Tema 2. PROBABILIDAD.

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

Download "Tema 2. PROBABILIDAD."

Transcripción

1 Tema 2. PROBABILIDAD Itrduccó. Feómes determstas: sempre que se realza baj las msmas cdces se btee ls msm resultads. Sltar u dad... se cae. Hrar del AVE Feómes aleatrs: es psble predecr el resultad (certdumbre) Resultad del dad. Hrar de autbuses EMT... E, pr ejempl. Prbabldad medda de la psbldad de que se dé u resultad determad Hstórcamete surgó el estud de la prbabldad a partr del estud de juegs de azar Espac muestral y espac de sucess. Expermet aleatr: es psble predecr el resultad per se cce tds ls psbles resultads; el expermet se puede repetr tdas las veces que se desee. EJ: trar u dad, sacar ua carta de ua baraja españla Espac muestral ascad a u expermet aleatr es el cjut de tds ls psbles resultads del expermet (llamads sucess elemetales). Se deta pr E. Suces cmpuest es el frmad pr vars sucess elemetales. Es u subcjut de E. Suces segur es el suces que se verfca sempre. Se deta pr E. Suces mpsble es el que se verfca uca. Se deta pr. Espac de sucess es el cjut frmad pr tds ls sucess cmpuests clud el suces mpsble. Se deta pr P(E). S E tee elemets P(E) tee 2. Observacó: sucess cjuts, e csecueca las peraces c cjuts (uó, terseccó, cmplemetacó, clusó, etc) puede trasladarse a este espac. Operaces c sucess (álgebra de sucess): EJ. A: salr r, B: salr fgura Sea A,B P(E): A B, suces uó de A y B se verfca cuad curre A, B ambs a la vez. A B, suces terseccó de A y B se verfca cuad curre al temp A y B. A, suces ctrar de A se verfca cuad l hace A.

2 Leyes de De Mrga: A B = A B y A B = A B. A B, suces dfereca se verfca cuad curre A per B ( A B ). Ds sucess A y B s sucess cmpatbles s A B =. EJ: que l dga ells Que haga Prblema. Ests ccepts se puede geeralzar para cualquer subcjut de P(E): Decms que Ω P(E) es ua σ-álgebra de sucess s verfca:. Ω. 2. S A Ω, etces A Ω. 3. S { A } Ω, N, etces A Ω. N EJ: Trar u dad, Ω= {, {2,4,6},{,3,5},E={,2,3,4,5,6}}.

3 2.3.- Defcó axmátca de prbabldad. Csecuecas. EJ: Expermet: elegr al azar a u alum del SM22 y hacerle ua preguta del cuestar del prmer día. Cuál sería la prbabldad de que fuera chca? Cuál sería la prbabldad de que sus padres fuera ls ds de Madrd? Cuál es la prbabldad de que se haya leíd al mes u lbr? Cuál es la prbabldad de que haya vst al mes ua película? Cuál sería la prbabldad de que haya aprbad más de dez asgaturas el añ pasad? Dóde buscams esa frmacó? Frecuecas relatvas Sea Ω P(E) ua σ-álgebra de sucess. Decms que la aplcacó prbabldad s verfca ls sguetes axmas: P : Ω R es ua. P ( A) 0, A Ω 2. P ( E) = 3. S { A } Ω, I, s sucess cmpatbles ds a ds ( A A j =, j ), etces P A = P( A ). I A la tera (E, Ω, P), se le dema espac prbablístc. Prblema 2 Prpedades: I A B P( A) P( B) ( P(sacar 2) P(sacar PAR) ) 0 P ( A) ( pues td suces está clud e E y su prbabldad será ) P( A) = P( A) (pues A A = E, y la suma de sus prbabldades da ) (P(sacar PAR)=-P(sacar mpar)) P( ) = 0 P( A B) = P( A) + P( B) P( A B) P(sacar múltpl de 2 múltpl de 3) P A A... A ) = P( A ) + P( A ) P( A ) P( A A ) + + ( 2 2 j j P( A Aj A )... + ( ) P( A... A ) j S el dad hubera estad trucad (la prbabldad es gual e tds ls cass), ls cálculs s más seclls: basta ctar. Regla de Laplace:

4 Sea E = A A2... A, sed ls A sucess elemetales e cmpatbles ds a ds. Supgams además que P( A) = P( A2) =... = P( A ) = (Sucess equprbables). Etces, s B = A A2... A, c se tee que : P( B) = P( A) + P( A2 ) P( A ) =. També se euca cm: Númer de cass favrables al suces B P( B ) = Númer de cass psbles S l hubera sabd el Caballer de Mere más le hubera vald. Repas de cmbatra. Prcp de adcó: Dads ds cjuts A y B fts dsjuts, A c elemets y B c m elemets, el úmer de frmas dsttas de elegr u elemet de algu de ls ds cjuts es +m. S A B =, etces A B = A + B. Ej: Sacams ua carta, que salga r espadas. Prcp de clusó-exclusó: E geeral A B = A + B A B. Ej: Sacams ua carta, que salga r fgura. Prcp de multplcacó: Dads A y B cjuts fts vacís, A c elemets y B c m elemets, etces el úmer de elemets de su prduct cartesa A B = {( a, b), a A, b B} es m. Ej: Eleccó de u meú. Númer de psbles elecces s hay 4 psbles prmers, 3 seguds y 5 pstres. Selecces sbre cjuts Dad u cjut A de elemets, de cuátas frmas dsttas se puede seleccar r elemets de A? Hay que teer e cueta: S el tamañ de la seleccó ccde c el úmer de elemets (r=) S hay que teer e cueta el rde de ls elemets. S se permte repetces de elemets.

5 Dstgums: Varaces (r<, mprta el rde, se repte elemets) V,r s el úmer de grups rdeads de r elemets dstts que se puede frmar c elemets. V,r = (-) (-2)... (-r+) Ej: palabras de cc letras e las que se repta gua (26 palabras e el alfabet) (V 26,5 = ) Permutaces (r =, mprta el rde, se repte elemets) P s el úmer de las dsttas frmas de rdear elemets. P =! Ej: psbles frmas de rdear las vcales ( 5! ) Cmbaces (r<, mprta el rde, se repte elemets) C,r s el úmer de grups de r elemets dstts que se puede frmar c elemets. C,r = V, r P r = ( )( 2)...( r + ) r! =! = r!( r)! r Ej: cass psbles al repartr 4 cartas de ua baraja de 40. (9390) Cass psbles de que te tque 4 reyes (jugad al mus) C 8,4 =70 P(tque 4 reyes)= per a veces pasa. Varaces c repetcó (mprta el rde, hay repetcó, puede cambar ls elemets) VR,r s el úmer de grups rdeads de r elemets que se puede frmar c elemets, que puede repetrse. V,r = r Ej: matrículas dsttas que sól tega ls dígts 5,7,9. (VR 3,4 =8) Permutaces c repetcó (mprta el rde, hay repetcó, sempre ls msms elemets) r, r2,..., r P s el úmer de las dsttas frmas de rdear elemets, de frma que el prmer se repte r veces, el segud r 2 veces,... y el -ésm r veces, y se verfca que r r + + r =

6 r, r2,..., r P =! r! r!... r! 2 2,2,2,2,,, Ej: psbles palabras c las letras de ESTADÍSTICA. ( P = ) 5,2,2,, ABRACADABRA: ( P = 8360) Cmbaces c repetcó ( mprta el rde, hay repetcó, puede cambar ls elemets) CR,r s el úmer de grups de r elemets que se puede frmar c elemets, que puede repetrse. CR,r = + r = r ( + r )! r!( )! 9 9! Ej: resultads psbles al trar 4 dads guales. (CR 6,4 = = = !5! r P, (es equvalete a + r. Es el prblema de meter r blas guales e cajas dsttas. La dea es teer r elemets guales (b) y (-) elemets guales (C) (que represeta la separacó etre las cajas ). S querems meter 6 blas guales e 4 cajas: bbcbccbbb represeta que hay 2 blas e la ª caja, bla e la 2ª, 0 blas e la 3ª y 3 blas e la 4ª. bcbcbcbbb represeta que hay bla e la ª caja, bla e la 2ª, bla e la 3ª y 3 blas e la 4ª. Olmpadas 2004, atletsm, prueba de ls 500 metrs. Hay 36 cmpetdres y la fal la dsputa 2 atletas.. Númer de psbles fales dsttas C 36,2 = Ccds ls 2 falstas:. a. Númer de psbles resultads dstts P 2 = b. Númer de psbles dstrbuces de medallas V 2,3 =320 Etre ls cmpetdres hay 0 eurpes, 4 afrcas, 7 amercas y 5 asátcs. 3. Númer de psbles fales e las que haya 4 eurpes, 4 afrcas y 4 amercas = Númer de psbles dstrbuces de medallas e las que haya al mes eurpes. 3! + 3! = S sól teems e cueta el ctete del que s ls cmpetdres y se sabe que e la fal hay 4 eurpes, 5 afrcas y 3 amercas: )

7 2! 4!5!3! 4,5,3 5. Númer de psbles resultads dstts. P 2 = = Númer de psbles dstrbuces de medallas VR 3,3 =27 CR Númer de psbles pdum dstts 3,3 = = 0 Prblemas: Hacer 3,8,9 dejar para después y que vaya tetad 7, Prbabldad cdcada. Estams jugad a trar 2 dads y sumar la putuacó. Cuál es la prbabldad de bteer 2?, y 2?, y 7? Per s u dad se tra ates y sale, cuál es ahra la prbabldad de bteer 2?, y 2?, y 7? La frmacó de l que ha sald e el prmer dad cdca la prbabldad del resultad fal. E el expermet de elegr al azar a ua persa de la clase y pregutar ua prbabldad de alg de l pregutad e el cuestar: cóm se calcularía la prbabldad de que habed elegd ua chca haya leíd más de u lbr? y de que habed sd chc haya leíd 0 más lbrs?

8 Se llama prbabldad de B cdcada pr A a la prbabldad de que curra "B" P B A y, s P( A ) > 0, verfca que: sabed que ha currd "A". Se deta pr ( ) P( B A) P( B A) = P( A) De l aterr se deduce que P( B A) = P( A) P( B A). Prpedades: La prbabldad cdcada tee las msmas prbabldades que cualquer prbabldad. Sea A, B y C sucess tales que P(C)>0. 0 PAC ( / ) PA ( ) = PA ( ) PA ( BC / ) = PAC ( / ) + PBC ( / ) PA ( BC / ) A B C P( A/ C) P( B/ C) Observacó: Para dstgur P(A/B) de P(A B): - P(A/B) cuad B ya ha sucedd ( hay certdumbre sbre s curre B ) - P(A B) cuad B puede currr, se sabe a prr. - C P(A/B), ls cass psbles s ls favrables a B, y ls cass favrables ls de A B. - C P(A B), ls cass psbles s tds ls del expermet y ls cass favrables ls de A B. Ejempls: Expermet de trar ds dads y sumar la putuacó. Hallar las sguetes prbabldades: - bteer al mes u 6: /36 - bteer ua suma de 0: 3/36 - sabed que ha sald u 6, bteer ua suma de 0: / - bteer ua suma de 0 y que e u dad haya sald u 6: 2/36 - sabed que suma 0, que e u dad haya sald u 6: 2/3 Ejercc: Expresar las sguetes prbabldades de frma adecuada (cdcada, terseccó de sucess, ): a) etre ls alums matrculads e Estadístca que ha estudad la asgatura, la prbabldad de aprbar es del 80%; b) la prbabldad de ectrar a u alum matrculad e Estadístca que haya estudad y haya aprbad Estadístca es del 30% c) s ls dats muestra que el 80% de ls alums matrculads e estadístca ha aprbad qué ccluses pdems sacar, que tds ha estudad que aprbar depede de estudar?

9 2.5.- Idepedeca de sucess. Traspa depedeca. (Operacó, hay u 99% de prbabldades de éxt. Esperams a que ua vaya mal y pedms que s pere medatamete después... hay más prbabldad de éxt?) Se dce que A y B s depedetes s P( A B) P( A) =. (El que haya currd B fluye e la prbabldad de que curra A.) Terema. A y B s depedetes P( A B) = P( A) P( B). E geeral, { A A },, s sucess depedetes s, para tda subcleccó { A,, A } se verfca que P( A A ) = P( A ) P( A ). Ejempl: Se tra ds dads, u azul y tr rj. A: la suma es par /2 B: salr par e el dad rj /2 C: bteer ua suma de 0: 3/36 D: bteer al mes u : /36 A y B s depedetes: P(A/B)=9/8=/2=P(A). P(A B)=9/36=/4=/2*/2 A y C s depedetes: P(A/C)=. P(A C)=3/36 /2*3/36. A y B s depedetes? s cmpatbles? C y D s depedetes? s cmpatbles? Observacó: S A y B s depedetes, també l s AyB, AyB, AyB. S A y B s depedetes (c prbabldad ula), puede ser cmpatbles. S s cmpatbles puede ser depedetes. Prblema 5 Aplcacó: Se tee u crcut c 3 cmpetes depedetes, cuya prbabldad de fucar es de Calcular la prbabldad de que la señal llegue al fal del crcut e cada cas: Las cmpetes se clca e sere: (0.95) 3 = Las cmpetes se clca e paralel: P(F F2 F3)= P(F)+ P(F2 )+ P(F3) - P(F F2 ) - P(F F3 ) - P(F3 F2 ) + P(F F2 F3) = 3*0.95 3*(0.95) 2 + (0.95) 3 =

10 Sugerr que haga Prblema Terema de la Prbabldad Ttal. Terema de Bayes. Ejempl: Ua empresa tee 25% de rdeadres de marca y 75% clócs. Se estma que la prbabldad de que se estrpee ates de u añ u rdeadr de marca es del 5% y la de que se estrpee u rdeadr clóc del 0%. Elegd u rdeadr al azar, cuál es la prbabldad de que se estrpee ates de u añ? 0.* *0.25= ( 8.75%) Terema de la Prbabldad Ttal. Sea A,..., A = A. sucess cmpatbles ds a ds ( = = E A A, j j ), y tales que Sea B P(E) u suces cualquera, etces: ( ) P( B A ) P( A) P B =. = E las hpótess aterres: sabed que u rdeadr se ha estrpead ates de u añ, cuál es la prbabldad de que sea de marca? P(M/E)=P(M E)/P(E)=P(E/M)P(M)/P(E)=0.05*0.25/ =0.4 (4%) Terema de Bayes. E las hpótess del terema aterr, para cada {, 2,..., } se verfca:

11 ( B) P A = = ( ) P( A ) P B A ( ) ( ) P B A P A L set per escrb est e 2009 y he vst que se me lvdó per el ejempl segur que ectrás algu suerte!!

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

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

Más detalles

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE N NTRODCCÓN L CONCPETO DE VREDD REL DFERENCBLE Y GRPO DE LE CRLOS S. CHNE a trduccó al ccept de VREDD REL DFERENCBLE Y GRPO DE LE 0. Sbre tplgía y espac tplógc. 0. Separabldad. Espacs de Hausdr. 03. El

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. Llamamos magnitud a toda propiedad física susceptible de ser medida.

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. Llamamos magnitud a toda propiedad física susceptible de ser medida. CÁLCULO VECTORIAL.- MAGNITUDES ESCALARES Y VECTORIALES. Llmms mgtud td prpedd físc susceptle de ser medd. Al lr ls mgtudes físcs pdems cmprr que este ds clses e dferecds: ) Mgtudes esclres: s quells que

Más detalles

Sobrantes de 2004 (Modelo 6) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Modelo 6) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fc Ayala de Graada Sbrates de 004 (Mdel 6) Slucies Germá-Jesús Rubi Lua OPCIÓN A EJERCICIO 1_A (1 put) Dibuje la regió del pla defiida pr las siguietes iecuacies: x 3y -13; x + 3y 17, x + y 11; y 0.

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

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

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

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

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

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

1º CC.SS. Resumen tema 10. Distribuciones de probabilidad de variable discreta. La binomial.

1º CC.SS. Resumen tema 10. Distribuciones de probabilidad de variable discreta. La binomial. 1. CÁLCULO DE PROBABILIDADES. a. Suces aleatri. Aquél que depende del azar, es decir, que n se puede prever. Para estudiar ests sucess, es necesari hacerl a partir de la experiencia. nº de veces que curre

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Sesión 4: Estadística descriptiva y exportación de resultados

Sesión 4: Estadística descriptiva y exportación de resultados Curs de trduccó a Stata Jrd Muñz (UAB) Sesó 4: Estadístca descrptva y exprtacó de resultads E esta sesó vams a trabajar c la estadístca descrptva e Stata. Prevamete, presetams ua pequeña trduccó de ls

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

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

R 1º) La conexión de los R N 2. En los dos casos las S. T Para calcular el flujo máximo se utilizará la expresión: U1ef

R 1º) La conexión de los R N 2. En los dos casos las S. T Para calcular el flujo máximo se utilizará la expresión: U1ef Máquias Eléctricas 5º Curs Mecáics Máquias iversidad de Ovied Dpt. de geiería Eléctrica EJERCCO Nº 4 TEMA V: Trasfrmadres trifásics OBJETVOS: Circuit equivalete del trasfrmadr trifásic valració de pérdidas

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Números complejos. .a C ib/ C.c C id/ D a C c C i.b C d/.a C ib/.c C id/ D ac bd C i.ad C bc/

Números complejos. .a C ib/ C.c C id/ D a C c C i.b C d/.a C ib/.c C id/ D ac bd C i.ad C bc/ Númers cmplejs El cjut frmad pr tds ls úmers de la frma acib, dde a y b s úmers reales, c las peracies de adició y prduct defiidas pr: 1/100.a C ib/ C.c C id/ D a C c C i.b C d/.a C ib/.c C id/ D ac bd

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AVANZADA Udad I: Prpedade y Leye de la ermdámca Prce reverble e tema cerrad Vlume de ctrl Cted Etrpía Degualdad de Clauu Defcó La ercera Ley de la ermdámca Prce ermdámc Dagrama -S Vlume de

Más detalles

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

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

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

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

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

Más detalles

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

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

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

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

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE 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 detalles

3.Si A y B son incompatibles, es decir A B = entonces:

3.Si A y B son incompatibles, es decir A B = entonces: Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

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

3.Si A y B son incompatibles, es decir A B = entonces:

3.Si A y B son incompatibles, es decir A B = entonces: Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)

Más detalles

MANUAL DE USUARIO DEL SISTEMA DE ADMINISTRACIÓN Y DESARROLLO DE PERSONAL INTERNET

MANUAL DE USUARIO DEL SISTEMA DE ADMINISTRACIÓN Y DESARROLLO DE PERSONAL INTERNET SISTEMA DE ADMINISTRACIÓN Y DESARROLLO DE PERSONAL. El sistema SADP Internet está basad en una tecnlgía vanguardista que permite llevar a cab la captura de Mvimients e Incidencias del Persnal que labra

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

(PROBABILIDAD) (tema 15 del libro)

(PROBABILIDAD) (tema 15 del libro) (PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

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

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

Más detalles

TEMA 5.- SISTEMAS TRIFÁSICOS

TEMA 5.- SISTEMAS TRIFÁSICOS DPTO. INGENIERIA EECTRICA ESCUEA DE INGENIERÍAS INDUSTRIAES EECTROTECNIA TEMA 5.- SISTEMAS TRIFÁSICOS 5.1.- En la red trifásica de la figura 5.1, la tensión cmpuesta al final de la línea es de 380V. a

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

Artículo 1. ORGANIZACIÓN

Artículo 1. ORGANIZACIÓN Artícul 1. ORGANIZACIÓN El Clegi Mirasur, cn la clabración del Ayuntamient de Pint, rganiza la III Carrera Slidaria de 5km Clegi Mirasur y I Carrera 10km, que tendrá lugar en Pint el próxim 10 de abril

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

Tema 4B. Inecuaciones

Tema 4B. Inecuaciones 1 Tema 4B. Inecuacines 1. Intrducción Una inecuación es una desigualdad en la que aparecen númers y letras ligads mediante las peracines algebraicas. Ls signs de desigualdad sn: , Las inecuacines

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

DEBEN LAS ENTIDADES DEPORTIVAS REPERCUTIR EL IVA A LOS USUARIOS DE SUS ACTIVIDADES E INSTALACIONES?

DEBEN LAS ENTIDADES DEPORTIVAS REPERCUTIR EL IVA A LOS USUARIOS DE SUS ACTIVIDADES E INSTALACIONES? Ante las dudas surgidas entre ls distints agentes deprtivs en relación cn la psibilidad de deducir las cutas del IVA sprtad en las facturas que les emiten ls prveedres de bienes y servicis a la hra de

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

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

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

5.3 Estadísticas de una distribución frecuencial

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

Más detalles

Notas para su utilización en aplicaciones de conmutación

Notas para su utilización en aplicaciones de conmutación Transstres Ntas para su utlzacón en aplcacnes de cnmutacón Autr: Fernand fman Transstres Ntas para su utlzacón en aplcacnes de cnmutacón El transstr es un dspstv semcnductr, que presenta ds mds de funcnament:

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

Probabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades

Probabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades Experimentos deterministas Probabilidad Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas,

Más detalles

CRISTALOQUÍMICA TEMA 6 ESTRUCTURAS CRISTALINAS. Empaquetados compactos. Coordinación ÍNDICE

CRISTALOQUÍMICA TEMA 6 ESTRUCTURAS CRISTALINAS. Empaquetados compactos. Coordinación ÍNDICE CRISTALOQUÍMICA TEMA 6 ESTRUCTURAS CRISTALINAS Empaquetads cmpacts. Crdinación 6.1 Intrducción 6.2 Estructuras cristalinas ÍNDICE 6.3 Enlace en las estructuras cristalinas 6.4 Cristales iónics 6.5 Cristales

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Agenda Aprendizaje Inductivo Concepto Clasificación Árboles de Decisión Clasificador Bayesiano Clustering K-means Clustering jerárquico

Agenda Aprendizaje Inductivo Concepto Clasificación Árboles de Decisión Clasificador Bayesiano Clustering K-means Clustering jerárquico Descubrmetde ccmeta Partr de Dats Ageda Apredzaje Iductv Ccept Clasfcacó Árbles de Decsó Clasfcadr Bayesa Clusterg K-meas Clusterg jerárquc D r. M a r c e l G. A r m e t a I S I S TA N, F a c. d e C s.

Más detalles

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Método del producto. Diagrama de árbol.

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Método del producto. Diagrama de árbol. 8966 _ 6-.qxd 7/6/8 9: Págia 87 Combiatoria INTRODUCCIÓN La combiatoria estudia las distitas formas de agrupar y ordear los elemetos de u cojuto, segú uas ormas establecidas. E esta uidad se aprede a formar

Más detalles

Álgebra lineal. Curso Tema 5. Hoja 1. Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace.

Álgebra lineal. Curso Tema 5. Hoja 1. Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace. Álgebra lineal. Curso 2007-2008. Tema 5. Hoja 1 Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace. 1. Un dado se lanza dos veces. Se pide: (a) Construir el espacio muestral.

Más detalles

LOS ORDENADORES PORTATILES en las CLASES de EDUCAIÓN FÍSICA.

LOS ORDENADORES PORTATILES en las CLASES de EDUCAIÓN FÍSICA. LOS ORDENADORES PORTATILES en las CLASES de EDUCAIÓN FÍSICA. En pcs añs cada alumn desde 5º de Primaria hasta 2º de Secundaria tendrá un rdenadr prtátil en el aula. Ante esta nueva situación tdas las áreas

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Son los experimentos de los que podemos predecir el resultado antes de que se realicen.

Son los experimentos de los que podemos predecir el resultado antes de que se realicen. PROBABILIDAD Definición de probabilidad La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.

Más detalles

Si la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE:

Si la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE: Ua progresió es geométrica, si cada termio después del primero se obtiee multiplicado el aterior por u valor costates Este valor costate se llama razó geométrica (q) E geeral: a a : a......... a ; 3 Si

Más detalles