Unidad 14: DISTRIBUCIONES DE PROBABILIDAD
|
|
- María José Naranjo Ortega
- hace 6 años
- Vistas:
Transcripción
1 Undad 4: DISTRIBUCIONES DE PROBABILIDAD 4..- DISTRIBUCIONES ESTADÍSTICAS Gráfcos: dagramas de barras e hstogramas Observa las dos dstrbucones dadas gráfcamente: En un hstograma, las frecuencas correspondentes a los ntervalos son proporconales a las áreas de los respectvos rectángulos. Por eso, s las bases de los rectángulos son guales, sus alturas son tambén proporconales a las frecuencas. Pero s las bases tenen dferentes anchos, las alturas de los rectángulos se deben hallar de tal forma que las áreas sean proporconales a sus frecuencas, esto es, la altura de cada rectángulo se obtene dvdendo su área (frecuenca correspondente) por la base (longtud del ntervalo). Cálculo de los parámetros y σ NÚMERO DE ACIERTOS DE 40 ALUMNOS EN UN TEST TIEMPO QUE TARDAN EN LLEGAR AL TRABAJO LOS EMPLEADOS DE UNA EMPRESA Ambas son dstrbucones de frecuenca de varables cuanttatvas (numércas). La prmera corresponde a una varable dscreta, pues solo puede tomar valores aslados (el número de acertos puede ser, por ejemplo, 5 o 6, pero no un valor ntermedo). Por eso la hemos representado medante un dagrama de barras. En él, las alturas de las barras son proporconales a las respectvas frecuencas. En la segunda dstrbucón la varable es contnua: cada ndvduo puede tener un valor stuado en un punto cualquera del ntervalo al que pertenece. Por eso, en vez de barras, levantamos rectángulos que ocupan todo el ntervalo. El gráfco se llama hstograma. 3 f f f f n f n VARIANZA: Cuando la dstrbucón vene dada medante una tabla de frecuencas, las fórmulas para el cálculo de los parámetros adoptan las sguentes formas: MEDIA: f + f + + f n n = = f f + f + f f n ( ) + ( ) + + ( ) ( ) f f f f n n σ = = o ben, f + f + f f n f + f + + f f σ = = f + f + f f n n n DESVIACIÓN TÍPICA: σ = VARIANZA
2 4..- DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA Las dstrbucones de probabldad son dealzacones teórcas de las dstrbucones de frecuencas relatvas, que se obtenen empírcamente (epermentado u observando). Cuando la varable es dscreta, unas y otras se representan medante dagramas de barras. DISTRIBUCIÓN DE FRECUENCIAS RELATIVAS (00 lanzamentos) DISTRIBUCIÓN DE PROBABILIDADES Parámetros de una dstrbucón de probabldad Se defnen de forma smlar a los parámetros de las dstrbucones estadístcas: MEDIA: p p p p n n VARIANZA: µ = = ( ) ( ) ( ) ( ) σ = p µ + p µ + + p µ = p µ n n Idealzacón o ben ( ) σ = p + p + + p µ = p µ n n p p p n p n Una dstrbucón de probabldad de una varable dscreta X es el resultado de asgnar a cada valor de la varable,, su probabldad, p. ( ) P X = = p DESVIACIÓN TÍPICA: ( ) σ = VARIANZA = p µ = p µ Observa las dos fórmulas de la varanza: En la prmera se ve claro el sgnfcado de la varanza: suma ponderada de los cuadrados de las dferencas de cada valor a la meda. Cada p es un número comprenddo entre 0 y : La suma de todos los p es : p = Se representan medante un dagrama de barras. 0 p La segunda es mucho más cómoda para calcular la varanza a partr de los datos. Pero, naturalmente, ambas son equvalentes. 3 4
3 Ejercco resuelto En una lotería popular hay 000 números. Se rfa un número, que gana El anteror y el sguente ganan 000 cada uno. Todos los que tenen la msma termnacón que el ganador se llevan 0, y el resto, nada. Cómo se descrbe la probabldad de premo de una persona que lleve un únco número? Hemos construdo una tabla en la que se asoca a cada premo,, la probabldad de consegurlo, p. Completamos la tabla con las columnas p y sumas nos srven para calcular los parámetros. µ = p = 7, 99 p p p , , ,099 0,99 9,9 0 0, p = σ = p µ = 7009, 9 7, 99 = 64,5 p = 7, 99 p = 7009, 9 p cuyas (Esto sgnfca que s jugáramos muchísmas veces un número a esa lotería, ganaríamos 7,99 por térmno medo. Esto, sn contar lo que nos cuesta el boleto.) Ejercco La dstrbucón de probabldad de una varable aleatora dscreta vene dada por esta tabla: Sabemos que P ( X ) = 0,7 y que ( ) valores de a, b y c y calcula µ y σ. Ejercco P X = 0,75. Halla los En una urna hay dez bolas con los números,,, 3, 3, 3, 4, 5, 5, 0. Sacamos una bola y anotamos el resultado. Elabora la dstrbucón de probabldad y calcula µ y σ LA DISTRIBUCIÓN BINOMIAL EXPERIENCIA DICOTÓMICA S en una eperenca aleatora destacamos un suceso A y prestamos atencón, eclusvamente, a s ocurre A o su contraro, A, se trata de una eperenca dcotómca. Al suceso A se le denomna éto, y a su probabldad, P ( A) = p p 0, a b c 0, La probabldad de su contraro es P ( A) = p = q. Por ejemplo, son eperencas dcotómcas las sguentes: 5 6
4 . Lanzar una moneda: A = cara, A = no cara = cruz = ( ) = q P ( cruz) p P cara. Lanzar un dado y ver s sale 5: = = A = { 5} A = {,, 3, 4, 6} = ( ) = q P ( A) p P A 6 5 = = 6 3. Etraer una carta de una baraja y ver s es fgura: A = fgura = { as, sota, caballo, rey} A = no fgura = {, 3, 4, 5, 6, 7} p P ( A) 0,4 = = ( ) DISTRIBUCIÓN BINOMIAL q = P A = 0,6 Partmos de una eperenca dcotómca en la que p es la probabldad de éto. La repetmos n veces y observamos el número,, de étos que se consguen. La varable X es dscreta porque toma los valores 0,,,, n. X = { 0,,,, n} La dstrbucón de probabldad de X se llama dstrbucón bnomal B(n,p). Por ejemplo, son dstrbucones bnomales las sguentes:. Lanzamos 0 monedas y nos preguntamos por el número de caras. Lanzar una moneda es una eperenca dcotómca Éto: cara P ( cara) = p = 0,5 Lanzar 0 monedas es equvalente a lanzar 0 veces una moneda. Es la eperenca dcotómca descrta anterormente repetda 0 veces. Es, por tanto, una dstrbucón bnomal B( 0; 0,5 ) La varable X es el número de caras obtendas. X = { 0,,, 3, 4, 5, 6, 7, 8, 9, 0}. Lanzamos 6 dados correctos y nos preguntamos por el número de cncos. Es una dstrbucón bnomal con n = 6 y p = 6 B 6, 6 3. Etraemos una carta de una baraja, observamos s es o no fgura y la devolvemos al mazo. Barajamos y volvemos a etraer. Repetmos cnco veces la eperenca. Es una dstrbucón bnomal: n = 5 y p 0,4 B 5; 0,4. APARATO DE GALTON = ( ) Este aparato de Galton se comporta, para cada bola, como una dstrbucón bnomal B(4, /). La bola en su camno encuentra cuatro bfurcacones y en cada una la probabldad de que vaya haca una lado o haca otro es /. 7 8
5 Cálculo de probabldades en una dstrbucón B(n,p) Etraer 5 cartas con reemplazamento de una baraja de 40 y observar cuántas fguras se obtenen es una dstrbucón bnomal B( 5; 0,4 ) X = número de fguras obtendas X es B( 5; 0,4 ) X = { 0,,, 3, 4, 5} Cada etraccón es una secuenca de 5 cartas de las que solo mporta s son o no fguras. Veamos la probabldad de algunas de estas secuencas: F F F F F F F F F F Probab. Probab. 3 0,4 0,6 0,4 0,4 0,6 = 0,4 0,6 4 0,6 0,6 0,6 0,4 0,6 = 0,4 0,6 Cuál es la probabldad de obtener 3 fguras? 3 F F F F F 0,4 0,6 3 F F F F F 0,4 0,6 3 F F F F F 0,4 0,6 3 F F F F F 0,4 0,6 En total hay 5 formas dstntas de que salga 3F y F. Por 3 tanto: 5 3 P ( 3F ) = 0,4 0,6 = 0, p 0 0, ,590 0, , , ,004,00000 Ejercco resuelto Dstrbucón de probabldades en una bnomal B(5 ; 0,4) y su representacón gráfca. S X es una varable B(n,p), la probabldad de obtener k étos es: n k n k ( = ) = p q P X k k p es la probabldad de éto en cada una de las eperencas. n es el número de veces que se realza la eperenca. Los parámetros de esta dstrbucón son En una bnomal B(8; 0, ), calcular P ( X = 0), P ( X 0) P ( X = ), así como los parámetros µ y σ P ( X = 0) = 0, 0, 8 = 0, 8 = 0,678 0 µ = np, σ = npq (probabldad de nngún éto ), 0
6 P ( X 0) = P ( X = 0) = 0,678 = 0, P ( X = ) = 0, 0, 8 = 0,936 MEDIA: µ = np = 8 0, =, 6 DESVIACIÓN TÍPICA: σ = npq = 8 0, 0, 8 =,3 Ejercco resuelto 3 En un centro de fertldad, cada ntento de nsemnacón n vtro para cualquer pareja tene un porcentaje de éto del 30%. Esta semana han acuddo al centro 0 parejas para realzar el tratamento. a) Qué probabldad hay de que nnguna pareja concba? b) Y qué probabldad hay de que alguna pareja concba? X : número de parejas que concbe de las 0 que acuden al centro. p = probabldad de que la pareja concba = 0,3 X es una varable dscreta que sgue una dstrbucón bnomal B(n,p) con n = 0 y p = 0,3. X es B(0;0,3). n P X = k = p q k k n k a) Aplcamos la fórmula ( ) (probabldad de algún éto ) P ( nnguna pareja concba) = P ( X = 0) = 0,3 0, 7 = 0, 08 0 Alguna pareja concba es lo contraro de nnguna pareja concba. Ejercco 3 P ( X > 0) = P ( X = 0) = 0,08 = 0,978 Reconoce en cada uno de los sguentes casos una dstrbucón bnomal y d los valores de n, p, q, µ y σ. Un eamen tpo test consta de 50 preguntas, cada una con tres respuestas, de las que solo una es correcta. Se responde al azar. Cuál es el número de preguntas acertadas? En el eamen descrto en el apartado anteror, un alumno conoce las respuestas de 0 preguntas y responde las restantes al azar. Nos preguntamos cuántas de ellas acertará. Una moneda se lanza 400 veces. Número de caras. El % de certas soldaduras son defectuosas y revsamos ml de ellas. Número de soldaduras defectuosas que habrá. Ejercco 4 Ana tene una probabldad de 0,7 de encestar un trple. En un concurso de trples hay que trar 5 veces. La mejor marca ha sdo la de Raquel, con 3 canastas. Qué probabldad tene Ana de batr a Raquel?
7 Ejercco 5 La probabldad de que una flecha lanzada por un arquero dé en la dana es 0,4. S se lanzan 6 flechas, halla la probabldad de que: a) solo una dé en la dana. b) al menos una dé en la dana. Ejercco DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE CONTINUA Las dstrbucones de probabldad de varable contnua son dealzacones de las dstrbucones estadístcas de varable contnua. Estas se obtenen empírcamente (epermentando u observando). Aquellas son dstrbucones teórcas. Por ejemplo, estaturas, pesos, tempos, son varables contnuas. Un eamen de opcón múltple está compuesto por 9 preguntas, con cuatro posbles respuestas cada una, de las cuales, solo una es correcta. Supóngase que uno de los estudantes que realza el eamen responde al azar. Cuál es la probabldad de que conteste correctamente a 6 preguntas? Cuál es la probabldad de que no acerte nnguna? ESTATURA EN CENTÍMETROS DE 500 CHICAS Idealzacón ESTATURAS DE CHICAS Ejercco 7 En un proceso de fabrcacón de tornllos se sabe que el % son defectuosos. Los empaquetamos en cajas de 50 tornllos. Halla la probabldad de que en una caja haya este número de tornllos defectuosos: a) nnguno b) uno c) más de dos Ejercco 8 Un tratamento contra una enfermedad produce mejoría en 8 de cada 0 enfermos a los que se les aplca. S se sumnstra el tratamento a 5 enfermos, calcula la probabldad: a) de que los cnco pacentes mejoren. b) de que, al menos tres no epermenten mejoría. 3 Las dstrbucones de probabldad de varable contnua se defnen por medo de una funcón, y = f(), que se llama funcón de probabldad o funcón de densdad cuyas condcones descrbmos a contnuacón. Para que f() sea la funcón de densdad o funcón de probabldad de una varable aleatora, es necesaro que: f() sea no negatva: f() 0 para todo. El área bajo la curva y = f() sea gual a. 4
8 4.5.- LA DISTRIBUCIÓN NORMAL La curva normal es una funcón de probabldad contnua y smétrca, cuyo mámo concde con la meda, µ. Para hallar la probabldad P ( a b), obtendremos el área que hay bajo la curva en el ntervalo a, b : ( ) P a b = área bajola curva en a, b Esta curva fue descrta por el matemátco alemán Carl Fredrch Gauss. Llegó a ella estudando los errores que se producen al medr reteradamente una certa magntud. Estas son su ecuacón y su representacón gráfca. y = e σ π µ σ Por su forma acampanada, se denomna campana de Gauss. Las probabldades de sucesos puntuales son cero: P ( X = a) = 0, ( ) P X = b = 0, Por tanto: P ( a b) = P ( a < < b) Parámetros La meda, µ, y la desvacón típca, σ, tenen los msmos sgnfcados que en las dstrbucones estadístcas: MEDIA, µ: centro de gravedad de la dstrbucón. DESVIACIÓN TÍPICA, σ: medda de la dspersón. Cuantfca el grado de separacón de los valores respecto de la meda. 5 La gran mportanca de esta dstrbucón se debe a la enorme frecuenca con que aparece en las stuacones más varadas. Entre las muchas varables que se dstrbuyen normalmente, podemos ctar: Caracteres morfológcos de ndvduos (personas, anmales, plantas) de una msma raza. Por ejemplo: tallas, pesos, envergaduras, etc. Caracteres fsológcos. Por ejemplo, efectos de una msma doss de un fármaco o de una msma cantdad de abono. Caracteres socológcos. Por ejemplo, consumo de certos productos por ndvduos de un msmo grupo humano. 6
9 Caracteres físcos. Por ejemplo, resstenca a la rotura de pezas aparentemente déntcas. Y, en general, cualquer característca que se obtenga como suma de muchos factores. Reparto del área bajo la curva normal Por ser una dstrbucón de probabldad, el área bajo una curva normal cualquera es. Pero esta área se dstrbuye del sguente modo: Para cada valor de µ (meda) y cada valor de σ (desvacón típca), hay una curva normal que se desgna N( µ, σ ). Por ejemplo, observemos las dstrbucones N(0,4), N(0,4) y N(0,) Sn embargo, el reparto de probabldades en ellas es práctcamente déntco. Solo depende de los parámetros µ y σ. Observamos que dos curvas normales con la msma desvacón típca son déntcas. Y s tenen dstnta desvacón típca, son smlares: guales salvo un cambo de escala. Ahora veremos en qué se concreta esta smltud. Esto sgnfca que, por ejemplo, s el cocente ntelectual (C.I.) de las personas de un certo colectvo se dstrbuye N(,6), entonces: - El 68,6% de ellos tene un C.I. entre 06 y 8. - El 95,44% de ellos tene un C.I. entre 00 y 4. - El 99,74% de ellos tene un C.I. entre 94 y
10 Afnando más, podemos decr que se dstrbuyen del sguente modo: Tabla de áreas bajo la curva normal N(0,) En la dstrbucón N(0,), a la varable se la suele representar por la letra Z. La tabla que aparece a contnuacón nos da las probabldades P(Z k) para valores de k de 0 a 3,99, de centésma en centésma. A estas probabldades se las llama F(k): F(k) = P(Z k) Todas las curvas normales son esencalmente guales S en lugar de tomar 0,5 desvacones típcas a la zquerda y, a la derecha de la meda hubéramos tomado otras dos constantes, las msmas en las dos curvas, tambén las áreas serían guales. Esto sgnfca que, en esenca, todas las curvas normales son déntcas, salvo un cambo de orgen y de escala. Esta concdenca permte conocer la dstrbucón de áreas bajo una curva normal cualquera s se conoce la de una de ellas. Concretamente, la más senclla, la norma de meda 0 y desvacón típca. Las áreas bajo la curva normal N(0,), es decr, sus probabldades, son conocdas, están tabuladas y vamos a aprender a manejarlas a contnuacón. Con ellas podremos calcular probabldades en una normal cualquera, N(, ) µ σ. 9 0
11 El valor de k se busca así: Para abscsas negatvas, P(Z k) = P(Z k) = F(k) Undades y décmas en la columna de la zquerda. Centésmas en la fla de arrba. El número que nos da la tabla es el valor de: F(k) = P(Z k) Ejemplos: P(Z 0, 83) = F(0, 83) = 0, 7967 P(Z, 3) = F(, 30) = 0, 9893 P(Z ) = F(, 00) = 0, 843 Las restantes probabldades se pueden obtener a partr de las anterores como se ve en los sguentes ejemplos:. P(Z, 86) = P(Z <, 86) = F(, 86) = 0, 9686 = = 0, 034 Recíprocamente, s conocemos el valor de la probabldad F(k), se puede saber el valor de k. Ejemplos: P(Z k) = F(k) = 0, 790 k = 0, 58 P(Z k) = F(k) = 0, 8643 k =, P(Z k) = F(k) = 0, 5560 k = 0,4 Recordemos que en una dstrbucón de varable contnua las probabldades puntuales son nulas: P(X = k) = 0.. P(0,8 Z, 9) = F(, 9) F(0,8) = 0, 905 0, 574 = = 0, 330 Por tanto, P(X k) = P(X < k) Cálculo de probabldades en una N(0,) S k 0, las probabldades P(Z k) = P(Z < k) = F(k) se encuentran drectamente en las tablas. P(Z k) = P(Z < k) = F(k)
12 3. P( 0, 56 Z, 9) = F(, 90) F( 0,56) = 0, 973 F(0, 56) = = 0, 973 0, 73 = 0, 973 0,877 = 0, 6836 Ejercco 0 Calcula el valor de k (eacta o apromadamente) en cada uno de los sguentes casos: a) P(Z k) = 0,5 b) P(Z k) = 0, 879 c) P(Z k) = 0,9 d) P(Z k) = 0,33 e) P(Z k) = 0, f) P(Z > k) = 0, 4. P(, 83 < Z < ) = P( < Z <, 83) = F(, 83) F(, 00) = = 0, , 843 = 0,5 g) P(Z k) = 0, 997 h) P(Z k) = 0, 6 Cálculo de probabldades en una N( µ, σ) Se puede demostrar que s una varable X sgue una dstrbucón normal con meda µ y desvacón típca σ, X µ entonces la varable Z = sgue una dstrbucón normal σ con meda 0 y desvacón típca. Es decr: S X µ X es N( µ, σ) Z = es N(0,) σ Ejercco 9 Halla las sguentes probabldades en una dstrbucón N(0,): a) P(Z >,8) b) P(Z,8) c) P(Z >, 8) d) P(,6 Z,3) e) P( Z ) f) P( 0,6 Z,4) g) P( Z ) h) P(,3 Z, 7) ) P( Z ) 3 Al proceso de pasar de una varable X que es N( µ, σ ) a una X µ varable Z = que es N(0,) se le llama tpfcacón de σ la varable. Las probabldades de la varable tpfcada se pueden calcular mrando en las tablas. Ejercco resuelto 4 En una dstrbucón N(66,8), calcular: a) P(X < 70) b) P(X > 80) c) P(70 < X < 80) 4
13 S X 66 X es N(66,8) Z = es N(0,) 8 a) P ( X < 70) X P ( X < 70) = P < = P ( Z < 0,5) = F(0,5) = 8 8 = 0, 695 b) P ( X > 80) X P ( X > 80) = P > = P ( Z >,75 ) = F(,75) = 8 8 = 0, 9599 = 0, 040 c) P(70 < X < 80) X P ( 70 < X < 80) = P < < = = P 0,5 < Z <,75 = F(,75) F(0,5) = ( ) = 0, , 695 = 0,684 Ejercco En una dstrbucón N(6, 0,9), calcula k para que se den las sguentes gualdades: a)p(x k) = 0, 977 b) P(X k) = 0, 8 c)p(x k) = 0,3 d) P(X k) = 0, LA DISTRIBUCIÓN BINOMIAL SE APROXIMA A LA NORMAL Una dstrbucón bnomal se parece a una normal tanto más cuanto mayor es el producto np (o nq s q < p). Cuando np y nq son ambos mayores que 3, la apromacón es bastante buena. Y s superan a 5, la apromacón es cas perfecta. Ejercco En una dstrbucón N(8,4), halla las sguentes probabldades: a) P(X 0) b) P(X 6, 5) c) P(X ) d) P(9 X 3) e) P( X < 5) 5 6
14 Naturalmente, la curva normal a la cual se aproma la bnomal B(n, p) tene la msma meda µ = np y la msma desvacón típca σ = npq: B(n,p) N ( np, npq) Es decr, a cada valor puntual de X (0,,,, k,, n) se le asoca en X un ntervalo centrado en k y de rado 0,5. Por tanto: P ( a X < b) = P ( a 0,5 < X' < b 0,5) En la apromacón de ambas dstrbucones hay que tener en cuenta que la bnomal es dscreta y la normal, contnua. Cálculo de probabldades en una bnomal medante la apromacón a la normal La varable X se dstrbuye B(n, p), La varable X se dstrbuye N ( np, npq ). µ = np, σ = npq. S np 5 y nq 5, estas dos dstrbucones son cas déntcas salvo que X es dscreta (toma valores 0,,,, n) mentras que X es contnua. Esta dferenca se apreca cuando calculamos probabldades, que hemos de averguarlas del sguente modo: ( = ) ( < < + ) P X k P k 0,5 X' k 0,5 Por ejemplo: P ( a < X b) = P ( a + 0,5 < X' < b + 0,5) ( < ) = P ( a + 0,5 < X' ) P a X P ( 3 < X < 5) = P ( X = 4) = P ( 3,5 < X' < 4,5) P ( 3 X < 5) = P ( X = 3 o X = 4) = P (,5 < X' < 4,5) P ( 3 X 5) = P ( X = 3 o X = 4 o X = 5) = P (,5 < X' < 5,5 ) El área de la parte grs, de base, es apromadamente gual a la longtud de la barra roja 7 8
15 Ejercco resuelto 5 Una máquna fabrca tornllos. El 5% de ellos son defectuosos. Se empaquetan en cajas de 400. Calcular la probabldad de que en una caja haya más de 30 defectuosos. X: número de tornllos defectuosos en una caja de 400. X es bnomal con n = 400 y p = 0,05 B(400, 0,05) Sus parámetros son: µ = np = 400 0, 05 = 0 σ = npq = 400 0,05 0,95 = 4,36 Como np > 5 y nq > 5, la dstrbucón X es muy parecda a la normal X con la msma meda y la msma desvacón típca que X. X es N(0, 4,36) X' 0 30,5 0 p( X > 30) p( X' 30,5) = p = 4, 36 4, 36 Z es N(0,) = p(z, 4) = F(, 4) = 0, 990 = 0, 008 Ejercco 3 Una moneda se lanza 400 veces. Calcula la probabldad de que el número de caras: a) sea mayor que 00. b) esté entre 80 y 0. 9 Ejercco 4 Los pesos de 000 soldados presentan una dstrbucón normal de meda 75 kg y desvacón típca 8 kg. Halla la probabldad de que un soldado elegdo al azar pese: a) más de 7 kg. b) entre 73 y 79 kg. c) menos de 80 kg. d) más de 85 kg. Ejercco 5 Para lumnar el recnto de un estado deportvo se queren nstalar focos. El sumnstrador asegura que el tempo de vda de los focos es una varable normal con meda de 500 horas y desvacón típca de 00 h. a) Cuál es la probabldad de que un foco elegdo al azar luzca por lo menos 000 horas? b) S se compran 000 focos, cuántos puede esperarse que luzcan al menos 000 horas? Ejercco 6 En una poblacón de estudantes se ha comprado que la calfcacón obtenda en Inglés sgue una dstrbucón normal de meda 5, s se ha segudo el método A, y una normal de meda 6, s se ha segudo el método B. Se sabe que el 4% de los alumnos que han elegdo el método A obtenen una calfcacón nferor a 3,5 y que el % de los alumnos que han segudo el método B superan el 8. a) Qué porcentaje de estudantes que sguen el método A no superan la calfcacón de 6,5? b) Qué porcentaje de estudantes del método B obtenen una calfcacón comprendía entre 4 y 6? 30
16 Ejercco 7 La duracón de certo tpo de motor es una varable normal con una meda de 0 años y desvacón típca de años. El fabrcante garantza el buen funconamento de los motores por un perodo de 3 años. Qué porcentaje de motores se espera que no cumplan la garantía? Ejercco 8 El 0% de los alumnos con mejor nota de una escuela pueden acceder a estudos superores. Sabemos que las notas medas fnales en esa escuela se dstrbuyen normalmente con meda 5,8 y desvacón típca. Cuál es la nota meda mínma que debe obtener un alumno s quere hacer estudos superores? Ejercco 9 En un eamen pscotécnco, las notas de Branda y Chrstan fueron, respectvamente, 84 y 78. Sabemos que esas puntuacones tpfcadas son,75 y respectvamente. Calcula la meda y la desvacón típca de la dstrbucón. Ejercco 0 Las alturas de los alumnos de una clase sguen una N( µ, σ ). Sona, con 7 cm, y Begoña, con 67 cm, tenen unas alturas tpfcadas de,4 y 0,4, respectvamente. a) Cuál es la altura real de Estefanía s su altura tpfcada es de? b) Cuál es la tpfcacón de la altura de Azucena s mde 65 cm? 3 Ejercco Un test de sensbldad muscal da resultados que se dstrbuyen según una N(65,8). Se quere hacer un baremo por el cual, a cada persona, junto con la puntuacón obtenda, se le asgne uno de los sguentes comentaros: Duro de oído. Poco sensble a la músca. Normal. Sensble a la músca. Etraordnaramente dotado para la músca. de modo que haya en cada uno de los grupos, respectvamente, un 0%, un 35%, un 30%, un 0% y un 5% del total de ndvduos observados. a) En qué puntuacones pondrías los límtes entre los dstntos grupos? b) Qué comentaro se le haría a una persona que obtuvera una puntuacón de 80? Y a otra que obtuvera una puntuacón de 40? Ejercco Una compañía de autobuses sabe que el retraso en la llegada sgue una dstrbucón normal de meda 5 mnutos, y que el 68,6% de los autobuses llega entre mnutos y 8 mnutos tarde. a) Cuál es la desvacón típca? b) Cuál es la probabldad de que un autobús llegue puntual o antes de la hora? 3
17 Ejercco 3 En un hosptal, el 54% de los nacmentos son nñas. Halla la probabldad de que de 500 nacmentos, el número de nños esté entre 00 y 400, ambos nclusve. Ejercco 4 Un eamen tpo test tene 50 preguntas y cada pregunta, tres respuestas dferentes, solo una de las cuales es correcta. Para aprobar, hace falta responder ben a 5 preguntas; para sacar un notable, a 35; y para un sobresalente, a 45. S se responde al azar, cuál es la probabldad de aprobar? Y la de sacar notable? Y sobresalente? Ejercco 5 En un bombo de lotería tenemos 0 bolas numeradas del 0 al 9. Cada vez que se etrae una, se devuelve al bombo. a) S sacamos tres bolas, halla la probabldad de que el 0 salga una sola vez. b) S hacemos 00 etraccones, calcula la probabldad de que el 0 salga más de veces
ESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesHistogramas: 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 detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor
el blog de mate de ada: ESTADÍSTICA pág. 1 ESTADÍSTICA La estadístca es la cenca que permte acer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que aorra tempo y dnero. Poblacón
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesel blog de mate de aida CSI: Estadística unidimensional pág. 1
el blog de mate de ada CSI: Estadístca undmensonal pág. ESTADÍSTICA La estadístca es la cenca que permte hacer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que ahorra tempo
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTema 1. Conceptos generales
Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS
Más detallesTema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva
Descrpcón de datos: Estadístca descrptva undmensonal Estadístca descrptva Objetvos: Ordenar, clasfcar, resumr grandes conjuntos de datos de modo que puedan ser fáclmente nterpretables Defncones báscas:
Más detalles4º DE ESO MATEMÁTICAS-B CURSO UNIDAD 14: ESTADÍSTICA
UNIDAD 14: ESTADÍSTICA INTRODUCCIÓN La presenca de la Estadístca es habtual en multtud de contextos de la vda real: encuestas electorales, sondeos de opnón, etc. La mportanca de la Estadístca en la socedad
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesLa 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 detallesAÑOS
Unidad 0. Distribuciones de probabilidad Matemáticas aplicadas a las Ciencias Sociales I Resuelve Página 9 Distribución de edades Las edades de los habitantes de una población se distribuyen según la gráfica
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesMEDIDAS DESCRIPTIVAS
Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesINICIACIÓN A LA ESTADÍSTICA. ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD ESTADÍSTICA. (SOLUCIONES)
ACTIVIDADES DE AUTOEVALUACIÓ DE LA UIDAD ESTADÍSTICA. (SOLUCIOES) 1. D, en cada caso, cuál es la varable que se quere estudar y especfca de qué tpo es: Tempo dedcado a las tareas doméstcas por parte de
Más detallesunidad 12 Estadística
undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesPara un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:
7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesPyE_ EF1_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesPara construir un diagrama de tallo y hoja seguimos los siguientes pasos:
UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.
Más detallesTallerine: Energías Renovables. Fundamento teórico
Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................
Más detallesINSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO.
INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO. I.- RELACIONE AMBOS COLUMNAS Y SELECIONE LA RESPUESTA CORRECTA
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Más detallesDistribuciones de Probabilidad PREGUNTAS MÁS FRECUENTES
Repaso de º de Bachllerato Dstrbucones de robabldad REGUNTAS MÁS FRECUENTES. Qué es una funcón dstrbucón de probabldad? Se trata de un reparto del valor, que es la probabldad máxma, entre todos los posbles
Más detalles( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov
1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E
Más detallesACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS
IES ÍTACA ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FUNDAMENTOS DE MATEMÁTICAS HOJA 18: ESTADÍSTICA 1. El número de hermanos de los alumnos de una clase es el sguente: 1 3 1 1 1 1 1 1 1 1 3 1 3 5 a)
Más detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesDISTRIBUCIONES DE VARIABLE CONTINUA
DISTRIBUCIONES DE VARIABLE CONTINUA Página 63 REFLEXIONA Y RESUELVE Tiempos de espera Los trenes de una cierta línea de cercanías pasan cada 0 minutos. Cuando llegamos a la estación, ignoramos cuándo pasó
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesa) Imita el recorrido de un perdigón lanzando una moneda 7 veces y haciendo la asignación
Unidad. Distribuciones de probabilidad Resuelve Página El aparato de Galton a) Imita el recorrido de un perdigón lanzando una moneda 7 veces y haciendo la asignación cara derecha, cruz izquierda. Por ejemplo,
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesDISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Página 4 REFLEXIONA Y RESUELVE Recorrido de un perdigón Dibuja los recorridos correspondientes a: C + C C, + C + C, + C C C, + + + +, C+CC
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA PROBLEMARIO DE ESTADÍSTICA MÓDULO I. REPRESENTACIÓN DE DATOS MÓDULO II. MEDIDAS DE TENDENCIA CENTRAL ELABORADO
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Introduccón La estadístca es una rama de las matemátcas que trata de la recogda, ordenacón, análss y presentacón adecuada de datos recogdos sobre certa poblacón (no necesaramente
Más detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
Más detallesDISTRIBUCIONES DE PROBABILIDAD
5 DISTRIBUCIONES DE PROBABILIDAD Página 37 PARA EMPEZAR, REFLEXIONA Y RESUELVE Problema Al lanzar cuatro monedas pueden darse 6 posibilidades: CCCC, CCC+, CC+C, CC++, C+CC, Complétalas y justifica los
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesUNIDAD 1: Tablas de frecuencias
UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que
Más detalles5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.
5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesUnidad 9. Estadística
a las Enseñanzas Académcas Págna 9 El valor de las muestras. Un curoso epermento Quénes crees que obtendrán mejores resultados? Es decr, en general las meddas de las muestras de A, se parecerán más a μ
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesDEPARTAMENTO DE MATEMÁTICAS
. INTRODUCCIÓN En la socedad de la nformacón en la que vvmos resulta mprescndble dsponer de técncas y conceptos que permtan extraer, de manera fable y senclla, nformacón relevante de dferentes conjuntos
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesExamen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión).
Examen de Físca-, del Grado en Ingenería Químca Examen fnal. Septembre de 204 Cuestones (Un punto por cuestón. Cuestón (Prmer parcal: Un satélte de telecomuncacones se mueve con celerdad constante en una
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detalles