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 -

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

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

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

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

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

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

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

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

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

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

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

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

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

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

LECCIONES DE ESTADÍSTICA

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

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

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

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

MS Word Editor de Ecuaciones

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

Más detalles

Distribución conjunta de variables aleatorias

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

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

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

Más detalles

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

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

Más detalles

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

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

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

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

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

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

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

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

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

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

Topología General Capítulo 0-2 -

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

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

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

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES.

VARIABLES ESTADÍSTICAS BIDIMENSIONALES. CONTENIDOS: VARIABLES ESTADÍSTICAS BIDIMENSIONALES. Orgazacó de dato: tabla de frecueca de doble etrada. Frecueca margale. Dagrama de dperó. Regreó leal: recta de regreó. Coefcete de correlacó leal. Iterpretacó.

Más detalles

Manual de Estadística

Manual de Estadística Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo

Más detalles

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

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

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

Más detalles

GENERACION DE NUMEROS ALEATORIOS

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

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A

Más detalles

V Muestreo Estratificado

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

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

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

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

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

(PROBABILIDAD) (tema 15 del libro)

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

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

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

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

Más detalles

Simulación de sistemas discretos

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

Más detalles

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

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

Más detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

Profr. Efraín Soto Apolinar. Área bajo una curva

Profr. Efraín Soto Apolinar. Área bajo una curva Profr. Efraí Soto Apoliar. Área bajo ua curva Nosotros coocemos muchas fórmulas para calcular el área de diferetes figuras geométricas. Por ejemplo, para calcular el área A de u triágulo co base b altura

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

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

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

Más detalles

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

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

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

INTRODUCCION A LA GEOESTADISTICA

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

Más detalles

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

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

Más detalles

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

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

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

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

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

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

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

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

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

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

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

Más detalles

Lenguaje humano. Representación de la información. Utiliza un conjunto de símbolos alfanuméricos. Puede representar Información

Lenguaje humano. Representación de la información. Utiliza un conjunto de símbolos alfanuméricos. Puede representar Información Leguje humo Represetcó de l formcó Utlz u cojuto de símbolos lfumércos Crcteres lfbétcos:, B, C,.Z,, b, c,...z Símbolos umércos 9 sgos de putucó... Puede represetr Iformcó umérc lfumérc Leguje del ordedor

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Análisis de correlación y regresión

Análisis de correlación y regresión Capítulo Aálss de correlacó regresó 3 Seccoes Itroduccó 3. Correlacó leal. 3. Regresó leal. 3.3 Regresó o leal fucoes trísecamete leales. 3.4 Regresó multleal. Atecedetes Itervalos de cofaza Prueas de

Más detalles

Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios

Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios Sufceca de Captal y Resgo de Crédto e Carteras de Préstamos Bacaros U modelo de mpago que relacoa la sufceca de captal co el resgo de crédto, mde el resgo de cocetracó, y determa límtes dvduales para los

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

IES Fco Ayala de Granada Septiembre de 2015 (Modelo 3) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2015 (Modelo 3) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 2015 MODELO 3 OPCIÓN A EJERCICIO 1 (A) 8-4 1 2 Sea las matrices A = -1 2, B = 1 2 2-1 -1 2, C = 12 8. -8 4 (0 5 putos) Calcule A 2. (1 7 putos) Resuelva

Más detalles

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

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

Más detalles

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles