4 VARIABLES ALEATORIAS DISCRETAS
|
|
- Julio Bustamante Maldonado
- hace 6 años
- Vistas:
Transcripción
1 VARIABLES ALEATORIAS DISCRETAS Una ruleta está dividida en cuatro sectores de 90º de los que dos opuestos por el vértice son Azules, y los otros dos son uno Blanco y el otro Rojo. Conderemos el experimento aleatorio constente en hacer girar la ruleta dos veces y anotar el par ordenado de resultados. Al cada sector Azul le agnamos 50 puntos, al Blanco 00 y al Rojo 50. Definamos ahora la variable aleatoria X: Ω R que a cada suceso elemental le agna la suma de puntos de sus dos tiradas. a) Construir el espacio muestral, Ω, asociado a la experiencia. b) Calcular la probabilidad de cada uno de los sucesos elementales. c) Determinar el espacio imagen Ω* X(Ω). d) Construir la función de probabilidad imagen de X (ley de probabilidad de X), f(x). e) Construir la función de distribución de X, F(x). f) Calcular E(X), Var(X) y DT(X). a) y b) Sea U {A, V, R}. El espacio probabilístico asociado al experimento es: Ω U U {(A,A), (A,B), (A,R), (B,A), (B,B), (B,R), (R,A), (R,B), (R,R)} P R {/, /8, /8, /8 /6 /6 /8 /6 /6 c) y d) La variable aleatoria X: Ω R queda descrita por: Ω {(A,A), (A,R), (R,A), (A,B), (B,A), (R,R), (B,R), (R,B), (B,B)} X R Ω* { } La probabilidad imagen viene dada por: P( X 00 ) P P( X 0 ) P P( X 50 ) P P( X 00 ) P P( X 50 ) P P( X 00 ) P [ X ( 00 )] P [{( A,A )}] [ X (0 )] P [{( A,R ),( R,A )}] [ X ( 50 )] P [{( A,B ),( B,A )}] [ X (00 )] P [{( R,R )}] 6 8 [ X (50 )] P [{( B,R ),( R,B )}] [ X ( 00 )] P [{( B,B )}] e) Podemos representar la distribución de probabilidades (diagrama de barras) y la función de distribución acumulativa, F : R R, definida por F(x) P(X x), con EPR VARIABLES ALEATORIAS DISCRETAS 69
2 EXCEL, como hicimos con las correspondientes de una distribución estadística discreta (ver tema ): f) E[ X ] pi xi 5 i V [ X ] E[ X ] i i i i σ V [ X ] 87,5 9,86 ( E[ X ]) p x p x 906, , 5 i i 70 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
3 Sea Ω el espacio muestral de 0 elementos asociado a la extracción de una carta de una baraja española. Si se agnan puntos a cada as, a cada rey, a cada caballo, a cada sota y 0 a cada una de las cartas restantes se tiene una variable aleatoria X. a) Determinar el espacio imagen Ω* X(Ω). b) Construir la función de probabilidad imagen de X (ley de prob. de X). c) Construir la función de distribución de X. d) Calcular E(X), Var(X) y DT(X). a) El espacio muestral asociado al experimento es ΩA & R & C & S & O, donde A, R, C, S y O son el conjunto de ases, reyes, caballos, sotas y otras, respectivamente, con P(x) /0 para cada x Ω. La variable aleatoria X: Ω R queda descrita por: x Ω,,, x a X ( x ),, 0, x A x R x C x S x O El espacio muestral imagen es Ω * {0,,,, }: b) La probabilidad imagen queda determinada por: * P ( ) P( X ) P * P ( ) P( X ) P * P ( ) P( X ) P * P () P( X ) P * P (0 ) P( X 0 ) P [ X ( )] P[ A] [ X ( )] P[ R] [ X ( )] P[ C] [ X ()] P[ S] [ X ( 0 )] P[ O] EPR VARIABLES ALEATORIAS DISCRETAS 7
4 c) Podemos representar la distribución de probabilidades (diagrama de barras) y la función de distribución acumulativa, F: R R, definida por F(x) P(X x), con EXCEL, como en el ejercicio anterior: d) E[ X ] pi xi i V [ X ] E[ X ] i i i i σ V [ X ], ( E[ X ]) p x p x i i 7 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
5 Sea X una variable aleatoria que toma los valores 0, y con probabilidades 0,, 0,5 y p, respectivamente. a) Calcular el valor de p. b) Calcular la esperanza matemática y la varianza de X. c) Definir y representar la función de distribución, F(x). a) X: Ω Ω* {0,,}, con P(X0) 0,, P(X) 0,5 y P(X) -(0,+0,5) 0,. b) E[ X ] p x 0, 9 ; V [ X ] E[ X ] ( E[ X ]), (0,9 ) 0, 9 c) σ i i i V [ X ] 0,9 0 7, EPR VARIABLES ALEATORIAS DISCRETAS 7
6 Se lanza un dado cúbico del que tres caras están marcadas con, dos caras con y una cara con 6. a) Después de lanzar el dado se anota la puntuación aparecida. Se degna por X la variable aleatoria que a cada jugada le asocia esa puntuación. Construir el espacio probabilístico imagen de X. Representar la función de probabilidad y la función de distribución acumulativa de X. b) Se lanza el dado dos veces y se degna por Z la variable aleatoria que a cada par ordenado de puntuaciones le agna la suma de puntos. Representar la función de probabilidad y la función de distribución acumulativa de Z. a) El espacio muestral del experimento es Ω {,,6} y el espacio probabilístico imagen es Ω* {,,6}, ya que la variable aleatoria X: Ω R es la función identidad sobre Ω: X(), X() y X(). Entonces, P(X) /6, P(X) /6 y P(X)/6. 7 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
7 Los parámetros estadísticos usuales son: E[ X ] p x,667 ; i i i V [ X ] E[ X ] ( E[ X ]), 89 ; σ V [ X ],89, 777 b) El espacio muestral del experimento es ahora el producto carteano Ω Ω Ω {(,), (,), (,6), (,), (,), (,6), (6,), (6,), (6,6)}, con P(i,,j)P(i) P(j), por independencia. El espacio probabilístico imagen de la v.a. Z es Ω* {,,,7,8,}. La probabilidad imagen viene dada por: 9 P( Z ) P[ Z ( )] P [{(,)} ] P( Z ) P[ Z ( )] P [{(, ),(,)} ] P( Z ) P[ Z ( )] P [{(, )] P( Z 7 ) P[ Z (7 )] P [{(,6 ),(6,)}] P( Z 8 ) P[ Z ( 8 )] P [{(,6 ),(6, )}] P( Z ) P[ Z ( )] P [{( 6,6 )] Los estadísticos usuales son: E[ X ] p x, ; i i i ( E[ X ]) 6, 777 V [ X ] E[ X ] ; σ V [ X ],89,5055 EPR VARIABLES ALEATORIAS DISCRETAS 75
8 76 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
9 5 La función de distribución acumulativa F:R R de una variable aleatoria X 0, x <, /, x < 0, viene definida por: x a F( x ) /, 0 x <,, x. a) Dibujar la gráfica de F. b) Describir la función de probabilidad de X y representarla mediante un diagrama de barras. c) Calcular las guientes probabilidades: P(X ), P(X ), P(X < ), P(X ), P(X ), P(0 < X < ), P(0 < X ), P( X ). Una vez representada la función de distribución, sabemos que las probabilidades de los valores discretos de x son los saltos de dicha función escalonada. Es decir: x i - 0 p i P(X x i ) / / / La función de probabilidad f:r R viene definida por: /, x /, x 0 x a f ( x ) /, x 0, en otro caso. EPR VARIABLES ALEATORIAS DISCRETAS 77
10 Ahora: P ( X ) 0 P ( X ) F() (También P ( X ) P( X ) + P( X 0 ) + ) P ( X < ) P( X 0 ) F(0 ) P ( X ) P ( X ) F( ) P (0 < X < ) 0 P ( 0 < X ) F( ) F(0 ) (También P (0 < X ) P( X ) ) P ( X ) P( X ) + P( < X ) 0 + F( ) F( ) 0 + (También P ( X ) P( X ) ) 78 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
11 6 La función de probabilidad de una variable aleatoria X es nula salvo en los puntos x {0,, }, en los que toma los valores P (X 0) c, P(X ) c 0c, P(X ) 5c, para un cierto c > 0. a) Calcular el valor de c. b) Describir y representar la función de distribución acumulativa, F. c) Calcular las probabilidades P(X < ), P(X ), P( < X ), P(0 < X < ). d) Hallar ( es que existe) el mayor valor de x tal que F (x) <. e) Hallar ( es que existe) el menor valor de x tal que F (x) >. a) Puesto que p0 + p + p P( X 0 ) + P( X ) + P( X ), se tiene que c + ( c 0c ) + ( 5c ) c 0c + 9c 0 ( c )( c )( c ) 0 Las soluciones de la ecuación anterior son c,c y c. Las dos primeras no son solución de nuestro problema, pues sería P ( X 0 ) >. Así, ha de ser c. 6 Entonces: p0, p y p b) La función de probabilidad y la función de distribución son: EPR VARIABLES ALEATORIAS DISCRETAS 79
12 La función de probabilidad f:r R viene definida por x a / 9, / 9, f ( x ) 6 / 9, 0, x 0 x x en otro caso. La función de distribución acumulativa F:R R viene definida por 0, / 9, x a F( x ) /,, x < 0, 0 x <, x <, x. c) P ( X < ) P( X 0 ) 9 P ( X ) P( X 0 ) + P( X ) + P( X ) 6 P ( < X ) P( X ) 9 6 P ( 0 < X < ) P( X ) + P( X ) d) Observando la definición o la gráfica de F(x), vemos que para todo x del intervalo ], [ es F ( x ) <, luego el valor pedido no existe: dicho intervalo no tiene máximo. e) Análogamente, observamos que para todo x del intervalo [, + [ es Ahora, este intervalo sí tiene un mínimo,, que es el valor pedido. F ( x ) >. 80 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
13 7 De una variable aleatoria X cuyos valores pobles son,,,..., n, se sabe que P (X k) es proporcional a k (esto es, existe un α tal que P(X k) α k ). Determinar la constante de proporcionalidad, α, la función de probabilidad, f, y la n(n + ) función de distribución, F. (Recuérdese que n ). n Como P( X k ), ha de ser α k, luego α k. Teniendo en cuenta la k n k n k n( n + ) fórmula de la suma de los n primeros naturales, se tiene que α, luego α. n ( n + ) Así, k p k P( X k ). n( n + ) La función de probabilidad f:r R viene definida por x a f ( x ) P( X 0, x x ), n( n + ) en x {,,, K,n} otro caso La función de distribución acumulativa F:R R viene definida por Es decir x a F( x ) P( X x ) k x P( X k ) x ], [... F(x) 0 x [, [... F(x) F() P( X ) n( n + ) 6 x [, [... F(x) F() P( X ) + P( X ) + n( n + ) n( n + ) n( n + ) x [n,+ [... F(x) F(n) P ( X ) + P( X ) +...P( X n ) EPR VARIABLES ALEATORIAS DISCRETAS 8
14 8 Se sabe que el número de minutos, x, que uno tiene que esperar un tren en cierta estación del metro es una variable aleatoria discreta, X, con la guiente función 0, x k /0 para k {0,,,..., 0}, de probabilidad: x a f(x) /, x {0; 0'; 0'6; 0'9; '; '; '7; '0}, / 9, x {'; '5; '8}. a) Representar f por un diagrama de barras y dibujar la gráfica de la correspondiente función de distribución, F. b) Sea A el suceso constente en que uno tiene que esperar un tiempo x [0,] y sea B el suceso constente en que uno tiene que esperar un tiempo x [,]. Calcular las probabilidades P(A), P(B), P(A B), P(A B) y P(A B). a) 8 ESTADÍSTICA J. Sánchez Mª. S. Sánchez
15 b) P ( A ) P( x [0, ]) P(0 ) + P(0, ) + P(0,6 ) + P(0,9 ) + P(, ) + P(,5 ) + P(,8 ) P ( B ) P( x [,]) P(, ) + P(,5 ) + P(,8 ) + P(,) + P(, ) + P( 7, ) + P( ) P ( A B ) P( x [, ]) P(, ) + P(,5 ) + P(,8 ) P( A B ) / P ( A B ) P( B ) / P( A B ) P( A ) + P( B ) P( A B ) + ( P ( A B ) P( Ω*) ) EPR VARIABLES ALEATORIAS DISCRETAS 8
16
5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.
Más detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesProbabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades
Experimentos deterministas Probabilidad Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas,
Más detallesPROBLEMAS DE PROBABILIDAD. 3. Calcula la probabilidad de que al lanzar dos dados la suma de sus puntos sea: a) igual a 5 b) mayor que 10
1. Se lanza un dado. Halla la probabilidad: a) de salir el 3 b) de salir un número par c) de salir un número mayor que 2 PROBLEMAS DE PROBABILIDAD 2. Calcula la probabilidad de que al lanzar dos monedas:
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
PROBABILIDAD Definición de probabilidad La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Más detallesVariable 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 detallesEspacio muestral. Operaciones con sucesos
Matemáticas CCSS. 1º Bachiller Tema 12. Probabilidad Espacio muestral. Operaciones con sucesos 1. Determina el espacio muestral de los siguientes experimentos a) Lanzar una moneda y anotar el resultado
Más detallesTema 6 Probabilidad. 0.-Introducción La probabilidad de un suceso es un número, comprendido entre 0 y
Tema 6 Probabilidad 0.-Introducción La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesHOJA DE TRABAJO UNIDAD 3
HOJA DE TRABAJO UNIDAD 3 1. Defina que es probabilidad Es el estudio de experimentos aleatorios o libres de determinación, el resultado es al azar. Se refiere al estudio de la aleatoriedad y a la incertidumbre.
