JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
|
|
- María Mercedes Cano Campos
- hace 7 años
- Vistas:
Transcripción
1 JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas
2 PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme continua? Cómo es su distribución? Con qué otro nombre se le llama a la distribución uniforme continua?
3 RESPUESTA A LA PREGUNTA #1 Una variable aleatoria uniforme discreta X toma los valores x 1, x 2,, x k, con probabilidades idénticas, entonces la distribución uniforme discreta está dada por: 1 ( x; k) = x = x1, x2 xk f,..., k Una variable aleatoria uniforme continua X es una función de densidad plana, y la probabilidad es uniforme en un intervalo cerrado, entonces la distribución uniforme continua está dada por: f ( x; A, B) 1 = B A 0 A x B otro caso
4 PREGUNTA #2 Reconozca en el siguiente problema: Cuál es la variable aleatoria? Cuál distribución de probabilidad está presente? Cuáles son los parámetros de los cuales depende la distribución de probabilidad? Una computadora contiene 20 circuitos integrados independientes, la probabilidad de que cualquier circuito integrado esté defectuoso es 0.1. La computadora trabaja solamente si no contiene circuitos defectuosos. Cuál es la probabilidad de que la computadora trabaje?
5 RESPUESTA A LA PREGUNTA #2 X = Cantidad de circuitos integrados defectuosos de la computadora Variables aleatoria binomial Distribución Binomial, es un experimento de Bernoulli Los parámetros de los cuales depende la distribución de probabilidad son: Número de pruebas (n = 20) Probabilidad de éxito en una prueba dada (p = 0.1)
6 PREGUNTA #3 Reconozca en el siguiente problema: Con cuál o cuáles distribuciones de probabilidad se deben trabajar para contestar las preguntas dadas? Cuáles son los parámetros de los que depende las distribuciones de probabilidad? Una computadora contiene 20 circuitos integrados independientes, la probabilidad de que cualquier circuito integrado esté defectuoso es 0.1. Cuál es la probabilidad de que el décimo circuito sea el primero que se encuentre defectuoso? Cuál es la probabilidad de que el onceavo circuito sea el quinto que se encuentre defectuoso?
7 RESPUESTA A LA PREGUNTA #3 Distribución geométrica: Probabilidad de éxito en una prueba dada (p = 0.1) Distribución binomial negativa: Número de éxitos que se desean (k = 5) Probabilidad de éxito en una prueba dada (p = 0.1)
8 PREGUNTA #4 Explique qué es el proceso de Bernoulli? Cite sus propiedades.
9 RESPUESTA A LA PREGUNTA #4 Consiste en pruebas repetidas, cada una con dos posibles resultados que se pueden etiquetar como éxito o fracaso. Propiedades: El experimento consiste en n pruebas que se repiten. Cada prueba produce un resultado que se puede clasificar como éxito o fracaso. La probabilidad de un éxito, que se denota con p, permanece constante en cada prueba. Las pruebas que se repiten son independientes.
10 PREGUNTA #5 Qué es una variable aleatoria multinomial? Qué es una variable aleatoria hipergeométrica? En qué se diferencia de una variable aleatoria binomial? Cite sus propiedades.
11 RESPUESTA A LA PREGUNTA #5 El experimento binomial se convierte en un experimento multinomial si cada prueba tiene más de dos resultados posibles. Si una prueba dada puede conducir a los k resultados posibles E 1, E 2,, E k con probabilidades p 1, p 2,, p k, entonces la distribución de probabilidad de las variables aleatorias X 1, X 2,, X k, que representan el número de ocurrencias para E 1, E 2,, E k en n pruebas independientes es n x1 x2 xk f ( x1, x2,..., xk ; p1, p2,..., pk, n) p1 p2... pk x1, x2,..., x = k k i= 1 x i k = n i= 1 p i = 1
12 RESPUESTA A LA PREGUNTA #5 Se interesa en el cálculo de probabilidades para el número de observaciones que caen en una categoría en particular. Pero a diferencia de la binomial, que son pruebas independientes, la hipergeométrica son pruebas dependientes. En general, interesa la probabilidad de seleccionar x éxitos de los k artículos considerados como éxito y n x fracasos de los N k artículos que se consideran fracasos cuando se selecciona una muestra aleatoria de tamaño n de N artículos. Se selecciona sin reemplazo una muestra aleatoria de tamaño n de N artículos. Los k de los N artículos se pueden clasificar como éxitos y N k se clasifican como fracasos.
13 PREGUNTA #6 Con cuál distribución de probabilidad se debe trabajar para modelar el siguiente problema? Cuáles son los parámetros de los que depende la distribución de probabilidad? En una bolsa se tienen 3 pelotas amarillas, 8 verdes y 2 negras. Se seleccionan sin reposición 5 pelotas de la bolsa.
14 RESPUESTA A LA PREGUNTA #6 Distribución hipergeométrcia multivariada: Tamaño de la población (N = 13) Tamaño de la muestra (n = 5) Cantidad de elementos de las k celdas (a 1 = 3, a 2 = 8, a 3 = 2)
15 PREGUNTA #7 La distribución binomial al tener pruebas independientes, el muestreo se debe efectuar sin reemplazo. Verdadero o falso? Justifique.
16 RESPUESTA A LA PREGUNTA #7 Falso. La distribución binomial al tener pruebas independientes, el muestreo se debe efectuar con reemplazo.
17 PREGUNTA #8 La distribución hipergeométrica al tener pruebas dependientes, el muestreo se debe efectuar sin reemplazo. Verdadero o falso? Justifique.
18 RESPUESTA A LA PREGUNTA #8 Verdadero. La distribución hipergeométrica al tener pruebas dependientes, el muestreo se debe efectuar sin reemplazo.
19 PREGUNTA #9 La distribución binomial es una distribución específica de la distribución binomial negativa. Verdadero o falso? Justifique.
20 RESPUESTA A LA PREGUNTA #9 Falso. La distribución binomial negativa es una distribución específica de la distribución binomial.
21 PREGUNTA #10 La distribución geométrica es una distribución específica de la distribución binomial negativa. Verdadero o falso? Justifique.
22 RESPUESTA A LA PREGUNTA #10 Verdadero. La distribución geométrica es una distribución específica de la distribución binomial negativa.
23 PREGUNTA #11 Cómo se llaman los experimentos que dan valores numéricos de una variable aleatoria X, el número de resultados que ocurren durante un intervalo dado o en una región específica? Cite sus propiedades.
24 RESPUESTA A LA PREGUNTA #11 Experimentos de Poisson, proceso de Poisson: El número de resultados que ocurren en un intervalo o región específica es independiente del número que ocurre en cualquier otro intervalo o región del espacio disjunto. No tiene memoria. La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o en una región pequeña es proporcional a la longitud del intervalo o al tamaño de la región, y no depende del número de resultados que ocurren fuera de este intervalo o región. La probabilidad de que ocurra más de un resultado en tal intervalo corto o que caiga en tal región pequeña es insignificante
25 PREGUNTA #12 El número medio de resultados en un proceso de Poisson se calcula de μ = λt, donde t es el tiempo dado o región específica. Qué es el parámetro λ?
26 RESPUESTA A LA PREGUNTA #12 El parámetro λ es la tasa de ocurrencia, o sea, el número promedio de resultados por unidad de tiempo dado o región específica.
27 PREGUNTA #13 Con cuál distribución de probabilidad se debe trabajar para modelar el siguiente problema? Cuáles son los parámetros de los que depende la distribución de probabilidad? El número de mensajes transmitidos en un servidor de correo tiene un promedio de 5 mensajes por milisegundo.
28 RESPUESTA A LA PREGUNTA #13 Distribución de Poisson: Número promedio de resultados por unidad de tiempo dado o región específica (λ = 5) Intervalo de tiempo dado o región específica (t = 1ms)
29 PREGUNTA #14 Cuál distribución de probabilidad tiene una fuerte relación con la distribución de Poisson? Justifique.
30 RESPUESTA A LA PREGUNTA #14 Distribución Exponencial La distribución de Poisson se utiliza para calcular la probabilidad de números específicos de eventos durante un periodo o espacio particular. En muchas aplicaciones, el tiempo o la cantidad de espacio es la variable aleatoria. La distribución exponencial se utiliza como modelo para representar tiempo de funcionamiento o de espera. También expresa el tiempo que transcurre entre sucesos que se contabilizan mediante la distribución de Poisson.
31 PREGUNTA #15 Con cuál distribución de probabilidad se debe trabajar para modelar el siguiente problema? Cuáles son los parámetros de los que depende la distribución de probabilidad? Suponga que se define la variable aleatoria T que mide el tiempo de transmisión de un mensaje en milisegundos del servidor de correo del problema anterior.
32 RESPUESTA A LA PREGUNTA #15 Distribución Exponencial Número promedio de resultados por unidad de tiempo dado o región específica (λ = 5) ó Tiempo medio entre eventos (β = 1/5)
33 PREGUNTA #16 La distribución de Poisson puede relacionarse con la distribución gamma? Justifique.
34 RESPUESTA A LA PREGUNTA #16 Sí, la distribución gamma describe el tiempo o espacio que transcurre hasta que ocurre un número específico de eventos de Poisson.
35 PREGUNTA #17 Con cuál distribución de probabilidad se debe trabajar para modelar el siguiente problema? Cuáles son los parámetros de los que depende la distribución de probabilidad? El tiempo (en milisegundos) de respuesta de α peticiones ping a cierto servidor es una variable aleatoria con un tiempo medio de 1/5. En este servidor se dan dos maneras diferentes de respuesta, bajo las condiciones de respuesta A α = 10, pero bajo las B α = 5. Las condiciones de respuesta A se dan el 60% de las veces, y las B el 40% restante.
36 RESPUESTA A LA PREGUNTA #17 Distribución gamma: Número de eventos específicos que ocurren (α = 10 tipo A y α = 5 tipo B) Tiempo medio entre eventos (β = 1/5)
37 PREGUNTA #18 Con cuál distribución de probabilidad se debe trabajar para modelar el siguiente problema? Cuáles son los parámetros de los que depende la distribución de probabilidad? La duración de cada uno de 2 instrumentos electrónicos D 1 y D 2 presenta una distribución con medias 40 y 45, desviaciones estándar 36 y 9; respectivamente.
38 RESPUESTA A LA PREGUNTA #18 Distribución normal: Media (μ = 40 tipo D 1 y μ = 45 tipo D 2 ) Desviación estándar (σ = 36 tipo D 1 y σ = 9 tipo D 2 )
39 PREGUNTA #19 Sea X un número aleatorio entre 0 y 5. Cuál es la distribución de probabilidad de la variable aleatoria X? Cuáles son los parámetros de los que depende la distribución de probabilidad?
40 RESPUESTA A LA PREGUNTA #19 Distribución uniforme continua o rectangular: Límite inferior del intervalo (A = 0) Límite superior del intervalo (B = 5)
41 PREGUNTA #20 Sea X un número de la lotería nacional. Cuál es la distribución de probabilidad de la variable aleatoria X? Cuáles son los parámetros de los que depende la distribución de probabilidad?
42 RESPUESTA A LA PREGUNTA #20 Distribución uniforme discreta: Cantidad de observaciones puntuales con probabilidades idénticas (k = 100)
43 PREGUNTA #21 Mediante qué distribuciones se puede aproximar una distribución binomial? Cuáles son los requisitos?
44 RESPUESTA A LA PREGUNTA #21 Distribución de Poisson: Cuando n, p 0, y μ = np permanece constante, b(x;n,p) p(x;μ) Distribución normal: Cuando su gráfico de barras (o histograma) se puede trazar una curva normal. Cuando n, μ = np y σ 2 = npq, b(x;n,p) n(z;0,1)
45 PREGUNTA #22 Mediante qué distribuciones se puede aproximar una distribución hipergeométrica? Cuáles son los requisitos?
46 RESPUESTA A LA PREGUNTA #22 Distribución binomial: Cuando n es pequeño comparado con N, la naturaleza de los N artículos cambia muy poco en cada prueba. La cantidad k/n juega el papel del parámetro binomial p. Distribución normal: Cuando su gráfico de barras (o histograma) se puede trazar una curva normal.
47 PREGUNTA #23 Cuáles son los nombres que recibe la distribución normal? Por qué?
48 RESPUESTA A LA PREGUNTA #23 Distribución campana: Por la forma que tiene Distribución gaussiana: En honor de Karl Friedrich Gauss
49 PREGUNTA #24 Cite las propiedades de la curva normal.
50 RESPUESTA A LA PREGUNTA #24 Propiedades de la curva normal: La moda, que es el punto sobre el eje horizontal donde la curva es un máximo, ocurre en x = µ. La curva es simétrica alrededor de un eje vertical a través de la media µ. La curva tiene sus puntos de inflexión en x = µ ± σ, es cóncava hacia abajo si µ - σ < X < µ + σ, y es cóncava hacia arriba en cualquier otro punto. La curva se aproxima al eje horizontal de manera asintótica conforme se aleja de la media en cualquier dirección. El área total bajo la curva y sobre el eje horizontal es igual a 1.
51 PREGUNTA #25 Cómo es la forma de la curva normal cuando su varianza es pequeña? Cómo es la forma de la curva normal cuando su varianza es grande?
52 RESPUESTA A LA PREGUNTA #25 La forma de la curva normal cuando su varianza es pequeña es alargada y delgada. La forma de la curva normal cuando su varianza es grande es chata y gorda.
53 PREGUNTA #26 Cómo se puede obtener la probabilidad entre un intervalo dado de la distribución normal, para cualquier valor que se asigne a los parámetros μ y σ?
54 RESPUESTA A LA PREGUNTA #26 Se puede transformar un conjunto de observaciones de cualquier variable aleatoria normal X a un nuevo conjunto de observaciones de una variable aleatoria normal Z con μ = 0 y σ 2 = 1, por medio de: Z µ = X σ
55 PREGUNTA #27 La distribución exponencial y la distribución chicuadrada son distribuciones específicas de la distribución gamma. Verdadero o falso? Justifique.
56 RESPUESTA A LA PREGUNTA #27 Verdadero. La distribución exponencial y la distribución chi-cuadrada son distribuciones específicas de la distribución gamma.
57 PREGUNTA #28 La distribución chi-cuadrada depende de los parámetros α y β (ambos valores son mayores que 0), como su distribución madre. Verdadero o falso? Justifique.
58 RESPUESTA A LA PREGUNTA #28 Falso. La distribución chi-cuadrada depende sólo del parámetro v (entero positivo), llamado grados de libertad.
59 PREGUNTA #29 Por qué es importante estudiar la distribución chicuadrada?
60 RESPUESTA A LA PREGUNTA #29 La distribución chi-cuadrada juega un papel muy importante en la inferencia estadística. Es un componente importante de la prueba de hipótesis y la estimación estadística.
61 PREGUNTA #30 En qué casos se aplica la distribución logarítmica normal?
62 RESPUESTA A LA PREGUNTA #30 La distribución logarítmica normal se aplica en casos donde una transformación de logarítmico natural tiene como resultado una distribución normal.
63 PREGUNTA #31 En dónde se aplica la distribución de Weibull?
64 RESPUESTA A LA PREGUNTA #31 La distribución de Weibull se aplica con una razón de falla más general aplicable por desgaste y no de manera aleatoria, ya que describe los tiempos de falla de componentes cuando sus razones de falla crecen o decrecen con el tiempo.
65 PREGUNTA #32 Cuáles son los parámetros de que depende la distribución de Weibull?
66 RESPUESTA A LA PREGUNTA #32 Distribución de Weibull: α y β, α > 0 y β > 0.
Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesClase 7: Algunas Distribuciones Continuas de Probabilidad
Clase 7: Algunas Distribuciones Continuas de Probabilidad Distribución Uniforme Continua Una de las distribuciones continuas más simples en Estadística es la Distribución Uniforme Continua. Esta se caracteriza
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesClase 6: Algunas Distribuciones de Probabilidad Discreta
Clase 6: Algunas Distribuciones de Probabilidad Discreta Distribución Uniforme discreta La más simple de todas las distribuciones de probabilidad discreta es una donde la v.a. toma cada uno de sus valores
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detalles5. MODELOS PROBABILISTICOS.
5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detallesDefinición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...
Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme
Más detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesDistribuciones de probabilidad con R Commander
Distribuciones de probabilidad con R Commander En el menú Distribuciones podemos seleccionar Distribuciones discretas Distribuciones continuas Las distribuciones discretas que aparecen en R Commander son
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesUn experimento binomial posee las siguientes características: 1. El experimento consiste de n ensayos repetidos.
Experimento Binomial Experimento que consiste en ensayos independientes repetidos, cada uno con dos posibles resultados que se denominan éxito y fracaso, donde la probabilidad de éxito es la misma en cada
Más detallesDISTRIBUCIONES DE PROBABILIDAD (RESUMEN)
DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesCondiciones para una distribución binomial
ESTADÍSTICA INFERENCIAL FUNCIONES DE PROBABILIDAD DISCRETAS: BINOMIAL y POISSON EJERCICIOS RESUELTOS DE FUNCIÓN DE PROBABILIDAD BINOMIAL USANDO TABLAS y EXCEL Prof.: MSc. Julio R. Vargas A. Fórmulas de
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesTransformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesMATEMÁTICA DE CUARTO 207
CAPÍTULO 1 CONJUNTOS NUMÉRICOS 1 Introducción... pág. 9 2 Números naturales... pág. 10 3 Números enteros... pág. 10 4 Números racionales... pág. 11 5 Números reales... pág. 11 6 Números complejos... pág.
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Maestría en Administración Universidad Nacional Autónoma de México DISTRIBUCIONES DE PROBABILIDAD Introducción Una distribución de probabilidad indica toda la gama de valores
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesHistograma del puntaje de vocabulario y la aproximación por una curva gaussiana.
35 Curvas de densidad Existe alguna manera de describir una distribución completa mediante una única expresión? un diagrama tallo-hoja no es práctico pues se trata de demasiados datos un histograma elimina
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detalles1 - TEORIA DE ERRORES : distribución de frecuencias
- TEORIA DE ERRORES : distribución de frecuencias CONTENIDOS Distribución de Frecuencias. Histograma. Errores de Apreciación. Propagación de errores. OBJETIVOS Representar una serie de datos mediante un
Más detallesDISTRIBUCIÓN NORMAL CAPÍTULO 16
CAPÍTULO 6 DISTRIBUCIÓN NORMAL Cuando los datos están distribuidos con frecuencias ascendentes-descendentes aproimadamente simétricas, se le llama distribución normal. Cuando se trata de una variable discreta,
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesDistribución Normal. Universidad Diego Portales Facultad de Economía y Empresa. Estadística I Profesor: Carlos R. Pitta
Distribución Normal La distribución normal (O Gaussiana) se define como sigue: En donde y >0 son constantes arbitrarias. Esta función es en realidad uno de las más importantes distribuciones de probabilidad
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesObjetivo: Entender la diferencia entre una desviación y una distribución. Reconocer los tipos de desviaciones y distribuciones.
PROBABILIDAD Y ESTADÍSTICA Sesión 2 2 MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS DISCRETOS 2.1 Definición de variable aleatoria discreta 2.2Función de probabilidad y de distribución 2.3 Valor esperado
Más detallesControl Estadístico de Procesos (SPC) para NO estadísticos.
Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesHabilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Más detallesModelos Estadísticos de Crimen
Universidad de los Andes Modelos Estadísticos de Crimen 27 de Mayo de 2015 Motivacion Conocer la densidad de probabilidad del crimen sobre una ciudad, a distintas horas del día, permite Modelos Estadísticos
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesDistribuciones Dis de Probabilidad Pr Contínuas Jhon Jairo Jair Pa P dilla a Aguilar, Aguilar PhD. PhD
Distribuciones de Probabilidad Contínuas Jhon Jairo Padilla Aguilar, PhD. Introducción En esta sección se estudiarán algunas distribuciones de probabilidad contínuas que son bastante utilizadas en ingeniería
Más detallesProblemas. Variables Aleatorias. Modelos de Probabilidad
Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesProceso de llegadas de Poisson
Gestión y Planificación de Redes y Servicios Proceso de llegadas de Poisson Area de Ingeniería Telemática http://www.tlm.unavarra.es Grado en Ingeniería en Tecnologías de Telecomunicación, 4º Proceso de
Más detallesModelos de distribuciones discretas
Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesDistribuciones de Probabilidad Normal [Gaussiana]
Distribuciones de Probabilidad Normal [Gaussiana] Distribución Normal o Gaussiana Una variable aleatoria X es llamada variable aleatoria normal (guassiana) si su pdf está dado por, 1 2 2 x / 2 f X x e
Más detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 2012) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 1) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dadas las matrices A = x y z y B = 1, se pide: 1 1 3 1 k, X = 1.
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detallesGuía del Capítulo 3. SISTEMAS DE PARTÍCULAS. A un sistema particulado se le efectúa un análisis por tamizado dando los siguientes resultados:
Guía del Capítulo 3. SISTEMAS DE PARTÍCULAS Problema 3.1 A un sistema particulado se le efectúa un análisis por tamizado dando los siguientes resultados: Mallas Tyler Masa (g) -28 +35 5-35 +48 8-48 +65
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesUNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE CIENCIAS FINANCIERAS Y CONTABLES SILABO
ASIGNATURA: ESTADÍSTICAS CÓDIGO: CCC211 I. DATOS GENERALES: 1.1. DEPARTAMENTO ACADEMICO : MATEMÁTICA 1.2. ESCUELA PROFESIONAL : CONTABILIDAD 1.. ESPECIALIDAD : CONTABILIDAD 1.. NOMBRE DE CARRERA : CONTADOR
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
Más detallesEjercicio 2. Sean A, B dos sucesos tales que P (A) = 0 4, P (B) = 0 65 y P ( (A B) (A B) ) = Hallar P (A B).
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 2, curso 2006 2007. Ejercicio 1. Dados cuatro sucesos A, B, C y D, la probabilidad de que ocurra al menos uno
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Una carpintería vende paneles de contrachapado de dos tipos A y B.
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesCurso. Análisis Estadístico de Datos Climáticos
Curso I-1 Análisis Estadístico de Datos Climáticos Distribuciones de Probabilidad Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Montevideo, Uruguay 2011 I-2 DISTRIBUCIONES DE PROBABILIDAD
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detallesLímites y continuidad de funciones reales de variable real
Límites y continuidad de funciones reales de variable real Álvarez S., Caballero M.V. y Sánchez M. a M. salvarez@um.es, m.victori@um.es, marvega@um.es Índice 1. Definiciones 3 2. Herramientas 10 2.1. Funciones
Más detalles