Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales.

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

Download "Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales."

Transcripción

1 Pága 1 IMADIL TEMA 5. Notas Tema 5. Fudametos de la fereca estadístca: Itroduccó a la probabldad y dstrbucoes muestrales. Parte 1: Itroduccó a la probabldad 1. Feómeos aleatoros Durate sglos la Ceca ha avazado medate el establecmeto de leyes que predecía que la ocurreca o preseca de uas causas coduce varablemete a la aparcó de determados efectos. Este esquema determístco ha domado, hasta fechas recetes, las Cecas de la Naturaleza, cosderadas como el arquetpo de Ceca al cual debía amoldarse todas las demás. Detro de este esquema de relacoes fjas, las fluctuacoes observadas e las dsttas determacoes de ua magtud era atrbudas a los errores de medda, los cuales era tratados de forma separada y s afectar a la aturaleza fja de las leyes y al carácter determístco de las relacoes etre las verdaderas magtudes de las varables cosderadas. S embargo, sempre ha exstdo stuacoes, como los juegos de azar, que escapaba a este esquema determístco. Estos feómeos e los que uas msmas causas podía dar orge a la ocurreca de dsttos efectos era deomados aleatoros y matedos al marge de la costruccó del edfco teórco de la Ceca. La dcotomía etre feómeos determístcos y aleatoros o creó, durate sglos, dsoacas ya que las relacoes aalítcas etre las varables parecía ser ua herrameta sufcete para la costruccó de las teorías cetífcas y las cuestoes dode claramete se producía stuacoes aleatoras parecía ser materas s terés para la Ceca. La corporacó al cojuto de la Ceca de materas que se ocupaba de los aspectos socales y humaos que comporta el estudo de feómeos co ua fuerte compoete aleatora y la aparcó detro de las Cecas de la Naturaleza de teorías que colleva ua certa determacó e certdumbre sobre la preseca de determados efectos, hcero ecesaro el estudo de los feómeos aleatoros y su corporacó al esquema geeral de la explcacó cetífca de la Naturaleza. La Pscología y otras cecas humaas so dscplas cetífcas e las que es dfícl establecer leyes o teorías que o colleve u compoete aleatoro y ello por el propo objeto de su estudo, se preseta a uestros ojos sempre co certo grado de aleatoredad e certdumbre que o podemos elmar. Dos tpos de razoes se ha expuesto para explcar la aleatoredad del comportameto de los seres vvos. Para uos la aleatoredad de las leyes que rge la coducta vedría dada por su propa aturaleza que es aleatora e sí msma como parte del mecasmo adaptatvo que habría favorecdo el comportameto aleatoro frete a las respuestas fjas a los estímulos del medo. Para otros las relacoes etre las varables coductuales sería aleatoras por uestra capacdad para cotrolar todas las varables e teraccoes que determa la coducta. El cojuto de los efectos de todas las varables

2 Pága 2 IMADIL José María Salas y José Lus Padlla cotroladas daría orge a la compoete aleatora que os vemos oblgados a clur e uestros modelos. Sea cual sea la explcacó a la que os adscrbamos, debemos admtr la mposbldad de establecer, e el mometo actual, leyes determístcas para predecr muchas coductas. De ahí la mportaca que cobra para el estudoso de las cecas humaas y de la salud el estudo de los feómeos aleatoros y las leyes probablístcas que los rge. Damos a cotuacó las defcoes de alguos de los térmos que utlzaremos: Stuacoes aleatoras So aquellas e que las msmas codcoes o causas, puede dar lugar a dferetes resultados o efectos. Expermetos aleatoros So aquellos e que se preseta stuacoes aleatoras, por ejemplo el lazameto de u dado es ua expereca que cada vez que se realza puede dar orge a u resultado dferete, auque aparetemete se haya ejecutado e la msma forma. Sucesos elemetales So cada uo de los posbles resultados del expermeto aleatoro, descompobles e otros más smples. Por ejemplo, al lazar u dado que salga la cara marcada co el 5, es u suceso elemetal. Espaco muestral Es el cojuto formado por todos los posbles sucesos elemetales. E el caso del lazameto de u dado ordaro de ses caras el espaco muestral estaría costtudo por los ses sucesos elemetales, es decr que salga u uo, que salga u dos, etc. Smbólcamete lo represetamos Suceso E = { {1} {2} {3} {4} {5} {6} } U suceso es cualquer subcojuto del espaco muestral. Por ejemplo el suceso de que al lazar u dado salga u úmero par sería el subcojuto { {2} {4} {6} }. El suceso de que salga u úmero mayor que tres sería el subcojuto { {4} {5} {6} }. Muestra Es el cojuto de resultados que se obtee al repetr u certo úmero de veces, u expermeto aleatoro. Por ejemplo s lazamos u dado dez veces y obteemos los sguetes resultados ( 6, 5, 1, 5, 3, 3, 3, 1, 4, 1 ) esta secueca costtuye ua muestra de tamaño dez del lazameto de u dado. Frecueca

3 Pága 3 IMADIL TEMA 5. Notas Se defe la frecueca de u suceso e ua muestra, como el cocete etre el úmero de veces que ha ocurrdo el suceso e la muestra y el tamaño de la msma. Por ejemplo, e la muestra ateror la frecueca del suceso de que salga u cco sería: 2/10 = 0,2. Aálogamete la frecueca del suceso de que salga u úmero mayor que tres sería: 4/10 = 0,4. Se ha observado empírcamete que al r aumetado el tamaño de ua muestra, la frecueca de los sucesos tede a establzarse alrededor de u úmero fjo, a este hecho se le ha deomado ley de establdad de las frecuecas o ley úca del azar y ese úmero deal, límte que alcazaría la frecueca de u suceso s obtuvésemos ua muestra fta del expermeto, fue el prmer cocepto de probabldad de u suceso que se maejó. Esta terpretacó, llamada frecuetsta, sgue sedo la más amplamete utlzada y la que ha sprado el desarrollo formal de la teoría del cálculo de probabldades. Desde u puto de vsta formal, la probabldad de u suceso va a ser ua medda del subcojuto del espaco muestral que correspode a dcho suceso, dcadora de la posbldad de ocurreca de tal suceso. Las terpretacoes de esa medda costturá los dsttos modelos probablístcos de la realdad. 2. Operacoes co sucesos Para poder costrur esta medda que es la probabldad, ecestamos dotar al espaco de los sucesos de ua determada estructura y para ello vamos a defr dsttas operacoes y relacoes co los sucesos. Sea S u expermeto aleatoro al cual se le asoca ua famla de sucesos { A, B, C,... } tales que fjado uo de ellos, por ejemplo él A, al realzar ua prueba partcular del expermeto aleatoro S, podemos decr, al observar el resultado de la prueba, s se ha verfcado, o o, el suceso A. Implcacó Decmos que el suceso A mplca el B, y lo otamos A B o B A, s sempre que ocurre A ocurre B. Por ejemplo, e el lazameto de u dado el suceso de que salga u dos {2}, mplca el suceso de que salga u úmero par { 2, 4, 6 }, pues obvamete sempre que sale u dos sale u úmero par. Igualdad S el suceso A mplca el B, A B, y també el suceso B mplca él A, B A, etoces decmos que el suceso A y el suceso B so guales A = B. Suceso cotraro Defmos el suceso cotraro de A, Ã como el suceso que ocurre cuado o ocurre A. Por ejemplo, e el lazameto de u dado el suceso cotraro de que salga u úmero par, es el suceso de que salga u úmero mpar, pues sempre que o sale u úmero par sale uo mpar. Uó de sucesos Se defe la uó de dos sucesos A y B, como el suceso C que se verfca sempre que se verfca A o B y se ota C = A B.

4 Pága 4 IMADIL José María Salas y José Lus Padlla Suceso seguro Es evdete que la uó de u suceso y su cotraro se verfcará sempre, a este suceso le llamamos el suceso seguro y lo desgaremos por E. Iterseccó de sucesos E = A Ã Se defe la terseccó de dos sucesos A y B como el suceso D, que ocurre sempre que ocurre él A y el B y lo otamos D = A B. Sucesos compatbles Dos sucesos A y B se dce compatbles s al verfcarse uo de ellos, o se verfca el otro. Por ejemplo, al lazar u dado so compatbles los sucesos de que salga u úmero par y que salga u tres. Suceso mposble Es obvo que la terseccó de dos sucesos compatbles o se verfcará uca, por ello a este suceso terseccó se le deoma suceso mposble y lo represetaremos por. Dfereca de sucesos Se defe la dfereca de dos sucesos A y B que se deota B-A, como el suceso que ocurre cuado ocurre B y o ocurre A, es decr: Sgma álgebra B - A = B Ã La probabldad o puede ser defda sobre ua coleccó cualquera de sucesos, so que la clase de subcojutos del espaco muestral sobre la que puede establecerse ua probabldad debe teer ua estructura míma que se deoma sgma álgebra. Ua clase de sucesos A = { A 1, A 2, A 3,... } costtuye u sgma álgebra s verfca las dos propedades sguetes: 1. - La uó umerable de sucesos del sgma álgebra també perteece al sgma álgebra. S A 1, A 2, A 3,... A A A 2.- S u suceso perteece al sgma álgebra etoces su cotraro també perteece. S A A Ã A

5 Pága 5 IMADIL TEMA 5. Notas Es medato comprobar que el suceso seguro E y el suceso mposble, perteece a toda sgma álgebra. 3. Axomas del cálculo de probabldades Ua vez que teemos el espaco muestral E, a partr del cual hemos costrudo u sgma álgebra A, dspoemos de ua estructura sobre la cual es posble defr ua medda P, a la que llamamos probabldad. Esta probabldad va a ser ua fucó de cojuto que cumpla los sguetes axomas: Axoma1 A cada suceso A, perteecete al sgma álgebra A, le correspode u úmero real postvo, llamado probabldad de A y que otaremos P( A ), es decr: Axoma2 A A P( A ) tal que 0 P( A ) La probabldad de la uó de u cojuto umerable de sucesos compatbles es gual a la suma de las probabldades de los sucesos, o dcho de otro modo, s los sucesos A 1, A 2,... so compatbles se verfca: Axoma3 P A P A 1 1 La probabldad del suceso seguro E, es gual a la udad, P( E ) = 1. Llamaremos espaco probablístco a la tera ( E, A, P), es decr a u espaco muestral E, sobre el que se ha defdo u sgma álgebra A, dode se ha defdo ua fucó de probabldad P. Debe de otarse que dado u espaco muestral, es decr el cojuto de sucesos elemetales asocados a los resultados de u expermeto aleatoro, puede defrse dsttos espacos probablístcos, o dcho de otro modo u msmo suceso puede teer dsttas probabldades. Esto es así porque el sstema de axomas os dca las codcoes que debe de cumplr la fucó de probabldad, pero o da gua regla para asgar los valores de probabldad a los sucesos elemetales, e cosecueca las probabldades de todos los sucesos está determadas y deberá recurrrse a crteros adcoales para fjar las probabldades de los sucesos elemetales. Estos crteros puede hacer refereca a propedades físcas de los elemetos materales que tervee e el expermeto aleatoro, o a regstros de aparcó de los sucesos, o be a elemetos subjetvos acerca de la ocurreca de los msmos. Ahora be, ua vez que hemos fjado los valores de probabldad de los sucesos elemetales, podemos calcular las probabldades de todos los sucesos del sgma álgebra atededo a los axomas y a certas propedades que como veremos a cotuacó, se

6 Pága 6 IMADIL José María Salas y José Lus Padlla derva de ellos. Esta es la razó por la que esta dscpla se deoma cálculo de probabldades, porque os da reglas de cálculo para determar las probabldades de los sucesos e fucó de los úmeros que se ha asgado a los sucesos elemetales. 4. Propedades de la Fucó de Probabldad Como cosecueca de los axomas aterores, la probabldad posee las sguetes propedades: 1.- S Ã es el suceso cotraro de A, etoces: P( Ã ) = 1 - P( A ) 2.- Puesto que el suceso mposble es el cotraro del suceso seguro, aplcado la propedad ateror se verfca: P( ) = S el suceso A mplca el suceso B, A B etoces: P( A ) P( B ) 4.- Puesto que cualquer suceso A mplca el suceso seguro E etoces: A P( A ) Dados dos sucesos compatbles A y B, es decr tales que A B, se tee que: P( A B ) = P( A ) + P( B ) - P( A B ) 6.- Como cosecueca medata de la propedad ateror se tee que: P( A B ) P( A ) + P( B ) 7.- S el cojuto de sucesos elemetales es umerable podemos defr la probabldad de u suceso A como la suma de las probabldades de los sucesos elemetales que perteece al suceso A, es decr: P ( A) P( a ) 8.- S el suceso seguro E puede descompoerse e k sucesos elemetales equprobables, etoces la probabldad de cualquer suceso A es gual al úmero h de sucesos elemetales que perteece a A dvddo por k, es decr: a A P( A ) = h/k Esta propedad costtuye la clásca regla de Laplace que defía la probabldad de u suceso como el cocete etre los casos favorables y los casos posbles. Pero debe teerse e cueta que esta coocda regla sólo puede aplcarse cuado el espaco muestral es fto y además se acepta el postulado de dfereca.

7 Pága 7 IMADIL TEMA 5. Notas 5. Iterpretacó de la Probabldad La teoría del Cálculo de Probabldades es ua teoría matemátca, que como todas las teorías matemátcas, establece ua sere de reglas de operacó co uos térmos abstractos o símbolos. De esta forma, ua afrmacó e Matemátcas es verdadera o falsa s se ha deducdo correctamete, o o, a partr de los axomas o hpótess que defe el sstema, por cosguete o puede ser sometda a verfcacó empírca. Por ello, cuado utlzamos las teorías matemátcas para costrur modelos de la realdad, debemos dotar de sgfcado a los símbolos que se maeja, es decr, terpretar e térmos reales los térmos abstractos. De esta forma, el modelo matemátco, medate la asgacó de sgfcado, se coverte e u modelo del mudo real cuyas afrmacoes y predccoes puede someterse a cotrastacó co los datos obtedos expermetalmete. E este setdo, la probabldad que e térmos matemátcos es ua fucó de cojuto que asga a cada suceso u úmero real, debe de dotarse de u sgfcado, ua terpretacó que haga que el modelo matemátco del Cálculo de Probabldades, se trasforme e u modelo de la ocurreca de los sucesos. Iterpretacó frecuetsta La terpretacó más dfudda es la frecuetsta, aquella que etede la probabldad de u suceso como el límte de la frecueca relatva de aparcó de u suceso, al repetrse defdamete el expermeto aleatoro. Puede verse fáclmete que las frecuecas relatvas de los sucesos verfca los axomas de la probabldad, y por tato costtuye ua terpretacó válda de la msma. La terpretacó frecuetsta ecuetra grades dfcultades cuado trata el problema de los casos aslados, es decr feómeos aleatoros que ocurre ua sola vez, de tal forma que el expermeto o puede ser repetdo e las msmas codcoes. Es claro que e esta stuacó, el cocepto de frecueca carece de sgfcado. Más aú, cluso e aquellos casos e que el expermeto es susceptble de repetcó, s el sujeto que tee que juzgar la posbldad de ocurreca de u suceso, lo ve como u feómeo úco, e el que o volverá a estar mplcado, dfíclmete adecuará sus decsoes, o su comportameto, a u cocepto de probabldad que es exacto cuado la muestra de realzacoes es ftamete grade, pero que solo proporcoa ua dcacó mprecsa sobre la ocurreca del suceso, e ua úca realzacó. E estos casos la terpretacó subjetva puede ser mucho más fructífera. Iterpretacó subjetva La dea alrededor de la cual gravta la terpretacó subjetva, es que ate u feómeo aleatoro que puede verfcarse o o, los dvduos asga, de forma mplícta o explícta, ua probabldad que represeta el grado de cofaza que tee e la ocurreca de ese hecho. La dfereca fudametal co la terpretacó frecuetsta radca e que la asgacó de valores, auque codcoada por la formacó exstete, es propa de cada observador partcular, s que las opoes de varos sujetos tega porqué cocdr. Así, metras que e la cocepcó frecuetsta la probabldad es úca y lo que puede varar so

8 Pága 8 IMADIL José María Salas y José Lus Padlla las estmacoes que hacemos de ella, e esta terpretacó subjetva la probabldad o está determada de forma preva, so que se establece por los dvduos e fucó de sus jucos prevos acerca de la stuacó y de la forma e que valora la formacó exstete. Para que esta terpretacó pueda plasmarse e ua teoría operatva, hay que exgr que los sujetos matega u certo grado de racoaldad e la asgacó de probabldades, los valores que se determe, auque elegdos lbremete, o puede ser arbtraros. Ua forma de asegurar la racoaldad y que uestras probabldades subjetvas o os haga currr e stuacoes cotraras a uestros tereses, es que los grados de cofaza que asgemos a la ocurreca de los sucesos, verfque los axomas de Kolmogorov. Detro de la probabldad subjetva hay dsttas corretes, como el tucosmo que cosdera la probabldad como algo drectamete tuble por el dvduo y prevo a cualquer expereca, o el decsosmo que trata de medr el grado de cofaza, co que el sujeto espera la aparcó de u suceso, a través de las decsoes que adopta e relacó co la verfcacó de ese suceso. Exste otras terpretacoes posbles de la probabldad, como los dsttos coceptos lógcos o relacoales, pero so de meos terés para osotros. 6. Probabldad codcoada (OPTATIVO) Sea u suceso B del sgma álgebra, tal que se verfque que P( B ) > 0. Etedemos por "probabldad del suceso A codcoada por el suceso B", y la otaremos P( A / B ), a la probabldad de que ocurra A supuesto que ha ocurrdo B. El valor de esta probabldad vee dada por la expresó: P A / B P A B P B Es medato ver que fjado B, la probabldad codcoada P( A / B ) es ua fucó de probabldad, pues verfca los tres axomas. Sucesos depedetes e depedetes B. E geeral, ocurrrá que P( A / B ) P( A ), y e tal caso, dremos que A depede de S por el cotraro, P( A / B ) = P( A ), dremos que A es depedete de B. E tal caso sucede que: P A P A B P B despejado se obtee la sguete expresó: P( A B ) = P( A ) P( B ) que puede ser utlzada como defcó alteratva de sucesos depedetes, o be os permte calcular la probabldad de la terseccó de sucesos depedetes.

9 Pága 9 IMADIL TEMA 5. Notas Debe de teerse muy e cueta que esta regla que os dca que la probabldad de la terseccó de dos sucesos es gual al producto de las probabldades de los sucesos, sólo es aplcable e el caso de que sea depedetes. E el caso geeral, la expresó que proporcoa la probabldad de la terseccó es: P( A B ) = P( B ) P( A / B ) Es fácl demostrar que la depedeca es mutua, es decr que s A es depedete de B, també B es depedete de A. 7. Teorema de Bayes (OPTATIVO) Sea A 1, A 2,... A, sucesos mutuamete excluyetes que forma u sstema exhaustvo; es decr que E = A 1 A 2... A, y de los cuales se sabe (o puede asgarse) sus probabldades P( A ). Sea B u suceso para el cual se cooce las probabldades codcoadas P( B / A ). E estas codcoes, el teorema de Bayes expresa que las P( A / B ) so: P A / B P A PB / A P A PB / A 1 E efecto, por la defcó de probabldad codcoada: P A / B P A B P B pero el umerador es gual a: por otra parte, el deomador es gual a: / P A B P A P B A P B P B E P B A y por la propedad dstrbutva de la terseccó respecto de la uó, teemos que: por cosguete: P 1 B P B A PB A 1 1

10 Pága 10 IMADIL José María Salas y José Lus Padlla / P B P A P B A 1 Susttuyedo umerador y deomador por las expresoes obtedas, tedremos falmete: P A / B 1 / P A P B A / P A P B A A las probabldades P( A ) se les deoma probabldades a pror. Se llama verosmltudes a las P( B / A ) y a las P( A / B ) probabldades a posteror. Como ha poddo verse, el teorema de Bayes se obtee como ua deduccó lógca, a partr de la defcó de probabldad codcoada, por lo que su expresó o puede estar sujeta a cotroversa, detro del Cálculo de Probabldades. S embargo, las codcoes ecesaras para su empleo y su terpretacó dvde a los estadístcos e dos escuelas dferetes, y a meudo rrecoclables, los cláscos o frecuetstas, frete a los bayesaos. El puto fudametal de dscrepaca radca e la aturaleza de las probabldades a pror, para u estadístco clásco estas probabldades debe de ser coocdas objetvamete, a partr de uos datos empírcos, y o so modfcables. Para u estadístco bayesao las probabldades a pror puede ser objetvamete descoocdas, de forma que se les asga valor e fucó de uestro grado de coocmeto o covccoes prevas; por ejemplo, cuado o teemos gua formacó sobre la ocurreca de los A se les asga a todos ellos la msma probabldad, dado lugar a ua dstrbucó uforme de probabldad, que es la meos formatva. La ocurreca, o o ocurreca, del suceso B proporcoa evdeca e favor de uo u otro de los sucesos del sstema, de tal forma que las probabldades a posteror vedría a susttur a las probabldades asgadas calmete.

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

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

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

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

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

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

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

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

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

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

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

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

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

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

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

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

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

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 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

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

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

Más detalles

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

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

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

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

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

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

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

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

Tema 2 Probabilidad. 1. Conceptos básicos. 2. Probabilidad. 3. Probabilidad condicionada. 4. Independencia de sucesos

Tema 2 Probabilidad. 1. Conceptos básicos. 2. Probabilidad. 3. Probabilidad condicionada. 4. Independencia de sucesos Tema 2 robabldad. oceptos báscos 2. robabldad 3. robabldad codcoada 4. depedeca de sucesos 5. Teorema de la probabldad total 6. Teorema de ayes 7. sgacó de probabldades 8. álss combatoro . oceptos báscos.

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

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

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

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

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

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

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

-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

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

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

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

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

Más detalles

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

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

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

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

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

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

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

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

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

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

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

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 I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

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

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

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

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

Más detalles

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

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES

LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp) Vol. 101, Nº. 1, pp 21-33, 2007 VII Programa de Promocó de la Cultura Cetífca y Tecológca LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES FCO. JAVIER GIRÓN GONZÁLEZ-TORRE

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

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

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

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

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

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

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

Más detalles

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

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 aalzó el sgo

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles