estudates co el f de determar su mpacto e la eseñaza de la probabldad total y retroalmetarla. 6 Bblografìa Barbers, F.; Ròdeas, E.; Bosch, I (2006). La evaluacó cotua e matemátcas e la Uversdad. XIV Joradas de ASEUMA. Recuperado de Devore, J. (998). robabldad y Estádstca para Igeería y Cecas. Méxco: Iteratoal Thomso Edtores, 4a ed. Saabra, G. & Núñez, F. (200). Ua propuesta para troducr el estudo de las probabldades: robabldad Frecuecal. E Facultad de Cecas Naturales, Uversda Estatal a Dstaca. Memoras III Ecuetro de Eseñaza de la Matemátca UNED, realzado e el INBo arque, Hereda, Costa Rca, 3 y 4 de setembre 200. IBo arque, Hereda, Costa Rca. Walpole, R, Myers, R, Myers, S. (999). robabldad y estadístca para geeros. USA: retce- Hall Hspaoamercaa. S.A, Sexta Ed.

17 7 Díaz, C. y de la Fuete, I. (2007). Dfcultades e la resolucó de problemas que volucra el Teorema de Bayes. U estudo exploratoro e estudates de pscología. Educacó Matemátca, 8(2), Díaz, C. y de la Fuete, I. (2006). Eseñaza del teorema de Bayes co apoyo tecológco. E. Flores y J. Lupáñez (Eds.), Ivestgacó e el aula de matemátcas. Estadístca y Azar. Graada: Socedad de Educacó Matemátca Thales. ISBN: CD ROM. Feller, W (968). A Itroducto to robablty Theory ad ts Applcatos. Wley. Hare, B (2000). Sea asertvo. Bueos Ares: Edcoes Gestó. Kaga, S (994). Cooperatve Learg. Kaga ublshg. Lefracos, G (99). sychology for Teachg. Wadsworth ublshg. Gagatss, A. & apastavrds, S (2003). roceedgs of the 3 rd Medterraea Coferece o Mathematcs Educato. Sàbato, E (948). El Túel. Bueos Ares, Letras Hspácas. Saabra, G (200). Ua propuesta para la eseñaza de los Elemetos de Aálss Combatoro. Revsta dgtal Matemátca, Educacó e Iteret. Saabra, G (202). Comprededo las probabldades. Costa Rca. Edtoral tecológca de Costa Rca.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FCULTD DE INGENIERÍ U N M ROILIDD Y ESTDÍSTIC Iree atrca Valdez y lfaro reev@servdor.uam.mx T E M S DEL CURSO. álss Estadístco de datos muestrales. 2. Fudametos de la Teoría de la probabldad. 3. Varables

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

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

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

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

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

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

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

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

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

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

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

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

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

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

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

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

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad 4. Defcó y cálculo de probabldades 4.. Fucó de probabldad Defcó: Sea la famla de sucesos asocada a u expermeto aleatoro de espaco muestral Ω. Se cosdera ua fucó : R, que verfca las dos propedades 0 y Ω

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

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

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

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

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

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

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

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

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar

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

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

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

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

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

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

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

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

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

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

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

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

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

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

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

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

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

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 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

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

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

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

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

Más detalles

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

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

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

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

Ejercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática

Ejercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática Ejerccos resueltos de fucoes geeratrces. Matemátca dscreta º Igeería Iformátca. Determa la fucó geeratrz para el úmero de formas de dstrbur 5 moedas de u euro etre cco persoas, s (a o hay restrccoes; (b

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

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno: Udad 6 Aualdades atcpadas Objetvos Al falzar la udad, el alumo: Calculará el moto producdo por ua aualdad atcpada. Calculará el valor presete de ua aualdad atcpada. Calculará el valor de la reta de ua

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

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE 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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

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

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

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

Cuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve?

Cuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve? 1.1. El cocepto de Estadístca. Qué es y para qué srve? La Estadístca se ocupa de la recoleccó, agrupacó, presetacó, aálss e terpretacó de datos. A meudo se llama estadístcas a las lstas de estos datos,

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

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

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

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

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles