Modelos triangular y parabólico
|
|
- Margarita Moya Duarte
- hace 7 años
- Vistas:
Transcripción
1 Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular y parabólco. El materal presentado a contnuacón reposa sobre el Capítulo 5.- Modelacón probablístca: parte I del lbro Probabldad: Elementos para modelar stuacones con ncertdumbre Edgar Elías Osuna (obra actualmente en prensa Edcones IESA). CONCEPTOS, SIMBOLOGÍA Y FÓRMULAS Expermento aleatoro : Es un proceso que genera resultados ben defndos. Espaco descrptvo S: Es el conjunto de todos los resultados posbles de un expermento aleatoro. Evento: Cualquer subconjunto del espaco descrptvo S. Varable aleatora: Es una funcón X(a) que asgna un número real x(a) a cada elemento a de S; es decr, es una funcón que toma valores en un espaco de probabldades S. En general, las varables aleatoras se representan por las últmas letras del alfabeto, en mayúsculas, mentras que las mnúsculas se reservan para el valor que toma la varable aleatora. Clasfcacón Varable aleatora dscreta: Es aquella cuando el conjunto de llegada es fnto o nfnto numerable. Varable aleatora contnua: Es aquella cuando el conjunto de llegada es nfnto no numerable. Recorrdo R X : Es el conjunto de valores reales que puede tomar la funcón X(a). Funcones que defnen el comportamento de una varable aleatora undmensonal dscreta: Funcón de masa de probabldades: Sean x 1, x, x,..., x n los valores que puede tomar la varable aleatora X. Se defne la funcón de probabldad de la varable aleatora X como p( x ) P( X x ) ( 1,,,...,n). Propedades: 1) 0 p(x ) 1 p(x ) 1 ) n 1 ) P(a X b) p( x ) :ax b Funcón de dstrbucón acumulatva: Propedades: F( x ) P( X x ) p( x ) :x x 1) 0 F( x ) 1 para todo x. ) F(x) es no decrecente 1
2 ) lm F( x ) 1 x 4) lm F( x ) 0 x 5) S a b, P(a X b) F(b) F(a) Funcones que defnen el comportamento de una varable aleatora undmensonal dscreta: Funcón de densdad de una varable aleatora contnua: Es una funcón f(x) tal que a) f( x ) 0 b) f( x )dx 1 c) Para a b, P(a X b) f( x )dx Funcón de dstrbucón acumulatva: Propedades: b a x F( x ) P( X x ) f( x )dx 1) df( x) / dx f( x) ) F(x) es no decrecente ) lm F( x ) 1 x 4) lm F( x ) 0 x 5) S a b, P(a X b) F(b) F(a) Esperanza matemátca E(X): La esperanza matemátca de una varable aleatora X se defne como: Varable aleatora dscreta: E( X ) xp( x ) Varable aleatora contnua: E( X ) xf ( x) dx Propedades de la esperanza matemátca: 1) S X C, sendo C una constante, E( X) C ) S C es una constante, E( CX ) CE( X) ) E H ( X) H ( X)... H ( X) E H ( X) E H ( X)... E H ( X ) 1 n 1 4) Para A y B constantes, E( AX B) AE( X) B 5) Desgualdad de Jensen: S H(X) es una funcón convexa y s E(X) exste, E H( X) H E( X) 6) Interpretacón geométrca: E( X ) 1 F( X) dx F( X ) dx 0 0 n
3 Varanza V(X): La varanza de una varable aleatora X, se defne como la esperanza matemátca del cuadrado de su desvacón con respecto a la meda, es decr, Varable aleatora dscreta: V( X) E X E( X) E( X ) E( X) V( X ) x E( X ) p( x) Varable aleatora contnua: Propedades de la varanza: V( X ) x E( X ) f ( x) dx 1) S X C, sendo C una constante, V( X) 0 ) S C es una constante, V( X C) V( X) ) S C es una constante, V( CX ) C V( X) 4) Para A y B constantes, V( AX B) A V( X) Desvacón estándar : La desvacón estándar de una varable aleatora X se defne como la raíz cuadrada de su varanza. Desgualdad de Tchebyshev: S X es una varable aleatora con una dstrbucón cualquera cuya esperanza matemátca y varanza y son fntas, entonces: P X h ( h 0) h Modelos trangular y parabólco: Descrben stuacones en las cuales sabemos que la varable toma valores entre un mínmo y un máxmo conocdos, y que certo valor en ese ntervalo tene mayor probabldad de ocurrenca que los demás (un mínmo, un máxmo y un valor más probable). Modelo trangular: Sea X una varable aleatora contnua con funcón de densdad trangular en la cual el valor mínmo posble es a, el máxmo posble es b y el más probable es c, donde a < c < b. Funcones de densdad de probabldad y de dstrbucón acumulatva de la dstrbucón unforme: Presentaremos a contnuacón los dferentes casos que suelen ocurrr: Caso I: Trángulo cualquera. Caso II: Trángulo sósceles. Caso III: Trángulo rectángulo. Para cada caso se presentan las funcones de densdad de probabldad con sus correspondentes lustracones gráfcas, la esperanza matemátca, la varanza y la funcón de dstrbucón acumulatva.
