1.- DISTRIBUCIÓN BIDIMENSIONAL

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "1.- DISTRIBUCIÓN BIDIMENSIONAL"

Transcripción

1 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BIDIMENSIONAL Cuado se quere estudar característcas X e Y de ua msma poblacó, los datos que se obtee so parejas de valores (x, y) El cojuto de datos (x,y) se llama dstrbucó bdmesoal. La represetacó grafca de los putos (x, y) se llama ube de putos o dagrama de dspersó Ejemplo: Notas de alumos e Matemátcas y Físca Alumo a b c d e f g h j k l Matemátcas Físca S la ube de putos se cocetra e toro a ua líea se dce que hay correlacó etre las dos varables. La correlacó será mas fuerte cuato mayor sea la cocetracó de los putos etoro a esa líea La correlacó será postva o drecta s la líea es crecete y egatva o versa s es decrecete S la ube se ajusta perfectamete a ua líea se dce que la correlacó es fucoal. E este caso, los putos forma parte de la grafca de ua fucó S los putos está esparcdos s cocetrarse e toro a gua líea, se dce que o hay relacó etre las varables (correlacó ula). E este caso, las varables está correladas. - -

2 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0.- MEDIDA DE LA CORRELACIÓN. RECTAS DE REGRESIÓN Dada (X, Y) ua varable bdmesoal co datos (x,y). Se defe los sguetes parámetros: Medas artmétcas de X y de Y: x x.f y.f, y Cetro de gravedad de la dstrbucó: ( x, y ) Varaza y desvacó típca de X y de Y: x.f varaza: x x Desvacó típca: x x y.f varaza: y y Desvacó típca: y y Covaraza etre X e Y : xy xyf x y Coefcete de correlacó de Pearso: xy r x y Propedades del coefcete de correlacó ) El coefcete de correlacó, r, tee el msmo sgo que la covaraza y os srve para medr el grado de relacó o depedeca etre las varables X e Y ) - r 3) S r, la ube de putos se ajusta perfectamete a ua recta 4) S r es postvo, la correlacó es postva y s r es egatvo, la correlacó es egatva 5) Cuato más próxmo esté r al 0 más débl es la correlacó 6) Cuáto más próxmo esté r al, más fuerte es la correlacó Iterpretacó de la correlacó segú el valor del coefcete de correlacó Rectas de regresó So las rectas que mejor se ajusta a la ube de putos de forma que la ube de putos está muy cocetrada e toro a ellas Recta de regresó de Y sobre X xy r yx : y y (x x) x xy es la pedete de la recta y se llama coefcete de regresó de Y sobre X x Recta de regresó de X sobre Y xy r xy : x x (y y) y xy y se llama coefcete de regresó de X sobre Y ) Las dos rectas se corta e el cetro de gravedad ( x, y ) Propedades de las rectas de regresó ) Cuáto más fuerte es la correlacó meor es el águlo que forma etre sí ambas rectas 3) La recta de regresó de Y sobre X se puede usar para estmar lo que vale y para u valor dado de x. La estmacó es más fable cuato más fuerte sea la correlacó etre las varables y cuato más cerca esté el valor x de los valores x de la dstrbucó APARTADOS y EJERCICIOS PROPUESTOS Pág 344 : b) c) y 4 Pág. 345: 7, 8, 0,, y 3 Pág.346: 5, 6, 0, y 3 Pág. 347: 3 - -

3 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 3.- COMBINATORIA Factoral de u úmero atural El factoral de u úmero atural, se defe por la fórmula!.( - ).( - ) Se lee factoral Ejemplos:! ;!. ; 3! ! y así sucesvamete 0! (por coveo) El factoral de u úmero se puede hallar co la calculadora cetífca. Por ejemplo, s queremos calcular 3!, el proceso es el sguete: 3 x!. Nos da como resultado: Número combatoro Dados dos úmeros aturales y m (co m ) se defe el úmero combatoro sobre m por la fórmula! m m!.(-m)! Por ejemplo: 5 5! !.! 4!.! Propedades ). Por ejemplo, 6 6 ) 0. Por ejemplo, ! ) m -m. Por ejemplo, Varacoes y combacoes Se llama varacoes al º de resultados que se puede obteer e u expermeto, de forma que s cambamos de orde los elemetos e uo de los resultados se obtee u resultado dstto. Por ejemplo, s formamos úmeros de 3 cfras a partr de los dígtos,, 3, 4, 5 y 6, o es lo msmo el úmero 43 que el 43 Se llama combacoes al º de resultados que se puede obteer e u expermeto de forma que s cambamos de orde los elemetos e cualquera de los resultados se obtee el msmo resultado. Por ejemplo, s vamos a elegr a alumos de esta clase, es lo msmo elegr a Freca y Jesús que a Jesús y Freca Tpos de varacoes Varacoes co repetcó: So aquellas e las que se puede repetr los elemetos e los resultados del expermeto. Por ejemplo, formar úmeros de 3 cfras a partr de los dígtos,,3,4,5,6 Para calcular las varacoes co repetcó podemos usar la m fórmula: sedo el úmero total de VR(,m) elemetos y m el úmero de elemetos de cada resultado E el ejemplo ateror tedríamos VR(6,3) Varacoes s repetcó: So aquellas e las que se NO se puede repetr los elemetos e los resultados del expermeto. Por ejemplo, formar úmeros de 3 cfras dsttas a partr de los dígtos,,3,4,5,6 Para calcular las varacoes s repetcó podemos usar la fórmula: V(,m).(-).(-)... V(,m) es el producto de m factores decrecetes de e empezado por. E el ejemplo ateror tedríamos V(6,3) Permutacoes s repetcó: So las varacoes s repetcó e las que, e cada resultado, tervee todos los elemetos. Por ejemplo, formar úmeros de 6 cfras dsttas a partr de los dígtos,,3,4,5,6 Para calcular las permutacoes s repetcó podemos usar la fórmula: P()V(,).(-).(-)...3..! E el ejemplo ateror, tedríamos P(6) 6! 70 úmeros Permutacoes co repetcó: So las dsttas formas de ordear los elemetos de u cojuto, etre los cuales exste alguos que se repte: a so guales, otros b so guales, otros c so guales,.... El úmero de permutacoes co repetcó se represeta por PR a,b,c,... La fórmula para calcular el úmero de permutacoes co repetcó es PR! a,b,c,... a!.b!.c!... Ejemplo: De cuatas formas se puede ordear las letras: T, T, T, K, K, O? 6 6! Usado la fórmula: PR 3, 3!! formas 3... Tpos de combacoes Combacoes s repetcó: So aquellas e las que se NO se puede repetr los elemetos e los resultados del expermeto. Para calcular las combacoes s repetcó podemos usar la fórmula:! C(,m) m m!.(-m)! E el ejemplo de elegr a dos alumos de esta clase tedríamos 3 3! C(3,) ! 465!.9!!. 9! Combacoes co repetcó: So aquellas e las que se puede repetr los elemetos e los resultados del expermeto. Para calcular el úmero de combacoes co repetcó podemos usar la fórmula +m- CR(,m) m Por ejemplo, co las letras a, b, c y d, cuátos grupos de letras podemos formar (pudédose repetr las letras)? S usamos la fórmula obteemos: ! CR(4,) 0 grupos!.3! - 3 -

4 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 Ejerccos propuestos Cuátos resultados se puede obteer al lazar dados a la vez, uo rojo y otro verde? E ua ura hay 3 bolas blacas, egras y 5 azules. Se saca todas las bolas de ua e ua. Cuátos resultados se puede dar? 3 Se saca cartas, a la vez, de la baraja española, de 40 cartas. Cuátos resultados se puede dar? 4 Cuátos úmeros de 4 cfras dsttas se puede formar co los dígtos,,3,4,5 y 6? 5 Etre los colores, rojo, verde, azul, blaco y egro se elge al azar dos colores. Cuátos resultados se puede dar? 6 Cuátos productos de tres factores se puede formar co los dígtos,3,5,7 pudédose repetr los factores? 7 E ua fla co 7 sllas se seta arbtraramete Jua, María, Lus, Alfredo, Susaa, Marta y Eva. Cuátas posbldades hay? 8 Blaca y Alfredo escrbe, al azar, ua vocal cada uo e papeles dsttos. Cuátos resultados se puede dar? 9 Cuátas columas dferetes se podría rellear e la lotería prmtva? 0 Se saca 3 cartas de la baraja española de 40 cartas, s reemplazameto. Cuátos resultados se puede dar? De cuátas formas se puede setar 5 persoas e u coche? U exame tpo test costa de 8 pregutas y cada ua de ellas tee 3 posbles respuestas. De cuátas formas dsttas puede cotestarse el exame s es oblgatoro cotestarlas todas? 4.- CÁLCULO DE PROBABILIDADES 4..- Expermetos y sucesos Expermeto aleatoro Es aquel cuyo resultado depede del azar, es decr o se puede predecr de atemao qué resultado se va a obteer auque coozcamos todos los resultados posbles. Por ejemplo, lazar u dado, sacar ua bola de ua ura compuesta por bolas de dferetes colores, lazar ua moeda,. Los expermetos que o so aleatoros se llama determstas. Por ejemplo, sacar ua bola de ua ura co bolas del msmo color Espaco muestral Es el cojuto formado por todos los resultados que se puede obteer al realzar el expermeto. El espaco muestral se represeta co la letra E. Por ejemplo, e el lazameto de u dado, el espaco muestral es E {,, 3, 4, 5, 6 } Tpos de sucesos Suceso elemetal Es el que está formado por u solo elemeto. Por ejemplo, e el lazameto de u dado, A obteer el úmero 6 {6} es u suceso elemetal. Suceso seguro Es aquel que sempre ocurre al realzar el expermeto. Por ejemplo, al lazar ua moeda el suceso A salr cara o cruz { C, X } E sempre ocurre. El suceso seguro es el espaco muestral, E. Es aquel que uca ocurre. Suceso mposble Por ejemplo, e el lazameto de u dado el suceso A salr u úmero mayor que 6 uca ocurre. El suceso mposble es el cojuto que o tee "gú elemeto". Se llama cojuto vacío y se represeta por Suceso cotraro o complemetaro de u suceso A Suceso aleatoro Es cualquer subcojuto del espaco muestral. Por ejemplo, e el lazameto de u dado, A obteer u úmero par {,4,6} es u suceso aleatoro Es aquel que represeta lo cotraro al suceso A. Se represeta por A c ó A. Por ejemplo, e el lazameto de u dado, s A salr úmero par {,4,6}, etoces A c o salr úmero par salr úmero mpar {,3,5} - 4 -

5 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 Operacoes co sucesos Uó de sucesos El suceso uó de A y B es el que se cumple cuado se cumple A ó se cumple B La uó de los sucesos A y B se represeta por A U B Los elemetos de A U B se obtee tomado los elemetos de A juto co los de B. Iterseccó de sucesos El suceso terseccó de A y B es el que se cumple cuado se cumple A y B a la vez La terseccó de los sucesos A y B se represeta por A B Los elemetos de A B se obtee tomado los elemetos comues o repetdos de A y B. Ejemplo: E el lazameto de u dado, tomamos los sucesos: A "salr º par" {,4,6} B "salr º prmo" {,3,5} { } { } A U B "salr º par ó prmo",3,4,5,6 A B "salr º par y prmo" Sucesos compatbles So los que puede ocurrr a la vez. Por ejemplo, los sucesos del ejemplo ateror, so compatbles, pues s al trar el dado sale u ocurre los dos sucesos a la vez. A y B so compatbles cuado A B Sucesos compatbles So los que NO puede ocurrr a la vez. Por ejemplo, E el lazameto de u dado, los sucesos A "salr º meor que 3" {,} so compatbles. B "salr º mayor que 4" { 5,6} A y B so compatbles cuado A B 4..- Probabldad de u suceso Lazamos ua chcheta y cosderamos el suceso A "caer co la puta hacía arrba" Formamos ua tabla y obteemos los sguetes resultados: º de lazametos A º de veces que ocurre A Frecueca relatva de A fr(a) A , 0,46 0,3 0,33 0,33... p(a) lm(fr) 0,33... E geeral, sempre se cumple que la frecueca relatva de u suceso tede a establzarse e toro a u úmero, llamado probabldad del suceso, a medda que el úmero de pruebas del expermeto crece defdamete. Es la ley de los grades úmeros que fue eucada por Jakob Beroull Dado u suceso A, la probabldad de que ocurra A se represeta por p(a) y os dca s es más o meos frecuete que ocurra dcho suceso. Como este método es bastate laboroso, el matemátco fracés Perre-Smó Laplace deó ua regla para calcular probabldades e aquellos expermetos e los que todos los resultados sea equprobables, llamada regla de Laplace. Regla de Laplace S e u expermeto todos los resultados tee la msma posbldad de aparecer (resultados equprobables) etoces la probabldad de u suceso A se calcula por la regla de Laplace: p(a) Casos favorables a que ocurra A Casos posbles Por ejemplo, e el lazameto de u dado, s Casos favorables : A salr u múltplo de 3" { 3, 6 } Casos posbles : 6 Casos favorables Luego p(a) Casos posbles 6 0,333 33,3 % 3 Nota: S los resultados o so equprobables y el suceso A fuese, por ejemplo, A {a, a, a 3 }, etoces la probabldad de A se calcularía así: p(a) p(a ) + p(a ) + p(a 3 ). Por ejemplo, s se laza u dado que tee 3 cara rojas, caras verdes y cara blaca, E {R, V, B } S A salr cara roja o verde { R, V } etoces p(a) p(r) + p(v)

6 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 Propedades de la probabldad Sucesos depedetes ) La probabldad de u suceso sempre es u úmero etre 0 y (ambos cludos): 0 p(a) ) La probabldad del suceso seguro es : p(e) 3) La probabldad del suceso mposble es 0: p( ) 0 Dos sucesos so depedetes s la ocurreca o o de uo de ellos modfca la probabldad del otro Por ejemplo. Ua bolsa cotee bolas rojas y 3 egras. Sacamos dos bolas s reemplazameto. Los sucesos A la prmera bola es roja, A la seguda bola es egra so dos sucesos depedetes pues: - S ocurre A, etoces p(a ) 3/4 - S o ocurre A, etoces p(a ) /4 S dos sucesos A, A so sucesos depedetes, etoces 4) p(a) p(a), p(a) p(a) p(a A ) p(a ). p(a /A ) 5) p(a U B) p(a) + p(b) p(a B) 6) S A y B so sucesos compatbles, etoces p(a U B) p(a) + p(b) Probabldad e expermetos aleatoros compuestos U expermeto compuesto es aquel que está formado por dos o más expermetos smples. Por ejemplo, trar u dado y luego sacar ua bola de ua bolsa sedo p(a /A ) la probabldad de que ocurra A sabedo que ha ocurrdo A S p(a ) es dstta de 0, obteemos la fórmula de la probabldad codcoada p(a A ) p(a / A ) p(a ) Sucesos depedetes Dos sucesos so depedetes s la ocurreca o o de uo de ellos o modfca la probabldad del otro Por ejemplo. Ua bolsa cotee bolas rojas y 3 egras. Sacamos bolas co reemplazameto. Los sucesos A la prmera bola es roja A la seguda bola es egra so dos sucesos depedetes pues: - S ocurre A, etoces p(a ) 3/5 - S o ocurre A, etoces p(a ) 3/5 S dos sucesos A, A so sucesos depedetes, etoces p(a A ) p(a ). p(a ) Ejerccos propuestos Pág. 35: a) Pág. 353: y Pág. 355:, y 3 Pág. 357: a) Pág. 358: y 3 Pág. 359: 5 Pág. : Pág. 9: 30 Pág. 370: 37 Se tra 3 moedas al are y sea los sucesos: A salr al meos ua cara, B salr al meos dos cruces a) Descrbe los sucesos A, B, A c A B, A U B y calcula su probabldad b) Avergua s so compatbles A y B Se tee u dado trucado de forma que la probabldad de los resultados pares es /9 cada ua y la de los resultados mpares es /9 cada ua. S se tra el dado, cuál es la probabldad de que salga u úmero meor que 4? 3 E u baco hay dos alarmas A y B. E caso de atraco, la probabldad de que se actve A, B o algua de las dos es: P(A) 0,75 P(B) 0,85 ; P(A U B) 0,95. Calcula la probabldad de que: a) Se actve las dos b) No se actve A 4 De las 80 persoas que asste a u cogreso médco, 00 so mujeres. Observado las especaldades de los cogresstas, vemos que de las 60 persoas que so pedatras 0 so mujeres. Se elge al azar ua persoa asstete al cogreso. a) Cuál es la probabldad de que sea mujer y pedatra? b) Cuál es la probabldad de que o sea hombre sea pedatra? c) Cuál es la probabldad de que sea pedatra? 5 E ua ura hay cuatro bolas blacas y dos rojas. Se laza ua moeda, s sale cara se extrae ua bola de la ura y s sale cruz se extrae, s reemplazameto, dos bolas de la ura. a) Calcula la probabldad de que se haya extraído dos bolas rojas. b) Halla la probabldad de que o se haya extraído gua bola roja - 6 -

7 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 5.- VARIABLES ALEATORIAS. DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA Defcó de varable aleatora El gráfco de probabldades sería: Ua varable aleatora X es ua fucó que le hace correspoder a cada resultado de u expermeto aleatoro, u úmero real. Tpos de varables aleatoras - Dscreta: Cuado sólo toma valores aslados, x. Estas varables uca puede tomar todos los valores de u tervalo. Ejemplos: suma de putos obtedos al lazar dados, úmero de caras al lazar ua moeda 5 veces, úmero de hjos, úmero de asgaturas suspesas, úmero de lbros veddos por ua lbrería e u día, edad, - Cotua: Cuado etre dos valores, auque esté muy próxmos etre sí, sempre se puede tomar otro valor. Este tpo de varables toma todos los valores detro de u tervalo Ejemplos: estatura, logtud, vel de agua de u embalse, temperatura, Dstrbucó de probabldad e ua v.a. dscreta Se llama dstrbucó de probabldad de ua varable aleatora dscreta X co valores x, al cojuto de probabldades: p probabldad de que X sea gual a x p(x x) A la fucó F(x ) p(x x ) se le llama fucó de dstrbucó. Por ejemplo, e el expermeto aleatoro de lazar dados, X º de veces que sale el 6 es ua varable aleatora dscreta, pues X sólo toma los valores x : 0, y Los resultados del expermeto los podemos obteer medate esta tabla: La dstrbucó de probabldad es: x p p(x x ) 0 Total 5 0, ,44% 0 0,778 7,78% 0,078,78% p 00% E todas las dstrbucoes de probabldad dscreta, se cumple: p Parámetros de ua dstrbucó de probabldad dscreta Meda artmétca ó esperaza matemátca: µ x p. Varaza: (x p ) µ Desvacó típca: Nota: La varaza també se puede calcular por la fórmula (x µ ) p, pero lleva más tempo. Vamos a calcular los parámetros de la dstrbucó del ejemplo ateror: Meda o esperaza matemátca de X µ (x p) 3 0,333 (x p) - µ x p x p x p Total Varaza de X 3 Desvacó típca de X , ,57 Ejerccos propuestos Pág. 39:,, 3, 6 y 7-7 -

