8 Resolución de algunos ejemplos y ejercicios del tema 8.

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "8 Resolución de algunos ejemplos y ejercicios del tema 8."

Transcripción

1 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE Resolución de algunos ejemplos y ejercicios del tema Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal sanitario de un hospital es uniforme entre 0 y 8 minutos. 1. Determinad la función de densidad y la función de distribución y dibujadlas. 2. Calculad la probabilidad que una respuesta exceda los 7 minutos. Dibujad el área que representa esta probabilidad en la función de densidad. Cómo representaríais esta probabilidad en la función de distribución? 3. Cuál creeis que es el tiempo medio de respuesta? 1. La v.a. X tiene una ley uniforme continua U(0,8). Por tanto, la función de densidad y la función de distribución de X son: { 0, si x 0, 1/8, si x (0,8), f(x) = F(x) = x/8, si 0 x 8, 0, si x / (0,8), 1, si x P(X > 7) = 1 P(X 7) = 1 F(7) = 1 7/8 = 1/8. 3. El tiempo medio de respuesta es E(X) = (0 + 8)/2 = 4 minutos. Ejemplo 50 La caducidad (en días) de un yogur es una variable aleatoria que tiene como función de distribución F(x) = 1 exp( x/21), si x 0, y vale 0 si x < Cuál es la función de densidad de X? 2. Cuál es la probabilidad que un yogur dure más de un mes? 3. Cuál es la duración media de los yogures? 1. La función de densidad se obtiene derivando la función de distribución, por tanto, { 1 f(x) = 21 e x/21, si x 0, 0, si x < 0. 2.La probabilidad de que un yogur dure más de un mes es P(X > 30) = 1 P(X 30) = 1 F(30) = e 30/21 = A partir de la función de densidad, puede verse que la variable aleatoria X tiene una distribución exponencial con parámetro β = 21. Por tanto, la duración media de los yogures es E(X) = β = 21 días. Ejemplo 51 Lanzamos una moneda equilibrada 1000 veces. Calculad la probabilidad que el número de caras esté entre 490 y 510. Consideramos la v.a. X = número de caras obtenidas al lanzar una moneda 1000 veces, que tiene distribución binomial B(1000,1/2). Puesto

2 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 30 que np = 500 > 5 y n(1 p) = 500 > 5, podemos aproximar la ley de X por una ley normal N(500,250). Utilizando la correción por continuidad, tenemos que: P(490 < X < 510) = P( < X < ) ( = P < X 500 ) < = P( 0.66 < Z < 0.66), donde Z N(0, 1). Finalmente, utilizando las tablas de la ley normal estándar, P( 0.66 < Z < 0.66) = F(0.66) F( 0.66) = Ejemplo 52 El 5% de los termostatos fabricados por una empresa no satisfacen las especificaciones técnicas. Se extrae un lote de 2000 termostatos. a) Utilitzando la aproximación a la ley normal, calculad la probabilidad que el lote contenga más de 120 termostatos defectuosos. b) Se extrae del lote una muestra de 200 termostatos. Si el número de termostatos defectuosos en la muestra es inferior a 12, se acepta el lote, y se rechaza en caso contrario. Cuál es la probabilidad que se acepte el lote? a) La variable aleatoria X que cuenta el número de termostatos defectuosos en un lote de tamaño 2000 tiene una distribución binomial de parámetros n = 2000 y p = Puesto que n es grande, es conveniente aproximar la distribución binomial por la distribución normal de parámetros µ = np = 100 y σ 2 = np(1 p) = 95 y, por tanto, σ = 95. Entonces, tipificando la variable aleatoria X y utilizando la tabla de la distribución normal estándar, se obtiene: X P(X > 120) = P(X > ) = P > P(Z > 2) = 1 F(2) = b) Ahora, consideramos la variable aleatoria Y que cuenta el número de termostatos defectuosos en la muestra de tamaño 200. La distribución de Y es binomial de parámetros n = 200 y p = 0.05, que, como antes, la aproximaremos por una distribución normal de parámetros µ = np = 10 y σ 2 = np(1 p) = 9.5. En este caso, σ = 9.5. La probabilidad de aceptar el lote es: Y P(Y < 12) = P(Y < ) = P < P(Z < 0.81) = Ejemplo 54 Considerad la v.a. X que tiene ley uniforme discreta dada por la siguiente función de probabilidad: { 1/4, x = 1,2,3,4, f(x) = 0, en otro caso. Sean X 1,...,X n son v.a. i.i.d. con la misma distribución que X, y considerad la v.a. Y = 1 n X i. n i=1

3 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 31 Calculad la probabilidad P(2.4 < Y < 2.8) para n = 36. Respuesta: Consideramos X 1,X 2,...,X n v.a. i.i.d. con función de probabilidad f(x). Calculamos la esperanza y varianza de una de estas v.a.: E(X) = 1 4 ( ) = 5 2, E(X2 ) = 1 ( ) = 15 2, var(x) = E(X 2 ) (E(X)) 2 = = 5 4. Por tanto, según el T.L.C. la ley de Y, para n = 36, es: ( 5 Y N 2, 5/4 ) = N(5/2,5/144) = N(2.5,0.035). 36 La probabilidad que nos piden es: P(2.4 < Y < 2.8) = P < Z < = P( 0.53 < Z < 1.60) = F(1.60) F( 0.53) = F(1.60) 1 + F(0.53) 8.2 Ejercicios. = = Ejercicio 30 Sea Z N(0,1). Utilizando las tablas calculad: 1. P(Z 2), P(Z 2), 2. P(Z 1.03), P(Z 1.03), 3. P(Z 0.748), P(Z 0.748), 4. P(Z 4), P(Z 4). 1. P(Z 2) = , P(Z 2) = , 2. P(Z 1.03) = Ejercicio 31 Sea Z N(0,1). Utilizando las tablas calculad: 1. P(Z 2.1), P(Z 2.22), 2. P(Z 1.13), P(Z 1.335), 3. P(Z 1.96), P(Z 2.33), 4. P(Z 2.576), P(Z 1.642). 1. P(Z 2.1) = 1 P(Z < 2.1) = = , 2. P(Z 2.33) = 1 P(Z < 2.33) = = Ejercicio 32 Sea Z N(0,1). Utilizando las tablas calculad: 1. P(1 Z 2), 2. P(0.5 Z 1.5), 3. P( 1.96 Z 1.96),

4 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE P( 2.58 Z 2.58). 1. P(1 Z 2) = P(Z 2) P(Z < 1) = = Ejercicio 33 Suponed que la altura de las mujeres de una cierta población es una variable aleatoria con distribución normal de media 163 cm y varianza 49. Calculad: 1. La probabilidad que una mujer escogida al azar mida menos de 172 cm. 2. La probabilidad que una mujer escogida al azar mida menos de 160 cm. 3. La probabilidad que una mujer escogida al azar mida más de 155 cm. 4. La probabilidad que una mujer escogida al azar mida más de 175 cm. 5. La probabilidad que una mujer escogida al azar mida entre 158 cm y 166 cm. 1. La probabilidad que una mujer escogida al azar mida menos de 172cm es: X P(X < 172) = P < = P(Z < 1.29) = , La probabilidad que una mujer escogida al azar mida menos de 160cm es: X P(X < 160) = P < = P(Z < 0.43) = , La probabilidad que una mujer escogida al azar mida más de 155cm es: X P(X > 155) = P > = P(Z > 1.14) = P(Z 1.14) = = , 5. La probabilidad que una mujer escogida al azar mida entre 158 cm y 166 cm es: ( P(158 < X < 166) = < X 163 ) < = P( 0.71 < Z < 0.43) = P(Z < 0.43) P(Z 0.71) = = Ejercicio 34 Suponiendo que Z N(0,1), calculad utilizando las tablas: 1. El percentil 25 (o primer cuartil) es z 0.25 = El percentil 50 (o mediana) es z 0.50 = El percentil 75 (o tercer cuartil) es z 0.75 = El percentil 95 es z 0.95 = El percentil 99 es z 0.99 = Entre qué dos valores de Z simétricos respecto del 0 se encuentran el 95% de las observaciones? Esto significa qué dos percentiles dejan en la parte central de la distribución un área de 0.95 y a las colas un área de Estos percentiles son z = 1.96 y z = 1.96.

5 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE Entre qué dos valores de Z simétricos respecto del 0 se encuentran el 90% de las observaciones? Entre los percentiles 5 y 95, es decir, en el intervalo [z 0.05,z 0.95 ], donde z 0.95 = 1.64 y z 0.05 = z 0.95 = Entre qué dos valores de Z simétricos respecto del 0 se encuentran el 99% de las observaciones? Ejercicio 35 Considerad la variable altura de les mujeres X N(163,49) y calculad: 1. El percentil 25 (o primer cuartil) es x 0.25 = z = Qué significa esto? Que el 25% de las mujeres tienen una altura inferior a cm. 2. El percentil 50 (o mediana) es x 0.50 = El percentil 75 (o tercer cuartil) es x 0.75 = z = El percentil 95 es x 0.95 = z = El percentil 99 es 6. Entre qué dos valores de X simétricos respecto de µ = 163 se encuentran el 95% de las observaciones? Esto significa qué dos percentiles dejan en la parte central de la distribución un área de 0.95 y en las colas un área de Estos percentiles son x y x 0.975, que se obtendrŕan a partir de z y z 0.975, respectivamente. x = 7z = y x = 7z = Entre qué dos valores de X simétricos respecto de µ = 163 se encuentran el 90% de las observaciones? 8. Entre quins dos valores de X simétricos respecto de µ = 163 se encuentran el 99% de las observaciones? Ejercicio 37 Una empresa produce paquetes de arroz. El peso de los paquetes se distribuye según una normal de media 1 kg y desviación 50 g. La empresa tiene un mecanismo de control que retira automáticamente todos los paquetes que pesan menos de 0.9 kg y los que pesan más de 1.1 kg. El resto de la producción se pone a la venta. a) Qué porcentaje de los paquetes producidos se retiran por el mecanismo de control? b) Si un paquete pasa el control, Cuál es la probabilidad que tenga un peso superior a 1.05 kg? Considermanos la v.a. X = peso de un paquete de arroz, que sigue una ley N(1, ). a) La probabilidad de que un paquete que se ponga a la venta es P(0.9 X 1.1) = P ( Z ) = F(2) F(1) = = Por tanto, el porcentaje de paquetes que se retiran de la venta es ( ) 100% = 4.56%. b) Nos piden la siguiente probabilidad condicionada: P(X > 1.05/0.9 X 1.1) = P(1.05<X 1.1) P(0.9 X 1.1) = = , donde P(1.05 < X 1.1) = P < Z = F(2) F(1) = =

6 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 34 Ejercicio 38 Se estima que el peso en el momento del nacimiento de los bebés de un cierto país sigue una distribución normal de media 2.6 kg y desviación 0.5 kg. a) Si los bebés de menos de 1.7 kg necesitan pasar por un periodo de incubación artificial, cuál es el porcentaje de bebés que necesitan pasar por este periodo? b) Qué porcentaje de bebés pesa más de 3.5 kg? c) A partir de qué peso se encuentra el 10% de los bebés que más pesan? d) Cuál es el intervalo centrado en la media que contiene el peso del 90% de los bebés? Considermanos la v.a. X = peso de un bebé, que sigue una ley N(2.6,0.5 2 ). Nos piden: a) P(X < 1.7); b) P(X > 3.5); c) k tal que P(X > k) = Por tanto, k = x 90 = 0.5z , donde z 0.90 = 1.28; d) El inetrvalo centrado en la media que contiene el peso del 90% de los bebés es [x 0.05,x 0.95 ], donde x 0.95 = 0.5z y x 0.05 = 0.5z , z 0.95 = 1.64 y z 0.05 = z 0.95 = 1.64.

VARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.

VARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS. VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo

Más detalles

Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II

Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se

Más detalles

VARIABLES ALEATORIAS CONTINUAS

VARIABLES ALEATORIAS CONTINUAS VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p

Más detalles

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice

Más detalles

Tema 4: Modelos probabilísticos

Tema 4: Modelos probabilísticos Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento

Más detalles

La distribución normal

La distribución normal La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

1. La Distribución Normal

1. La Distribución Normal 1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando

Más detalles

1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.

1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función

Más detalles

Tema 13. Distribuciones de Probabilidad Problemas Resueltos

Tema 13. Distribuciones de Probabilidad Problemas Resueltos Tema 3. Distribuciones de Probabilidad Problemas Resueltos Distribución de Probabilidad. Una variable aleatoria discreta, X, se distribuye como se indica en la siguiente tabla: ( ) a) Halla el valor de

Más detalles

ENUNCIADO y SOLUCIONES. Problema 1

ENUNCIADO y SOLUCIONES. Problema 1 Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.

Más detalles

9 APROXIMACIONES DE LA BINOMIAL

9 APROXIMACIONES DE LA BINOMIAL 9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X

Más detalles

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación

Más detalles

Curso: 2º Grupo: B Día: 18 - IV CURSO

Curso: 2º Grupo: B Día: 18 - IV CURSO 3ª EVALUACIÓN Curso: º Grupo: B Día: 18 - IV - 008 CURSO 007-08 EJERCICIO 1 (1.75 puntos) Sea la población {1, 5, 7}. Escriba todas las muestras de tamaño, mediante muestreo aleatorio simple, y calcule

Más detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

Más detalles

Tema 6: Modelos probabilísticos

Tema 6: Modelos probabilísticos Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Tema 2 Modelos de probabilidad

Tema 2 Modelos de probabilidad Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución

Más detalles

DISTRIBUCIÓN NORMAL. > = P (Z > 0,6) = 0, El 72,58% de las vacas pesa más de 570 kg. Puede esperarse que 73 vacas superen ese peso.

DISTRIBUCIÓN NORMAL. > = P (Z > 0,6) = 0, El 72,58% de las vacas pesa más de 570 kg. Puede esperarse que 73 vacas superen ese peso. DISTRIBUCIÓN NORMAL 1. El peso de las 100 vacas de una ganadería se distribuye según una normal de media 600 kg y una desviación típica de 50 kg. Se pide: Cuántas vacas pesan más de 570 kilos? Cuántas

Más detalles

Tema 6: Modelos de probabilidad.

Tema 6: Modelos de probabilidad. Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas

Más detalles

Tema 13: Distribuciones de probabilidad. Estadística

Tema 13: Distribuciones de probabilidad. Estadística Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número

Más detalles

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student

Más detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema: Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz

Más detalles

Variable Aleatoria Continua. Principales Distribuciones

Variable Aleatoria Continua. Principales Distribuciones Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables

Más detalles

Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved

Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos

Más detalles

Definición de probabilidad

Definición de probabilidad Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total

Más detalles

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

Repaso de Probabilidad y Estadística

Repaso de Probabilidad y Estadística Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................

Más detalles

Variables aleatorias continuas y Teorema Central del Limite

Variables aleatorias continuas y Teorema Central del Limite Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R

Más detalles

Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM

Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También

Más detalles

C7) Dada la distribución bidimensional de las variables "Numero de desplazamientos diarios" y "Medio de transporte utilizado" es cierto que: a) De los

C7) Dada la distribución bidimensional de las variables Numero de desplazamientos diarios y Medio de transporte utilizado es cierto que: a) De los IS12-Estadística en ITIS Exámen Final Curso 2008-09 Fecha: 28/Enero/09 Nombre alumno: NOTA: MARCAR: (a) Sobre 5 ptos, (b) Sobre 9 ptos C1) Una variable X toma únicamente 4 valores distintos: x1, x2, x3,

Más detalles

Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números

Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica

Más detalles

Probabilidad, Variables aleatorias y Distribuciones

Probabilidad, Variables aleatorias y Distribuciones Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer

Más detalles

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10 Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,

Más detalles

Tema 7. Variables Aleatorias Continuas

Tema 7. Variables Aleatorias Continuas Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de

Más detalles

Tema 1: Distribuciones en el muestreo

Tema 1: Distribuciones en el muestreo Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral

Más detalles

CAPÍTULO 6: VARIABLES ALEATORIAS

CAPÍTULO 6: VARIABLES ALEATORIAS Página 1 de 11 CAPÍTULO 6: VARIABLES ALEATORIAS En el capítulo 4, de estadística descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y en el capítulo 5 se trataron los fundamentos

Más detalles

Variable Aleatoria. Relación de problemas 6

Variable Aleatoria. Relación de problemas 6 Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

OPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla:

OPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla: Bloque III Solucionario Actividades de síntesis: Estadística y probabilidad OPCIÓN A A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en

Más detalles

Estadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas

Estadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones

Más detalles

Distribuciones de probabilidad más usuales

Distribuciones de probabilidad más usuales Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y

Más detalles

INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005

INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300

Más detalles

Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas

Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando

Más detalles

Cuáles son las características aleatorias de la nueva variable?

Cuáles son las características aleatorias de la nueva variable? Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que

Más detalles

TEMA 3: Probabilidad. Modelos. Probabilidad

TEMA 3: Probabilidad. Modelos. Probabilidad TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un

Más detalles

Prof. Eliana Guzmán U. Semestre A-2015

Prof. Eliana Guzmán U. Semestre A-2015 Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Tema 6. Variables aleatorias continuas

Tema 6. Variables aleatorias continuas Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),

Más detalles

VARIABLES ALEATORIAS DISCRETAS

VARIABLES ALEATORIAS DISCRETAS VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:

Más detalles

Cap. 5 : Distribuciones muestrales

Cap. 5 : Distribuciones muestrales Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de

Más detalles

Muestreo de variables aleatorias

Muestreo de variables aleatorias Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como

Más detalles

Distribuciones de probabilidad Discretas

Distribuciones de probabilidad Discretas Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene

Más detalles

Esperanza Condicional

Esperanza Condicional Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles

Más detalles

1º BCNySyT Distribuciones binomial y normal Excel

1º BCNySyT Distribuciones binomial y normal Excel 1º BCNySyT - 14. Distribuciones binomial y normal Excel PASO A PASO 1. Calcula los parámetros de la variable aleatoria número de hijas y haz el diagrama de barras de frecuencias relativas. Número de hijas:

Más detalles

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016 ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características

Más detalles

Intervalos de Confianza

Intervalos de Confianza Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de

Más detalles

ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL

ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL. VARIABLES ALEATORIAS Consideremos el experimento de lanzar 3 monedas. Tenemos que su espacio muestral es E CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX Donde

Más detalles

Estadística Grupo V. Tema 10: Modelos de Probabilidad

Estadística Grupo V. Tema 10: Modelos de Probabilidad Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos

Más detalles

Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio

Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),

Más detalles

Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.

Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7. Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.

Más detalles

Algunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial.

Algunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial c) Relación entre la Distribuciones de Poisson y Exponencial. d) Distribución

Más detalles

C L A S E N 5 I N S E M E S T R E O T O Ñ O,

C L A S E N 5 I N S E M E S T R E O T O Ñ O, Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas //2 Análisis de datos y gestión veterinaria Variables aleatorias continuas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 8 de Noviembre de 2

Más detalles

PROBABILIDAD Relación de problemas 3: Variables aleatorias continuas

PROBABILIDAD Relación de problemas 3: Variables aleatorias continuas PROBABILIDAD Relación de problemas 3: Variables aleatorias continuas 1. Un autobús pasa por una cierta parada cada 8 minutos. Si un usuario llega a la parada, el tiempo que debe esperar es una variable

Más detalles

Teorema del límite central

Teorema del límite central TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución

Más detalles

Juan Carlos Colonia INFERENCIA ESTADÍSTICA

Juan Carlos Colonia INFERENCIA ESTADÍSTICA Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1) PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0,75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo

Más detalles

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza

Más detalles

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) = SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden

Más detalles

Intervalo para la media si se conoce la varianza

Intervalo para la media si se conoce la varianza 178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol

Más detalles

PROBABILIDADES Y DISTRIBUCIONES

PROBABILIDADES Y DISTRIBUCIONES PROBABILIDADES Y DISTRIBUCIONES 1. Supongamos que se lanza una moneda cuyo peso ha sido alterado de manera que P (C) = 2/3 y P (S) = 1/3. Si aparece cara, entonces selecciona un número al azar del 1 al

Más detalles

Variables aleatòries vectorials Els problemes assenyalats amb un (*) se faran a classe. 1.- Los estudiantes de una universidad se clasifican de acuerdo a sus años en la universidad (X) y el número de visitas

Más detalles

Variables aleatorias continuas, TCL y Esperanza Condicional

Variables aleatorias continuas, TCL y Esperanza Condicional Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución

Más detalles

Dagoberto Salgado Horta Variables aleatorias y distribuciones de probabilidad - 1 TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Dagoberto Salgado Horta Variables aleatorias y distribuciones de probabilidad - 1 TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD Dagoberto Salgado Horta Variables aleatorias y distribuciones de probabilidad - 1 TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD 1. Sea X la variable aleatoria nivel de colesterol, en mg/dl,

Más detalles

Tema 4: Variables Aleatorias

Tema 4: Variables Aleatorias Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto

Más detalles

Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos 5.3-1 El % de los DVDs de una determinada marca son defectuosos. Si se venden en lotes de 5 unidades, calcular

Más detalles

Bioestadística. El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica.

Bioestadística. El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica. Bioestadística Tema 5: Modelos probabilísticos Tema 5: Modelos probabilísticos 1 Variable aleatoria El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica.

Más detalles

Variables Aleatorias Discretas

Variables Aleatorias Discretas Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.

Más detalles

Curso de Probabilidad y Estadística

Curso de Probabilidad y Estadística Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica

Más detalles

ETSI de Topografía, Geodesia y Cartografía. Probabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA

ETSI de Topografía, Geodesia y Cartografía. Probabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA robabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA -XII- Grupo B.- Tres máquinas de una planta de montaje producen el %, 5% y 5% de productos, respectivamente. Se sabe que el %, %,

Más detalles

Experimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}

Experimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX} 1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,

Más detalles

Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,

Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria, Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................

Más detalles

5 Variables aleatorias contínuas

5 Variables aleatorias contínuas 5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua

Más detalles

Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:

Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha: Integral Lapso 2010-2 745 1/5 Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: 610-612-613 Fecha: 26-02-2011 OBJ. 2 PTA 1 MODELO DE RESPUESTAS Objetivos 2,

Más detalles

Ejemplos Resueltos Tema 4

Ejemplos Resueltos Tema 4 Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis

Más detalles

4. Modelos Multivariantes

4. Modelos Multivariantes 4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución

Más detalles

Bioestadística. El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica.

Bioestadística. El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica. Bioestadística Tema 5: Modelos probabilísticos Variable aleatoria El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica. En estos casos aparece la noción de

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro

Más detalles

MODELOS DISCRETOS DE PROBABILIDAD

MODELOS DISCRETOS DE PROBABILIDAD MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea

Más detalles

1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200.

1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200. 1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200. 2. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras esté entre 180 y 220.

Más detalles

Sección. Aplicaciones de la Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved

Sección. Aplicaciones de la Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved Sección 3 7.2 Aplicaciones de la Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La tabla normal La tabla normal (cont)

Más detalles

Definición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...

Definición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,... Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme

Más detalles