4 0 para x a ( x a) para a x c ( b a)( c a) f( x) ( b x) para c x b ( b a)( b c) 0 para x b f( x ) h b a 0 a c b x E( X ) a b c (b c ) (b a)(c a) V( X ) 18 0 para x a ( x a) para a x c ( b a)( c a) F( x) P( X x) ( b x) 1 para c x b ( b a )( b c ) 1 para x b P( X x) 1 P( X x) 1 F( x ) 0 para x a 4( x a) a b para a x ( b a) f( x) 4( b x) a b para x b ( b a) 0 para x b f( x ) h b a 0 a c b x EX ( ) a b ( ) V( X ) b a 4 0 para x a ( x a) a b para a x ( ) b a F( x) P( X x) ( b x) a b 1 para x b ( b a) 1 para x b P( X x) 1 P( X x) 1 F( x ) 4
5 f( x ) 0 para x a ( b x) f ( x) para a x b ( b a) 0 para x b h b a 0 a b x a b b a E( X ) a 0 para x a ( b x) F( x) P( X x) 1 para a x b ( b a) 1 para x b ( ) V( X ) b a 18 P( X x) 1 P( X x) 1 F( x ) f( x ) 0 para x a ( x a) f ( x) para a x b ( b a) 0 para x b h b a 0 a b x a b ( b a) E( X) a 0 para x a ( x a) F( x) P( X x) para a x b ( b a) 1 para x b ( ) V( X ) b a 18 P( X x) 1 P( X x) 1 F( x ) 5
6 Modelo parabólco smétrco: Sea X una varable aleatora contnua con funcón de densdad en forma de parábola smétrca, en la cual el valor mínmo posble es a, el valor máxmo posble es b, y el más probable es el punto medo del ntervalo (a,b), m = (a+b)/ 0 para x a 6( x ( a b) x ab) f ( x) para a x b ( b a) 0 para x b f( x ) h ( b a) o 0 para x a x 6mx m 1h f ( x) para m h x m h 4h 0 para x b 0 a m b x m h m m + h a b E( X ) m 0 para x a (b a x)( x a) F( x) P( X x) para a x b ( b a) 1 para x b (b c ) V( X ) 0 P( X x) 1 P( X x) 1 F( x ) Aplcacones de los modelos trangular y parabólco: Estos modelos consttuyen una buena aproxmacón para modelar varables aleatoras de las cuales conocemos el rango fnto de valores entre los cuales puede varar (mínmo y máxmo), así como su valor más probable. Su utlzacón es frecuente en la smulacón probablístca Nos permte estmar las duracones de las actvdades de un proyecto usando las tres estmacones: optmsta, muy pesmsta, y pesmsta. Ley del estadístco nconscente: Sea Y H( X) una funcón cualquera de la varable aleatora X; sea f( x) la funcón de densdad de X (o px ( ) su funcón de masa de probabldades s X es dscreta). La esperanza matemátca de Y es: EY ( ) H( x) f ( x) dx cuando x es contnua H( x ) p( x ) cuando x es dscreta Lo cual sgnfca que no se necesta encontrar la dstrbucón de probabldades de Y a fn de evaluar E(Y); es sufcente conocer la dstrbucón de X. 6
7 Teorema del límte central: Sean X 1, X, X,..., X n varables aleatoras ndependentes e déntcamente dstrbudas, con cualquer dstrbucón para la cual exsten E( X ) y V( X ). Sea la suma Sn X1 X X... Xn. Entonces: Sn n lm P z (z) para z, donde denota la funcón de dstrbucón acumulatva de una normal n n estándar. S queremos una nterpretacón ntutva del teorema, podríamos decr que, cuando n, la dstrbucón S n tende a una normal de parámetros (n ; n ) El promedo X ( X1 X... X n ) / n tendrá una dstrbucón aproxmadamente normal cuando n es grande, o una dstrbucón que tende a normal cuando n. Sus parámetros son E( X ) ; V( X ) y su X X n x 1 n funcón de densdad es f X ( x ) e para z n CALCULADORA: APLICACIÓN PRINCIPAL 1. Cómo acceder, lmpar y confgurar la Aplcacón Prncpal? (1) Presone la tecla [ON/OFF] y toque del panel de conos para mostrar las dferentes Aplcacones. () Utlce la barra (botón) de desplazamento e dentfque la Aplcacón Prncpal. () Toque y se actva la pantalla de la Aplcacón Prncpal donde aparecen: Barra de menús: Barra de herramentas: Barra de estado: (4) Toque en la barra de menús [Edt] / [Borrar todo] / [Acep.] con la fnaldad de lmpar el área de trabajo de la Aplcacón Prncpal y aparece la pantalla ncal de dcha Aplcacón. 7
8 (5) Toque en la barra de menús, segudamente [Formato básco] y realce la sguente confguracón. (6) Toque el botón de flecha haca abajo de Formato número, y luego toque Fjo 4 en la lsta desplegable que aparece con la fnaldad de presentar los resultados numércos con 4 cfras decmales. (7) Toque el cuadro de marcacón de Cálculo decmal para actvarlo y luego toque, s es necesaro, los restantes cuadros de marcacón actvados para desactvarlos. (8) Toque [Def.] para valdar la confguracón, y se regresa a la ventana ncal de la Aplcacón Prncpal. Ejemplo 5..1 Un vendedor es contratado por una empresa con la sguente remuneracón: Bs más 10% de lo que venda en el mes. Supongamos que lo que vende en el mes es una cantdad aleatora sobre la cual se sabe (por nformacón hstórca) que nunca es menor que Bs n mayor que Bs Se sabe, asmsmo, que cas sempre la cantdad vendda está cerca de los Bs , y rara vez cerca de Bs El vendedor tene compromsos fnanceros para los que necesta ngresos del orden de Bs al mes, por lo que qusera tener una estmacón de la probabldad de que en un mes recba menos de esa cantdad. Con la nformacón anteror, cuál sería para Ud. Una razonable estmacón de esa probabldad? Solucón analítca: En prmer lugar plantearemos una aproxmacón (aunque gruesa) a la descrpcón del comportamento aleatoro de su ngreso mensual. Plantearemos una dstrbucón trangular, como en la fgura sguente: f( x ) x en mllones de Bs. 8
9 Utlzando la formulacón para trángulos rectángulos, podemos escrbr para la funcón de densdad de la venta mensual X: 0 para x ( b x) (5 x) f ( x) para x 5 ( b a) 9 0 para x 5 Sea Y el ngreso mensual del vendedor. TenemosY 0, 0,1X. 0, 6 0, (5 x) (5 x) P( Y 0, 6) P(0, 0,1X 0, 6) P X ( ) 0,1 P X dx 9 9 (5 ) (5 ) Se verfca tambén que ( ) 1 ( b x) (5 ) PX 1 ( ba) (5 ) 9 9 Solucón calculadora: En este Procedmento se muestra el uso del teclado D del teclado vrtual de la Aplcacón Prncpal para evaluar una ntegral defnda en vsta de que se tene la ventaja de regstrar el ntegrando, el dferencal, y los límtes nferor y superor de ntegracón de la msma manera que se escrbe la ntegral defnda con lápz y papel. PROCEDIMIENTO: APLICACIÓN PRINCIPAL (1) Presone la tecla [ON/OFF] y toque del panel de conos para mostrar las dferentes Aplcacones. () Utlce la barra (botón) de desplazamento e dentfque la Aplcacón Prncpal. () Toque y se actva la pantalla de la Aplcacón Prncpal. (4) Toque en la barra de menús [Edt] / [Borrar todo] / [Acep.] con la fnaldad de lmpar el área de trabajo de la Aplcacón Prncpal y aparece la pantalla ncal de dcha Aplcacón. (5) Presone el teclado vrtual, toque y se actva el teclado plantlla, luego toque e dentfque el símbolo. (6) Toque para ntroducrlo en la pantalla. 9
10 (7) Regstre en el recuadro claro nferor el valor, y luego regstre en el recuadro claro superor el valor 5. (8) Toque, dentfque el símbolo y luego toque para ntroducrlo en la pantalla. (9) Regstre en el recuadro oscuro el numerador (5 x). (10) Regstre en el recuadro claro el denomnador 9. (11) Regstre en el recuadro claro del dferencal la varable x. (1) Toque [Ejec] y verfca que 5 PX ( ) Una empresa que funcona con tres tpos de máquna sabe que X = Número de horas que la máquna A está parada debdo a una avería sgue una dstrbucón trangular de parámetros (1,,6), que Y = Número de horas que la máquna B está parada debdo a una avería sgue una dstrbucón trangular de parámetros (,4,5), y Z = Número de horas que la máquna C está parada debdo a una avería sgue una dstrbucón trangular de parámetros (,5,6). a) Calcule el número medo de horas en las que no funcona la empresa y su desvacón estándar. Suponga que el costo asocado en mles de bolívares de la máquna A es es C (Y ) 6Y 1 y de la C es C (Z ) 1Z 5. 1 C ( X ) 5 X 10X, de la máquna B b) Determne el costo medo total..- En un proyecto se sabe que el camno crítco está formado por 100 actvdades, tal que la duracón de cada una de ellas es aleatora y sgue una dstrbucón trangular con tempo optmsta, pesmsta 1 y habtual 5. Calcule: a) La duracón meda del proyecto. b) La desvacón estándar de la duracón meda del proyecto. c) La probabldad de que el proyecto se termne antes de 50 días. 10
TEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesEspacio descriptivo S: Es el conjunto de todos los resultados posibles de un experimento aleatorio.
Modelo normal ClassPad 330 Prof. Jean-Pierre Marcaillou INTRODUCCIÓN La calculadora CASIO ClassPad 330 dispone de la Aplicación Estadística y de la Aplicación Principal para realizar los cálculos correspondientes
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesEspacio descriptivo S: Es el conjunto de todos los resultados posibles de un experimento aleatorio.
Modelo exponencial ClassPad 330 Prof. Jean-Pierre Marcaillou INTRODUCCIÓN La calculadora CASIO ClassPad 330 dispone de la Aplicación Principal para realizar los cálculos correspondientes al modelo exponencial.
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
Más detallesTEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS
ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de
Más detallesGUÍA DE APOYO AL APRENDIZAJE N 2
GUÍA E APOYO AL APREIZAJE Meddas de Tendenca Central ó de Resumen Las meddas de resumen son valores de la varable que permten resumr la normacón que hay en una tabla undamentalmente estas meddas se usan
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Más detallesPara un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:
7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesVariables aleatorias discretas
UNIDAD 5 Varables aleatoras dscretas Objetvos Al fnalzar la undad, el alumno: utlzará el método de puntos muestrales asocado a varables aleatoras dstngurá una varable aleatora dscreta de una varable aleatora
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesCAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesIntroducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava
Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesAmortización de créditos
Amortzacón de crédtos Prof. Jean-Perre Marcallou INTRODUCCIÓN: La calculadora CASIO ALGEBRA FX 2.0 PLUS dspone del modo AMT (Amortzacón) del menú fnancero TVM para realzar los cálculos de la tabla de amortzacón
Más detalles+ x+ (19) expresión que puede ser vista como. : Prima neta nivelad del seguro continuo temporal a n-años
eserva Matemátca bajo e concepto de varabe aeatora y su nve de Sufcenca de seguro sobre una soa vda, (Propuesta de Modeo Actuara) (segunda parte) Oscar Aranda M UNAM, Fac. Cencas Dc 0 Por a gnoranca se
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesTema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva
Descrpcón de datos: Estadístca descrptva undmensonal Estadístca descrptva Objetvos: Ordenar, clasfcar, resumr grandes conjuntos de datos de modo que puedan ser fáclmente nterpretables Defncones báscas:
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesCapítulo 4 Probabilidades Estadística Computacional II Semestre 2006
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detallesTrabajo Especial 2: Cadenas de Markov y modelo PageRank
Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detalles1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.
º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesSe entiende por renta el cobro o el pago periódico motivado por el uso de un capital
Rentas Se entende por renta el cobro o el pago peródco motvado por el uso de un captal Desde el punto de vsta de las matemátcas fnanceras, se entende por renta una sucesón de captales dsponbles, respectvamente
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesGuía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesINGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1
INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Inicial
DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.
Más detallesPráctica 2 Caracterización de un dinamómetro
Págna 1/9 Práctca Caracterzacón de un dnamómetro Págna 1 Págna /9 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Peso de las masas patrón Resgo asocado Al manpular las masas nadecuadamente se
Más detalles1.1 INTRODUCCIÓN: LA INTEGRAL DEFINIDA
3. INTEGRALES OBLES En este trabao se extende el concepto de la ntegral de una funcón real de varable real a funcones de varas varables, comenzando en este capítulo con ntegrales de funcones de dos varables;
Más detallesGeometría convexa y politopos, día 1
Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesDistribuciones de Probabilidad PREGUNTAS MÁS FRECUENTES
Repaso de º de Bachllerato Dstrbucones de robabldad REGUNTAS MÁS FRECUENTES. Qué es una funcón dstrbucón de probabldad? Se trata de un reparto del valor, que es la probabldad máxma, entre todos los posbles
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detalles