8 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 6.- LA DISTRIBUCIÓN BINOMIAL Cosderemos u expermeto aleatoro y sea A u suceso co p(a) p 0. Sabemos que la probabldad del suceso cotraro es: p(a c ) p. S realzamos veces el msmo expermeto y le llamamos X º de veces que ocurre el suceso A, etoces X puede tomar los valores: 0,,, 3,.,. Por tato, se trata de ua v.a. dscreta co + valores. La dstrbucó de probabldad e la B(, p) es: p p(x k) k k E la dstrbucó B(, p) : p k.( p) k, k 0,,,, Meda artmétca ó esperaza matemátca: µ.p Decmos etoces que la varable aleatora X tee dstrbucó de probabldad bomal, p. Se represeta por X B(, p) Varaza:.p.( p). Ejemplos de dstrbucoes bomales: - Lazar u dado 5 veces; X º de veces que sale el 6 - Observar 30 acmetos de u bebé; X º de ñas - Lazar a caasta 50 veces; X º de acertos - Lazar ua moeda 5 veces; X º de cruces Desvacó típca:.p.( p) Ejerccos propuestos Pág. 379: Pág. 39: 8, 9, 0 y Pág. 394: 8, 9 y DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA CONTINUA Cosderemos que represetamos e u hstograma de frecuecas relatvas las alturas X de los chcos de 5 años. S tomamos más y más observacoes y hacedo clases cada vez más fas, el hstograma tederá a ua curva que descrbrá el comportameto de la varable estudada, como muestra la fgura. Dcha curva se llama curva de desdad Dcha área sólo se puede calcular de forma exacta cuado la curva de desdad es ua recta. E los demás casos se ecesta ua herrameta matemátca llamada tegracó. A la fucó F(x) p(x x) se le llama fucó de dstrbucó. E las v.a. cotuas los parámetros meda, varaza y desvacó típca se tomara sólo de forma aproxmada. Propedades de la dstrbucó de probabldad e ua v.a. cotua ) p(x a) área del segmeto vertcal que pasa por a 0. ) P(a < X < b) P(a X < b) P(a < X b) P(a X b) Eso hace pesar e ua fucó matemátca f(x) que modelce la frecueca relatva de la altura para la poblacó de los chcos de 5 años. A dcha fucó f(x) se le llama fucó de desdad. La dstrbucó de probabldad e ua v.a. cotua es: p(a < x < b) área bajo la curva e el tervalo (a,b) área bajo la curva e el tervalo (a,b) 3) P(X < a) P(X a) área bajo la curva etre - y a. 4) P(- < X < + ) área etre la curva y el eje X 5) P(X > a) P(X a) Ejerccos propuestos Pág. 38: y - 8 -

9 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 8.- LA DISTRIBUCIÓN NORMAL La mayoría de las v.a. cotuas tee ua curva de desdad f(x) co forma de campaa de Gauss. x. Su fucó de desdad es f(x). e µ,. π sedo µ la meda y la desvacó típca. La gráfca de la fucó de desdad es: Y P(a < Z < b) P(Z < b) - P(Z < a) Φ(b)- Φ(a) µ X Puedes observar que la gráfca es smétrca respecto de la recta vertcal de ecuacó x µ. P(-b < Z < -a) P(a < Z < b) Φ(b) - Φ(a) S la curva de desdad tee esta forma dremos que X sgue ua dstrbucó ormal de meda µ y desvacó típca. Se escrbe así: X N(µ,). Las dstrbucoes de este tpo so muy corretes e la vda real. S µ 0 y, etoces a la dstrbucó Z N(0,) cuya campaa de Gauss es de la forma Y P(-a < Z < b) P(Z < b) P(Z < -a) Φ(b) - [ - Φ(a)] Φ(b) + Φ(a) - Se puede demostrar que s X N(µ,), etoces la varable Z X µ N(0,). A este proceso se le llama tpfcacó de la varable. E este caso: p(a < X < b) p( a µ < X µ < b µ ) p( a µ < Z < b µ ) le llamaremos dstrbucó ormal tpfcada. Llamaremos Φ(a) P( Z a) área bajo la curva etre - y a. S X B(, p) co 30 y los productos p > 5, (-p) > 5, etoces X se puede aproxmar por ua dstrbucó X N(p, p(-p)) Para calcular otras probabldades e la dstrbucó N(0,) usamos las sguetes fórmulas: E este caso ( ) ( ) ( ) ( ) ( ) ( < + ) ( > ) ( > + ) ( ) ( > ) P X k P k 0,5 < X < k + 0,5 P X < k P X < k 0,5 P X k P X k 0,5 P X k P X k 0,5 P X k P X k 0,5 P(Z > a) P(Z < a) - Φ(a) P(Z < -a) P(Z > a) - Φ(a) Ejerccos propuestos Pág. 393: 4, 5, 6, 7,,, 3, 4, 5 y 7 Pág. 394: 3, 3 y 33 P(Z > -a) P(Z< a) Φ(a) - 9 -

