3. CONCEPTO BASICOS DE PROBABILIDADES

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

Download "3. CONCEPTO BASICOS DE PROBABILIDADES"

Transcripción

1 3. CONCEPTO SICOS DE PROILIDDES Dr. Edgar cuña UNIVERSIDD DE PUERTO RICO RECINTO UNIVERSITRIO DE MYGUEZ

2 3. Espacio Muestral y Evetos 3.. Experimetos leatorios y Espacios Muestrales U experimeto es ua observació de u feómeo que ocurre e la aturaleza. Tipos de experimetos: Experimetos Determiísticos: So aquellos e dode o hay icertidumbre acerca del resultado que ocurrirá cuado éstos so repetidos varias veces. Experimetos leatorios: So aquellos e dode o se puede aticipar el resultado que ocurrirá, pero si se tiee ua completa idea acerca de todos los resultados posibles del experimeto cuado éste es ejecutado. ESM 400 Edgar cuña 2

3 3. Espacio Muestral y Evetos cot. Espacio Muestral: Es el cojuto de posibles resultados de u experimeto aleatorio. Represetaremos el espacio muestral S y cada elemeto de él es llamado u puto muestral. Ejemplo: Exp : Lazar u dado y aotar el úmero que aparece e la cara superior. { } S,2,3,4,5,6 Exp 2: Lazar u par de moedas y aotar el resultado que aparece e cada ua de ellas. S 2 { CC, CX, XC, XX} Exp 3: U vededor de la Eciclopedia ritáica visita tres casas ofreciedo la colecció y se aota V si vede o N si o vede e cada casa. S 3 { VVV, VVN, VNV, VNN, NVV, NVN, NNV, NNN} Exp 4: Se aota el úmero de boletos de lotería que hay que comprar hasta gaarse el premio mayor. S 4 {,2,3,... } Exp 5: Se aota el tiempo que hay que esperar para ser atedidos e u aco. s t : 0 0, { } [ 5 t ESM 400 Edgar cuña 3

4 3. Espacio Muestral y Evetos cot. Tipos de espacios muestrales: Espacios muestrales discretos: So espacios muestrales cuyos elemetos resulta de hacer coteos, y por lo geeral so subcojutos de los úmeros eteros. Espacios muestrales cotiuos: So espacios muestrales cuyos elemetos resulta de hacer medicioes, y por lo geeral so itervalos e la recta Real. ESM 400 Edgar cuña 4

5 3..2. Evetos U Eveto es u resultado particular de u experimeto aleatorio. E térmios de cojutos, u eveto es u subcojuto del espacio muestral. Por lo geeral se le represeta por las primeras letras del alfabeto. Ejemplo: : Que salga u úmero par al lazar u dado. E: Que haya que esperar más de 0 miutos para ser atedidos. Eveto Nulo: Es aquél que o tiee elemetos. Se represeta por φ. Eveto Seguro: Es el espacio muestral que puede ser cosiderado como u eveto. ESM 400 Edgar cuña 5

6 3..3. Relacioes etre evetos Uió de evetos: Dados dos evetos y de u mismo espacio muestral su uió se represeta por y es el eveto que cotiee los elemetos que está e oe, o e ambos. El eveto ocurre si al meos uo de los dos evetos ocurre. Dada ua colecció,... de evetos, su uió deotada por U, i ocurre si al meos uo de los, i ocurre. i i S ESM 400 Edgar cuña 6

7 3..3. Relacioes etre evetos cot Itersecció de evetos: Dados dos evetos y de u mismo espacio muestral su itersecció se represeta por y es el eveto que cotiee los elemetos que está e y al mismo tiempo. El eveto ocurre cuado los evetos ocurre simultáeamete. Dada ua colecció,..., de evetos, su itersecció deotada por I i ocurre si todos los i evetos, i ocurre a la vez. i S ESM 400 Edgar cuña 7

8 3..3. Relacioes etre evetos cot Eveto Complemeto: El complemeto de u eveto se represeta por y es el eveto que cotiee todos los elemetos que o está e. El eveto ocurre si o ocurre. ESM 400 Edgar cuña 8

9 ESM 400 Edgar cuña Relacioes etre evetos cot Propiedades de relacioes etre evetos: Sea, y C elemetos de u mismo espacio muestral S etoces: Propiedad Comutativa:, 2 Propiedad sociativa:, 3 Propiedad Distributiva:, 4 Leyes de De Morga:, Todas estas propiedades se puede aplicar a más de dos evetos. C C C C C C C C

10 3.2 Métodos de asigar Probabilidades 3.2. Método xiomático: La Probabilidad es cosiderada como ua fució de valor real defiida sobre ua colecció de evetos de u espacio muestral S que satisface los siguietes axiomas:. P S 2. Si es u eveto de S etoces P Si, i es ua colecció de evetos disjutos por pares etoces P U i P i. Esta es llamada el axioma de aditividad i i cotable. sumiedo que φ se sigue del axioma 3 que PU i P i, ésta es llamada la propiedad de aditividad i i fiita. ESM 400 Edgar cuña 0

11 Propiedades de la probabilidad. P φ 0 2. P P 3. Si etoces P P 4. La Regla ditiva de la probabilidad P U P + P P ESM 400 Edgar cuña

12 Tabla de doble etrada para relacioar las probabilidades de dos evetos P P P P P P P P ESM 400 Edgar cuña 2

13 Ejemplo.. Jua y Luis está solicitado ser admitidos e ua uiversidad. La probabilidad de que Jua sea admitido es 0.7 y la probabilidad de que Luis sea admitido es 0.6. La probabilidad de que ambos sea admitidos es.45. a Cuál es la probabilidad de que solamete uo de ellos sea admitido? b Cuál es la probabilidad de que al meos uo de ellos sea admitido? c Cuál es la probabilidad de que iguo de los dos sea admitido? Solucio: PJ.7, PL.6 P J L. 45 a P J L + P J b P JUL c P J L L P JUL P JUl.5 ESM 400 Edgar cuña 3

14 S J L Diagrama de Ve para el ejemplo. J No J L No L Tabla de clasificacio cruzada para el ejemplo. ESM 400 Edgar cuña 4

15 Ejemplo.2. Ua empresa tiee dos maeras y de presetar u uevo producto al mercado. Si preseta el producto de la maera la probabilidad de que el producto sea exitoso es 0.44 y si lo preseta de la maera la probabilidad de éxito se reduce a La probabilidad de que el producto fracase co ambas maeras de presetació es Cuál es la probabilidad de que el producto sea exitoso co ambas formas de presetació? Solució: Los evetos so: : Que el producto sea exitoso co la maera y : que el producto seaexitosocolamaera. Teemos que hallar P El problema puede ser resuelto aplicado la Ley de Morga y la regla aditiva pero usaremos e su lugar diagramas de Ve y tabla de clasificacio cruzada. P P P + P P P. ESM 400 Edgar cuña 5

16 S Diagrama de Ve para el ejemplo Tabla de clasificacio cruzada para ejemplo.2 ESM 400 Edgar cuña 6

17 ESM 400 Edgar cuña 7 La regla aditiva de la probabilidad se puede aplicar a mas de dos evetos. si para tres evetos, y C se tiee que C P C P C P P P C P P UUC P Formula de Iclusio-Exclusio: Sea, 2,. evetos de u mismo espacio muestral S, etoces I U i k j i k j i j i j i i i i i i P P P P P... + < < < + +

18 Probabilidades-Método Clásico U espacio muestral fiito S { w,..., w } se dice que es Equiprobable si cada uo de sus elemetos tiee la misma probabilidad de ocurrecia, es decir para todo P w i, i,..., Ejemplo.3. Se laza u par de dados legales y distiguibles, etoces su espacio muestral dado por: S { i, j : i, j,2,3,4,5,6 } tiee 36 resultados, cada uo de ellos co probabilidad de ocurrecia /36. ESM 400 Edgar cuña 8

19 Probabilidades- Método Clásico Defiició. Si u experimeto aleatorio tiee u espacio muestral equiprobable S que cotiee# S elemetos y es u eveto de S que ocurre de # maeras distitas etoces la probabilidad de ocurrecia de es: P # # S Ejemplo.4. Cuál es la probabilidad de que salga suma mayor que 7 al lazar u par de dados? Solució: El eveto : Suma mayor que 7, icluye los resultados que da suma 8, 9, 0, ó 2 y éstos ocurre de 5, 4, 3, 2 y maeras repectivamete. Luego # 5, por lo tato P ESM 400 Edgar cuña 9

20 Ejemplo.5. U oficial de matrícula asiga al azar 2 estudiates: y a 4 seccioes: S, S 2, S 3 y S 4 de u curso. Cuál es la probabilidad de que: a Los dos estudiates sea asigados a la misma secció? b Nigú estudiate sea asigado a la secció S3? c l meos u estudiate sea asigado a la secció S? Solució: La siguiete tabla represeta el espacio muestral del experimeto S S2 S3 S4 S S2 S3 S a Sea el eveto : Los dos estudiates so asigados a la misma secció. # P # S 4 6 ESM 400 Edgar cuña 20

21 bsea el eveto : Nigú estudiate es asigado a la secció S3 # 9 P # S 6 c Sea el eveto C: l meos u estudiate es asigado a la secció S. # C P C # S 7 6 ESM 400 Edgar cuña 2

22 3.2.3 Probabilidades-Método Frecuecial Si u experimeto se repite veces y de esas veces ocurre el eveto, etoces la frecuecia relativa de se defie por f. Se puede otar que: a f S b f 0 c Si y so evetos disjutos etoces f f + f Es decir satisface los axiomas de probabilidad. Defiició. La probabilidad del eveto es el valor al cual se aproxima f cuado el experimeto se ha repetido u gra úmero de veces. O sea: ESM 400 P Edgar cuña 22

23 3.2.5 Probabilidades-Método Subjetivo lguas persoas de acuerdo a su propio criterio geeralmete basado e su experiecia, asiga probabilidades a evetos, éstas so llamadas probabilidades subjetivas. Por ejemplo: La Probabilidad de que llueva mañaa es 40%. La Probabilidad de que haya u terremoto e Puerto Rico ates del 2000 es casi cero. La Probabilidad de que el caballo Camioero gae el clásico del domigo es 75%. ESM 400 Edgar cuña 23

24 3.3. plicació de técicas de coteo al Cálculo de Probabilidades 3.3. Regla Multiplicativa del coteo: Si u experimeto I ocurre de m maeras distitas y u experimeto II ocurre de maeras distitas etoces, el experimeto compuesto de I seguido de II ocurre de maeras. La regla multiplicativa se puede geeralizar de la siguiete maera: Si u experimeto compuesto de k experimetos simples, cada uo de los cuales se puede efectuar de i, i k maeras distitas, etoces el experimeto compuesto se puede efectuar de 2... k maeras distitas. ESM 400 Edgar cuña 24

25 Ejemplo.6 Ua cotraseña para accesar a ua computadora cosiste de 6 caracteres que puede ser letras 26 o úmeros 0. a Cuátas cotraseñas distitas se puede formar? b Cuátas cotraseñas distitas se puede formar coteiedo sólo úmeros? c Cuátas cotraseñas distitas se puede formar si debe teer por lo meos ua letra? Solució: ESM 400 Edgar cuña 25

26 3.3.2 Permutacioes Ua permutació es u arreglo ordeado de objetos distitos. Por ejemplo, las permutacioes de tamaño 2 que se puede hacer co las letras, y C so:, C, C,, C y C. Haciedo uso de la regla multiplicativa del aálisis combiatorio se desprede que: i El úmero de permutacioes de objetos tomados todos a la vez está dado por P,! 2... ii El úmero de permutacioes de objetos distitos tomados de r e r está dado por:! P, r... r + r! Recordar que 0!. ESM 400 Edgar cuña 26

27 Ejemplo.7 Ocho atletas compite e la fial olímpica de los 0 metros co vallas. sumiedo que ellos cruza la meta e distitos istates. Cuátas maeras distitas hay para etregar las medallas de oro, de plata y de broce? Solució: El primer premio puede ser etregado de 8 maeras, el segudo de 7 y el tercero de 6, luego por la regla multiplicativa hay maeras distitas de etregar los premios. Claramete, esto es: P, !! ESM 400 Edgar cuña 27

28 Ejemplo.8 Cuatro turistas llega a u pueblo que tiee 6 hoteles. Si los turistas elige al azar el hotel dode se va a alojar. Cuál es la probabilidad de que: a Todos ellos se hospede e hoteles distitos? b Por lo meos dos de ellos se hospede e el mismo hotel? Solució: Cada uo de los 4 turistas tiee 6 maeras distitas de hospedarse por lo 4 tato, el experimeto puede ocurrir de # S 6 maeras. a Sea el eveto : Que los 4 turistas se hospede e distitos hoteles. Esto puede ocurrir de # maeras. Luego, P 4 b Sea el eveto : Por lo meos dos turistas se aloje e el mismo hotel. Este 3 eveto es simplemete el complemeto del eveto. Luego, P P ESM 400 Edgar cuña 28

29 3.3.3 Combiacioes Ua combiació es ua selecció de objetos dode el orde e que estos ha sido escogidos o iteresa. Por ejemplo, las combiacioes que se puede hacer co los objetos:, y C elegidos de dos e dos so:, C y C. Observe que el úmero de permutacioes obteidas ateriormete fue el doble. El úmero de combiacioes de objetos tomado de r e r está dado por: r! r! r! P, r r! Como 0!, se tiee que 0 ESM 400 Edgar cuña 29

30 Ejemplo.9 Ua señora tiee 8 amigas y desea ivitar a 5 de ellas a ua fiesta. De cuátas maeras puede hacerlo si dos de ellas está eojadas etre si y o puede ser ivitadas jutas? Solució: 6 Hay 20 ivitacioes posibles dode las dos persoas e 3 disputa puede ser ivitadas jutas, y hay u total de 8 56 ivitacioes que se puede hacer. 5 Luego, usado complemeto hay ivitacioes dode las dos persoas eemistadas o aparece jutas. ESM 400 Edgar cuña 30

31 Ejemplo.0 El juego de la LOTTO de Puerto Rico cosiste e acertar 6 úmeros etre el y el 42. El primer premio se otorga a los que acierta los 6 úmeros, el segudo premio a los que acierta 5 de los 6, y el tercer premio a los que acierta 4 de los 6. Si ua persoa compra u boleto de la LOTTO. Cuál es la probabilidad de que se gae: a El primer premio? b El segudo premio? c El tercer premio? Solució: Sea : Total de maeras como puede salir el úmero premiado. Claramete, 42 como el orde o importa # S 5'245,786 6 a Sea el eveto : Sacarse el primer premio. Sólo hay ua maera como puede ocurrir esto, y es cuado los 6 úmeros elegidos e el sorteo so los que el jugador tiee. O sea, #, y e cosecuecia P/5 245, ESM 400 Edgar cuña 3

32 b Sea el eveto : Sacarse 5 de los 6 úmeros. Uo de los 6 úmeros del apostador NO es extraido e el sorteo, luego P '245,786 5'245,786 c Sea el eveto C: Sacarse 4 de los 6 úmeros. E este caso, dos de los 6 úmeros del apostador NO sale e el sorteo, luego y P C '245,786 5'245,786 ESM 400 Edgar cuña 32

33 3.4 Probabilidad Codicioal Sea y dos evetos de u mismo espacio muestral S. La probabilidad codicioal de dado que ha ocurrido esta dado por: Ejemplo.. Se laza u par de dados legales y distiguibles. Cuál es la probabilidad de que solamete uo de los dos dados sea par si se sabe que la suma de los dos es mayor que 8? Solució: Sea los evetos : Que solamete uo de los dos dados sea par y el eveto codicioate : Que la suma sea mayor que 8. Claramete # y # 6. Luego P / 6 0. ESM 400 P / P P 0 # # Edgar cuña 33

34 Ejemplo.2 E ua ciudad se hizo ua ecuesta acerca de la opiió de las persoas adultas co respecto a ua ley del gobiero. La siguiete tabla muestra los resultados de la ecuesta clasificados segú el sexo del etrevistado. ESM 400 favor E cotra bsteidos Total Hombre Mujer Total Se elige al azar ua persoa a Cuál es la probabilidad de que favorezca la ley si resulta ser mujer? b Cuál es la probabilidad de que sea mujer si resulta estar e cotra de la ley? c Cuál es la probabilidad de que sea hombre si la persoa elegida o se abstuvo de opiar? Edgar cuña 34

35 3.4. Regla del Producto. Dados los evetos y de u mismo espacio muestral, la probabilidad de que ambos ocurra esta dado por: P P P / Ejemplo.3. Segú la Comisió Electoral de u país, el 90 por cieto de las esposas vota si sus esposos lo hace, y el 20 por cieto vota si su esposo o lo hace. demás el 70 por cieto de los hombres casados vota. Se elige al azar u matrimoio. Cuál es la probabilidad de que: a ambos esposos vote? b sólo uo de los esposos vote? c vote la esposa? d al meos uo de los esposos vote? ESM 400 Edgar cuña 35

36 . Diagrama de arbol para el ejemplo.3 Esposo Vota Esposo Vota PV V P V V P V V PV V ESM 400 Edgar cuña 36

37 La Regla de la cadea para probabilidades Sea, 2,.. evetos de u mismo espacio muestral S, etoces P 2... P P 2 / P 3 / 2... P /... ESM 400 Edgar cuña 37

38 3.4.2 Probabilidad Total y Regla de ayes Regla de la Probabilidad Total: Sea,, ua colecció de evetos que forma ua partició del espacio muestral S esto es U i S y i j φ para i j. Sea otro eveto defiido i sobre S etoces: P P i P / i Notar que: P U i i S i U i i. plicado la propiedad Distributiva:, la uió es disjuta, y y aplicado el tercer axioma: P i. Fialmete, se aplica la regla del producto a cada i térmio de la suma. Para ua partició de S e dos evetos y se obtiee: P P P / + P P / ESM 400 Edgar cuña 38

39 Ejemplo.4 El 70 % de los pacietes de u hospital so mujeres y el 20% de ellas so fumadoras. Por otro lado el 40 % de los pacietes hombres so fumadores. Se elige al azar u paciete del hospital. Cuál es la probabilidad de que sea fumador? Solució: Sea los evetos F: Que el paciete sea fumador, H: Que el paciete sea hombre y M: Que el paciete sea mujer. Claramete, P F PM PF / M + PH PF / H, luego se tiee: M. 7, P P H. 3 P F / M. 2 y P F / H. 4, sustituyedo estos valores e la fórmula aterior: P F , ESM 400 Edgar cuña 39

40 Diagrama de árbol para el ejemplo.4 ESM 400 Edgar cuña 40

41 La Regla de ayes ajo las mismas codicioes de la regla de probabilidad total, se cumple que: P j / P P / i j P P / i j i P j Por defiició de probabilidad codicioal P j / y P aplicado la regla del producto e el umerador y probabilidad total e el deomiador se obtiee la regla de ayes. La fórmula permite calcular facilmete probabilidades codicioales, llamadas probabilidades aposteriori siempre y cuado se coozca las probabilidades a priori P j, y las probabilidades codicioales P / j ESM 400 Edgar cuña 4

42 Ejemplo.5 Ua prueba para diagosticar cácer lo detecta e el 95% de persoas que efectivamete tiee la efermedad y e el % de las persoas que o tiee la efermedad. Por estudios previos se ha determiado que sólo el.5% de las persoas sometidas a la prueba tiee efectivamete cácer. Si la prueba da u diagóstico positivo, Cuál es la probabilidad de que la persoa tega realmete cácer? Solucio: PC/D+PCPD+/C/[P C PD+/C+PoCPD+/oC] ESM 400 Edgar cuña 42

43 El siguiete diagrama de árbol represeta el problema. Cácer? Diagóstico + D.95 C C.005 D.05 + P CD D D.0 + P CD ESM 400 Edgar cuña 43

44 Ejemplo.6. E u hospital el 98% de los bebés ace vivos. Por otro lado, 40% de todos los partos so por césarea y de ellos el 96% sobrevive al parto. Se elige al azar ua mujer a la que o se va practicar césarea. Cuál es la probabilidad de que su bebé viva? P V P C P V / C + P C P V / C Cesarea ebé Vive P V / C.60 ESM P V / C Edgar cuña.4 * * P V.98.4 * 96.6 / C

45 Ejemplo.7 Ua empresa tiee 3 platas:, y C. La plata produce el 50% de la producció total, produce el 30% y C el 20%. El 3% de la producció de es defectuosa, mietras que el 2% de y el 5% de C tambié lo so. Se elige al azar u artículo producido por la empresa: a Cuál es la probabilidad de que el artículo elegido sea defectuoso? b Si el artículo elegido resulta ser defectuoso, Cuál es la probabilidad de que provega de la plata C? Solucio: a PDPPD/+PPD/+PC PD/C bpc/dpc PD/C/PD.00/.030/3 ESM 400 Edgar cuña 45

46 El siguiete diagrama de árbol represeta el problema. D Plata Defectuoso P D D P D D P CD C.05 ESM 400 Edgar cuña 46

47 3.5 Evetos Idepedietes Dos evetos y so idepedietes si la ocurrecia de uo de ellos o afecta la probabilidad de ocurrecia del otro. O sea: De la defiició de probabilidad codicioal se obtiee la siguiete defiició equivalete: Dos evetos y so idepedietes si: ESM 400 Edgar cuña 47

48 Evetos idepedietes cot Teorema: Si y so dos evetos idepedietes, etoces tambie lo so a y b y c y El cocepto de idepedecia se puede geeralizar a mas de dos evetos. si, si,. so evetos idepedietes. Etoces P... P... P ESM 400 Edgar cuña 48

49 Ejemplo.8 U tirador hace dos disparos a u blaco. La probabilidad de que acierte e el blaco es.8, idepedietemete del disparo que haga. Cuál es la probabilidad de que el tirador: a cierte ambos disparos? b cierte sólo uo de los dos disparos? c cierte por lo meos u disparo? d No acierte iguo de los dos disparos? Solució: Sea los evetos i: Que el tirador da e el blaco e el disparo i i, 2. Por aplicació directa de la propiedad 5 se obtiee: ESM 400 Edgar cuña 49

50 Ejemplo.9. Problema de los ecuetros ESM 400 Edgar cuña 50 Supoga que persoas que asiste a ua fiesta laza sus sombreros al cetro del salo. Luego cada persoa elige al azar u sombrero, cual es la probabilidad de que igua de las persoas elija su correspodiete sombrero? Solucio: Pigua elija su sombrero-pl meos uo elija su sombrero. Sea el eveto i que la i-esima persoa eliga su sombrero correspodiete. Luego, Pl meos ua persoa elija su sombrero correcto Usado ahora la formula de Iclusio-Exclusio de la seccio.2. se tiee U i i P!...,..., 2,,.... P P P P co i P P P P P k j i j i i i k j i k j i j i j i i i i i < < < I U

51 Ejemplo.9 cot si los elemetos de cada suma so costates. La primera sumatoria tiee elemetos. La seguda sumatoria tiee elemetos. La tercera sumatoria 2 2! tiee 2 y asi sucesivamete hasta la ultima sumatoria que tedria u 3 3! solo elemeto Sustituyedo e la ecuacio. se tedria P U i i 2! + 3!... +! P iguo elija su sombrero + 2! 3!...!.2 Cuado tiede a ifiito el lado derecho de la expresio.2 tiede a e -, usado el desarrollo e series de la fucio expoecial. ESM 400 Edgar cuña 5

52 Ejemplo.20 Sea E y F dos evetos mutuamete excluyetes e u mismo espacio muestral. Supoga que el experimeto se repite varias veces y e forma idepediete hasta que ocurra los evetos E o F. Hallar la probabilidad de que el eveto E ocurra ates que el eveto F. Solucio. El problema puede ser resuelto por codicioamieto e el primer reultado, pero aqui usaremos ua solucio mas ituitiva Sea : el eveto que E salga ates que F y sea el eveto G que i E i F sale e ua repeticio. Notar que, P G P E F P EUF P EUF P E P F Luego, E o GE o GGE o GGGE o. Luego, por idepedecia PPE+PGPE+PGPGPE+PGPGPGPE+.. PPE[+PG+[PG] 2 +P[G] 3 + ]PE./[-PG] usado la suma de ua serie geometrica. Sustituyedo PG se obtiee que PPE/[PE+PF] ESM 400 Edgar cuña 52

4. CONCEPTO BASICOS DE PROBABILIDADES

4. CONCEPTO BASICOS DE PROBABILIDADES 4. CONCEPTO BASICOS DE PROBABILIDADES Dr. http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 41 4.1 Espacio Muestral y Evetos 4.1.1 1 Experimetos Aleatorios y Espacios

Más detalles

SEMANA 01. CLASE 01. MARTES 04/10/16

SEMANA 01. CLASE 01. MARTES 04/10/16 EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles

Figura 8.1: Ejemplos de conjuntos de índices.

Figura 8.1: Ejemplos de conjuntos de índices. Capítulo 8 Cojuto de ídices Defiició 8.1 (Cojuto de ídices) Sea I u cojuto, tal que para cada i I se tiee u cojuto A i U. El cojuto I se deomia cojuto de ídices y cada i I es u ídice. (a) Los ídices so

Más detalles

Probabilidad FENÓMENOS ALEATORIOS

Probabilidad FENÓMENOS ALEATORIOS Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El

Más detalles

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios 1. Experimetos aleatorios U experimeto se llama aleatorio cuado o se puede predecir su resultado; además, si se repitiese el mismo experimeto e codicioes aálogas, los resultados puede diferir. a) El resultado

Más detalles

Combinatoria y definiciones básicas de probabilidad

Combinatoria y definiciones básicas de probabilidad Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia

Más detalles

CI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet

CI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet CI2612: Algoritmos y Estructuras de Datos II Blai Boet Aálisis probabiĺıstico Uiversidad Simó Boĺıvar, Caracas, Veezuela Objetivos Espacio de probabilidad Ituitivamete, utilizamos la idea de probabilidad

Más detalles

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones.

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones. TÉNIAS DE ONTEO. ara obteer el úmero total de los resultados, es ecesario desarrollar alguas técicas de coteo, las cuales so:. ricipio fudametal de coteo. Diagramas de árbol.. Aálisis combiatorio. ermutacioes.

Más detalles

En esta parte cambiamos el nombre de algunos objetos ya conocidos. Contaremos las formas de ordenar los elementos de un conjunto.

En esta parte cambiamos el nombre de algunos objetos ya conocidos. Contaremos las formas de ordenar los elementos de un conjunto. Capítulo 4 Coteo E esta parte cambiamos el ombre de alguos objetos ya coocidos. Cotaremos las formas de ordear los elemetos de u cojuto. 4.1. Espacio muestral. Sucesos Defiició 4.1. U experimeto es ua

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD

INTRODUCCIÓN A LA PROBABILIDAD INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado

Más detalles

Resolución N 2. Axiomas de Probabilidades. Ejercicios Resueltos. Profesor: Iván Rapaport Z. Auxiliar: Abelino Jiménez G.

Resolución N 2. Axiomas de Probabilidades. Ejercicios Resueltos. Profesor: Iván Rapaport Z. Auxiliar: Abelino Jiménez G. Resolució N 2 Axiomas de Probabilidades Profesor: Ivá Rapaport Z Auxiliar: Abelio Jiméez G Ejercicios Resueltos 1 Cierta efermedad se trasmite e forma geética de los padres a los hijos, del siguiete modo:

Más detalles

Combinatoria. Tema Principios básicos de recuento

Combinatoria. Tema Principios básicos de recuento Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo

Más detalles

Tema 3: Introducción a la probabilidad. Tema 3: Introducción a la probabilidad. Tema 3: Introducción a la probabilidad. 3.

Tema 3: Introducción a la probabilidad. Tema 3: Introducción a la probabilidad. Tema 3: Introducción a la probabilidad. 3. Tema 3: Itroducció a la probabilidad Tema 3: Itroducció a la probabilidad 3.1 Itroducció Equiprobabilidad Métodos combiatorios Objetivos del tema: l fial del tema el alumo será capaz de: Compreder y describir

Más detalles

Capítulo VARIABLES ALEATORIAS

Capítulo VARIABLES ALEATORIAS Capítulo VI VARIALES ALEATORIAS. Itroducció Detro de la estadística se puede cosiderar dos ramas perfectamete difereciadas por sus objetivos y por los métodos que utiliza: Estadística Descriptiva o Deductiva

Más detalles

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11.

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11. rueba Itegral Lapso 03-7-76-77 /0 Uiversidad Nacioal Abierta Matemática I (Cód. 7-76-77) icerrectorado Académico Cód. Carrera: 6-36-80-08- -60-6-6-63 Fecha: 0 0-0 MODELO DE RESUESTAS Objetivos al. OBJ

Más detalles

Sumatoria, Progresiones y Teorema del Binomio

Sumatoria, Progresiones y Teorema del Binomio Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega

Más detalles

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,...

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,... SUCESIONES Y SERIES. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto

Más detalles

Frecuencia y probabilidad. Leyes del azar. Espacio probabilístico

Frecuencia y probabilidad. Leyes del azar. Espacio probabilístico Tema 63 Frecuecia y probabilidad. Leyes del azar. Espacio probabilístico 63. Itroducció E geeral, la Teoría de la robabilidad se ocupa de situacioes o modelos e los que está presete la icertidumbre. Llamaremos

Más detalles

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1 Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA

Más detalles

, como el cociente = (n k)!k! Propiedades de los números combinatorios: n k = n. k x n k y k +... ( ) Dando valores x=y=1, se obtiene la igualdad n

, como el cociente = (n k)!k! Propiedades de los números combinatorios: n k = n. k x n k y k +... ( ) Dando valores x=y=1, se obtiene la igualdad n NÚMEROS COMBINATORIOS Def:Dado u úmero etero o egativo, se defie el factorial de (! como el producto! = ( 1...1 Def: Dados dos úmeros,k eteros o egativos tales que k, se defie el úmero combiatorio sobre

Más detalles

Definición Diremos que el cardinal de un conjunto A es n si se puede establecer una

Definición Diremos que el cardinal de un conjunto A es n si se puede establecer una Tema 2 Combiatoria 2.1 Pricipios básicos de recueto 2.1.1 Cardial de u cojuto Defiició 2.1.1. Diremos que el cardial de u cojuto A es si se puede establecer ua biyecció f : {1,..., } A. Se deota A. Se

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

CÁLCULO DE PROBABILIDADES :

CÁLCULO DE PROBABILIDADES : CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD

Más detalles

P( A i B j ) = n ij n

P( A i B j ) = n ij n 1. PROBABILIDAD MARGINAL. Sea u espacio muestral Ω formado por putos co probabilidades iguales, 1. Sea A 1, A 2,..., A r ua partició de Ω formada por r subcojutos mutuamete excluyetes (disjutos). Sea B

Más detalles

PROBABILIDAD. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles que pueden producirse.

PROBABILIDAD. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles que pueden producirse. PROAILIDAD 1.- EXPERIMENTOS ALEATORIOS De forma geeral podemos distiguir etre experimetos determiistas y experimetos aleatorios. Las leyes de la física, de la química y de otras ciecias os provee de ecuacioes

Más detalles

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc. Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,

Más detalles

Desigualdad de Tchebyshev

Desigualdad de Tchebyshev Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que

Más detalles

UNIDAD 4 MODELOS PROBABILÍSTICOS

UNIDAD 4 MODELOS PROBABILÍSTICOS Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería

Más detalles

PROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº2 PROBABILIDADES

PROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº2 PROBABILIDADES UNIVERSIDAD TÉCNICA FEDERICO SANTA MARIA DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº2 PROBABILIDADES Profesor: Sr. Patricio Videla Jiméez. 1. Ua empresa fabricate de televisores

Más detalles

Mg. Ing. Susana Vanlesberg Profesor Titular

Mg. Ing. Susana Vanlesberg Profesor Titular Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES

Más detalles

I VARIACIONES. Una variación es un arreglo ordenado de n objetos diferentes, tomados de r a la vez se denota por medio de:

I VARIACIONES. Una variación es un arreglo ordenado de n objetos diferentes, tomados de r a la vez se denota por medio de: ANALISIS COMBINATORIO. TEOREMA FUNDAMENTAL: Si u suceso puede teer lugar de m maeras distitas y cuado ocurre ua de ellas se puede realizar otro suceso imediatamete de formas diferetes, ambos sucesos, sucesivamete,

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para

Más detalles

Medida de Probabilidad

Medida de Probabilidad Medida de Probabilidad Memo Garro Resume E este artículo etramos de lleo e el estudio del cocepto de medida de probabilidad. Para llegar a él seguiremos dos camios complemetarios: e primer térmio, partiremos

Más detalles

2 FUNDAMENTOS DE PROBABILIDAD

2 FUNDAMENTOS DE PROBABILIDAD 2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos

Más detalles

TEMA 19 Cálculo de límites de sucesiones*

TEMA 19 Cálculo de límites de sucesiones* CURSO -6 TEMA 9 Cálculo de límites de sucesioes* Propiedades aritméticas de los límites de sucesioes. b tales que : a = a b = b, dode ab, R Sea las sucesioes { } a y { } Etoces podemos obteer su suma,

Más detalles

Solución: Se observa que en su perímetro e interior, el primer cuadrilátero tiene cinco puntos y además 5 = 1+

Solución: Se observa que en su perímetro e interior, el primer cuadrilátero tiene cinco puntos y además 5 = 1+ Problema. E el diagrama se preseta los tres primeros cuadriláteros de ua secuecia que iicia e u puto e el cetro del tablero crece desde ese puto hacia fuera, cuál es el úmero de putos que está e el perímetro

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

Más detalles

Para resolver una probabilidad con la distribución binomial se aplica la siguiente fórmula

Para resolver una probabilidad con la distribución binomial se aplica la siguiente fórmula CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS ACTIVIDAD ACADEMICA: ESTADISTICA DE LA PROBABILIDAD DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD

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. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series. CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió

Más detalles

Series infinitas de números reales. Series convergentes

Series infinitas de números reales. Series convergentes Series ifiitas de úmeros reales. Series covergetes Series ifiitas de úmeros reales. Series covergetes Las sucesioes de úmeros reales se itrodujero co la iteció de poder cosiderar posteriormete sus sumas

Más detalles

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:...... 1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

Más detalles

Convergencia de variables aleatorias

Convergencia de variables aleatorias Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Números complejos Susana Puddu

Números complejos Susana Puddu Números complejos Susaa Puddu 1. El plao complejo. E el cojuto C = IR IR defiimos la suma y el producto de dos elemetos de C de la siguiete maera a, b + c, d = a + c, b + d a, b.c, d = ac bd, ad + bc Dejamos

Más detalles

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

ESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean

ESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:

Más detalles

1.3 Introducción a la combinatoria

1.3 Introducción a la combinatoria .3 Itroducció a la combiatoria Aprederemos e esta secció técicas básicas para cotar, aplicadas a diferetes aspectos: Cotar los elemetos de u cojuto, como por ejemplo los elemetos de A B o los de A B, co

Más detalles

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos

Más detalles

PROGRESIONES ARITMÉTICAS.-

PROGRESIONES ARITMÉTICAS.- PROGRESIONES ARITMÉTICAS.- Ua progresió aritmética es ua sucesió de úmeros tales que cada uo de ellos, excepto el primero, se obtiee sumado al aterior ua costate d, que se deomia diferecia de la progresió.

Más detalles

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación .. Tormetas putuales Aspectos geerales Se utiliza los datos putuales de altura de precipitació o itesidades máximas de lluvia registradas e ua estació So válidas para áreas cuya extesió este defiida por

Más detalles

P(A) > 0. Para cualquier otro suceso B (B A A ), se dfi define la probabilidad condicionada de B dado A o probabilidad de B condicionada a A como

P(A) > 0. Para cualquier otro suceso B (B A A ), se dfi define la probabilidad condicionada de B dado A o probabilidad de B condicionada a A como Tema 4. Probabilidad Codicioada: Teoremas básicos. Idepedecia de Sucesos 4.. Probabilidad Codicioada. Defiició El objetivo de este tema es aalizar cómo afecta el coocimieto de la realizació de u determiado

Más detalles

Identificación de Sistemas

Identificación de Sistemas Departameto de Electróica Facultad de Ciecias Eactas Igeiería y Agrimesura Uiversidad Nacioal de osario Idetificació de Sistemas Coceptos Fudametales de robabilidad Variables Aleatorias y rocesos Aleatorios

Más detalles

La ley de los grandes números

La ley de los grandes números La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

ÍNDICE. Prólogo Capítulo 1. Ecuaciones diferenciales ordinarias. Generalidades.. 11 Introducción teórica Ejercicios resueltos...

ÍNDICE. Prólogo Capítulo 1. Ecuaciones diferenciales ordinarias. Generalidades.. 11 Introducción teórica Ejercicios resueltos... ÍNDICE Prólogo... 9 Capítulo 1. Ecuacioes difereciales ordiarias. Geeralidades.. 11 Itroducció teórica... 13 Ejercicios resueltos.... 16 Capítulo 2. itegració de la ecuació de primer orde. La ecuació lieal...................................................................

Más detalles

. Una de las aplicaciones más importantes de los coeficientes binomiales es el Binomio de Newton : n k)

. Una de las aplicaciones más importantes de los coeficientes binomiales es el Binomio de Newton : n k) Permutacioes. E Matemáticas, dado u cojuto fiito co todos sus elemetos diferetes, llamamos permutació a cada ua de las posibles ordeacioes de los elemetos de dicho cojuto. Por ejemplo, e el cojuto 1, 2,

Más detalles

Construcción de los números reales.

Construcción de los números reales. B Costrucció de los úmeros reales. E el cojuto C de las sucesioes de Cauchy de úmeros racioales defiimos la relació siguiete: si (x ) =1 e (y ) =1 so dos sucesioes de C etoces (x ) =1 (y ) =1, si lím (x

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

Distribución Multinomial

Distribución Multinomial Uiversidad de Chile. Rodrigo Assar Facultad de Ciecias Físicas y Matemáticas M A34B 3 Adrés Iturriaga Departameto de Igeiería Matemática. Víctor Riquelme Distribució Multiomial Resume E el presete artículo

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales 10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes

Más detalles

UNIDAD 10.- DERIVADAS

UNIDAD 10.- DERIVADAS UNIDAD.- DERIVADAS. DERIVADA DE UNA EN UN PUNTO. DERIVADAS LATERALES Defiici.- Se llama derivada de ua fuci f ( e u puto de abscisa al siguiete ite si eiste: f ( f '( sigifica lo mismo. f (. Se suele represetar

Más detalles

1 e. F (x; y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que F (x; y) =

1 e. F (x; y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que F (x; y) = Probabilidades y Estadística (M) Práctica 5 2 o cuatrimestre 2013 Vectores aleatorios 1. a) Demostrar que la fució F (x; y) = 1 e x y si x 0 ; y 0 0 e caso cotrario o es la fució de distribució acumulada

Más detalles

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011. NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores

Más detalles

CAPÍTULO V. SUCESIONES Y SERIES

CAPÍTULO V. SUCESIONES Y SERIES (Aputes e revisió para orietar el apredizaje) CAPÍTULO V. UCEIONE Y ERIE DEFINICIÓN. Ua sucesió ifiita, o simplemete sucesió, es ua fució cuyo domiio está costituido por el cojuto de los úmeros aturales

Más detalles

COLEGIO INGLÉS NUMERO FACTORIAL PRINCIPIO DE LA SUMA

COLEGIO INGLÉS NUMERO FACTORIAL PRINCIPIO DE LA SUMA COLEGIO INGLÉS DEPARTAMENTO NIVEL: CUARTO MEDIO PSU. UNIDAD: COMBINATORIA PROFESOR: NATALIA MORALES A. ROLANDO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. La combiatoria estudia las diferetes formas

Más detalles

Unidad 1: Números Complejos

Unidad 1: Números Complejos Uidad 1: Números Complejos 11 Itroducció Además de los cojutos de úmeros aturales, eteros, racioales y reales existe el cojuto de úmeros complejos que juega u rol importate o solo e matemáticas sio e las

Más detalles

TEMA 64. Probabilidad Compuesta. Probabilidad condicionada. Probabilidad total. Teorema de Bayes.

TEMA 64. Probabilidad Compuesta. Probabilidad condicionada. Probabilidad total. Teorema de Bayes. TEM 64. Probabilidad Compuesta, codicioada, total y Teorema de Bayes. TEM 64. Probabilidad Compuesta. Probabilidad codicioada. Probabilidad total. Teorema de Bayes. 1. Itroducció. 1.1 Histórica. Los coceptos

Más detalles

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces. Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del

Más detalles

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión

Sucesiones de números reales Sucesiones convergentes: límite de una sucesión Sucesioes de úmeros reales Sucesioes covergetes: límite de ua sucesió Tato e la educació secudaria obligatoria como e el bachillerato se habla poco de las sucesioes de úmeros reales. Si acaso se dedica

Más detalles

Tema 3: Técnicas de contar

Tema 3: Técnicas de contar Tema 3: Técicas de cotar Objetivo específico: Dado u cojuto fiito podemos cotar sus elemetos si hacer la lista de dichos elemetos? Aplicacioes: Probabilidades (se cueta casos favorables y casos posibles)

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

5 Variables aleatorias bidimensionales y de mayor dimension.

5 Variables aleatorias bidimensionales y de mayor dimension. 5 Variables aleatorias bidimesioales de maor dimesio. Edgar Acua ESMA 4 Edgar Acua Sea S el esacio muestral de u eerimeto aleatorio. Sea s s dos ucioes que asiga u umero real a cada elemeto s de S. Etoces

Más detalles

Sesión preparatoria CO+ Combinatoria, juegos y estrategia

Sesión preparatoria CO+ Combinatoria, juegos y estrategia Sesió preparatoria CO+ Combiatoria, juegos y estrategia Atoio Arada y Jua Gozález-Meeses (sobre uas otas de Rafael Espíola, Jua Gozález-Meeses y Atoio Pallares) 26 de oviembre de 200 Combiatoria La combiatoria

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema. Espacios Vectoriales ) LOS NÚMEROS El sistema de úmeros reales cosiste e u cojuto R de elemetos llamados úmeros reales y dos operacioes deomiadas: adició y multiplicació,

Más detalles

Técnicas de contar MATEMÁTICA DISCRETA I. F. Informática. UPM. MATEMÁTICA DISCRETA I () Técnicas de contar F. Informática.

Técnicas de contar MATEMÁTICA DISCRETA I. F. Informática. UPM. MATEMÁTICA DISCRETA I () Técnicas de contar F. Informática. Técicas de cotar MATEMÁTICA DISCRETA I F. Iformática. UPM MATEMÁTICA DISCRETA I () Técicas de cotar F. Iformática. UPM 1 / 18 Pricipios básicos de recueto Pricipios básicos Cardial de u cojuto Cotar los

Más detalles

(finitas o infinitas)

(finitas o infinitas) Series ifiitas. SUCESIONES: Es u cojuto de úmeros: a,a a, dispuestos e u orde defiido y que guarda ua determiada ley de formació, que se expresa por ua formula Sucesió fiita: umero itado de térmios:, 5,8-5.

Más detalles

Cálculo. 1 de septiembre de Cuestiones

Cálculo. 1 de septiembre de Cuestiones Cálculo. de septiembre de 005 Cuestioes. Si ua fució f(x, y) es cotiua e (0, 0), etoces: a) f(0, 0) = 0. b) f(x, y) = 0. (x,y) (0,0) c) f es difereciable e (0,0). d) igua de las ateriores. Si ua fució

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

OBTENCIÓN DE FACTORES DE LA FORMA (x m b), DE UN POLINOMIO DE GRADO n m

OBTENCIÓN DE FACTORES DE LA FORMA (x m b), DE UN POLINOMIO DE GRADO n m OBTENCIÓN DE FACTORES DE LA FORMA x m b), DE UN POLINOMIO DE GRADO m Ricardo Alberto Idárraga Idárraga Uiversidad de Caldas TEOREMA Método para hallar factores de la forma x m b), com N, m, yb C, de u

Más detalles