10 º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 Tabla de probabldades de la dstrbucó N(0,) Usado la tabla se puede determar Φ(k) p(z < k), co k etre 0 y 4,09. Por ejemplo, para hallar p(z <,4) buscamos e la ª columa el úmero, y e la ª fla 0,04. La terseccó os da el valor 0,895. Por tato, p(z <,4) 0,895 TRABAJO FINAL DE CURSO (TEMA 9.- CÓNICAS) Ejerccos: Pág. 35: 7 Pág. : 7a), 0, a) y 6a)b). Busca a través de Iteret aplcacoes de las cócas e la vda real - 0 -

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

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

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

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

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

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA Epermeto aleatoro.- Se llama epermeto aleatoro a todo feómeo cuyos resultados o se puede predecr de atemao, au cuado cada prueba se repta bajo las msmas codcoes. Ejemplos de

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

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

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: 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

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

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

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

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

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

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

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

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

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

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

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

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

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN

Más detalles

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones. Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

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 Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

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

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

Variables bidimensionales: regresión y correlación

Variables bidimensionales: regresión y correlación Varables bdmesoales: regresó correlacó VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1. Itroduccó.... Dstrbucoes margales... 4 3. Mometos... 7 3.1 Mometos respecto al orge... 7 3. Mometos respecto a la meda...

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

PARTE 1 - PROBABILIDAD

PARTE 1 - PROBABILIDAD arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Ejemplos cláscos de expermetos aleatoros

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

ESTADÍSTICA. Departamento de Orientación realiza una encuesta entre los estudiantes al comienzo del curso.

ESTADÍSTICA. Departamento de Orientación realiza una encuesta entre los estudiantes al comienzo del curso. ESTADÍSTICA CPR. JORGE JUA Xuva-aró La estadístca es la ceca ecargada de recoplar y ordear los datos referdos a dversos feómeos para su posteror aálss e terpretacó. Ua de las más bellas leyedas de las

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

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

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

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

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

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

2 Representación gráfica de las series de frecuencias.

2 Representación gráfica de las series de frecuencias. Estadístca Tema. Geeracó de valores de ua varable aleatora. Pág. Represetacó gráfca de las seres de frecuecas.. Represetacó gráfca de caracteres cualtatvos... Dagramas dferecales... Dagramas tegrales..

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

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

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti 116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

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

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS. 1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..

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

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

Regresión y correlación lineal.

Regresión y correlación lineal. Regresó y correlacó leal. Este procedmeto proporcoa medos legítmos, modelos matemátcos a trabes de los cuales, se puede establecer asocacoes etre varables de terés e las cuales la relacó usual o es casual.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

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

PARTE 1 - PROBABILIDAD

PARTE 1 - PROBABILIDAD arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Eemplos cláscos de expermetos aleatoros

Más detalles