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesEjercicios de Cálculo de Probabilidades
Ejercicios de Cálculo de Probabilidades Ejercicio nº 1.- De una bolsa que tiene 10 bolas numeradas del 0 al 9, se extrae una bola al azar. a Cuál es el espacio muestral? b Describe los sucesos: A "Mayor
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. Página PRACTICA Muy probable, poco probable Tenemos muchas bolas de cada uno de los siguientes colores: negro (N), rojo (R), verde (V) y azul (A), y una gran caja vacía. Echamos en la caja R, 0 V
Más detallesLanzamos 1 dado y comprobamos cuál es el resultado que aparece en la cara superior.
Curso ON LINE Tema 01 SÓLO ENUNCIADOS. PROBABILIDADES I Lanzamos 1 dado y comprobamos cuál es el resultado que aparece en la cara superior. 001 002 003 004 005 Lanzamos 1 dado y comprobamos cuál es el
Más detallesEJERCICIOS DE GEOMETRÍA PLANA. 1. Hallar las ecuaciones paramétricas de la recta r que pasa por el punto ( 2, 2) tiene como vector director el vector
EJERCICIOS DE GEOMETRÍA PLANA Hallar las ecuaciones paramétricas de la recta r que pasa por el punto (, ) tiene como vector director el vector v i j A y x a + vt La ecuación paramétrica de una recta es
Más detallesX = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?
Ejemplo: el valor esperado y los juegos justos. En los juegos de azar es importante la variable aleatoria X = beneficio del jugador = (ganancia neta) (recursos invertidos) El juego consiste en una caja
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesTema 4: Variable aleatoria. Métodos Estadísticos
Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función
Más detallesProbabilidad. INTER-CAMMC Matemática 4-6. Profa. Liza V. Rodríguez
Probabilidad INTER-CAMMC Matemática 4-6 Objetivos: Definir los conceptos probabilidad, probabilidad teórica y probabilidad experimental. Presentar ejemplos de cada concepto discutido. Vocabulario Experimento:
Más detallesTema 5. Variables Aleatorias
Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
Más detallesMATEMÁTICAS 2º ESO. BLOQUE 9. FUNCIONES, ESTADÍSTICA Y PROBABILIDAD. (En el libro Temas 8, 9 y 10, páginas 141, 159 y 177)
MATEMÁTICAS 2º ESO. BLOQUE 9. FUNCIONES, ESTADÍSTICA Y PROBABILIDAD. (En el libro Temas 8, 9 y 10, páginas 141, 159 y 177) 1. Funciones. 1.1. Coordenadas en el plano. 1.2. Definición de función. 1.3. Intervalos.
Más detallesAPELLIDOS Y NOMBRE:...
1º BACHILLERATO Fecha: 6-09-011 PRUEBA INICIAL APELLIDOS Y NOMBRE:... NORMAS El eamen se realizará con tinta de un solo color: azul ó negro No se puede usar corrector Se valorará potivamente: ortografía,
Más detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesTema 11 Probabilidad Matemáticas B 4º ESO 1
Tema 11 Probabilidad Matemáticas B 4º ESO 1 TEMA 11 PROBABILIDAD SUCESOS EJERCICIO 1 : En una bolsa hay 8 bolas numeradas del 1 al 8. Extraemos una bola al azar y anotamos su número. a Escribe el espacio
Más detallesDefinición 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 detallesPROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.
PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesTécnicas 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 detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detallesESTADISTICA APLICADA A LA EDUCACIÒN CODIGO: HOC220 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICIONAL Y DE DISPERSIÓN
ESTADISTICA APLICADA A LA EDUCACIÒN CODIGO: HOC220 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICIONAL Y DE DISPERSIÓN COMPILADOR San Cristóbal, Abril 2011 CODIGO: HOC220 Página 1 1. A un conjunto
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD PARA MAYORES DE 25 AÑOS (2014). Materia: Matemáticas aplicadas a las ciencias sociales
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA MAYORES DE 25 AÑOS (2014. Materia: Matemáticas aplicadas a las ciencias sociales Esta prueba consta de dos bloques (A y B de cuatro preguntas cada uno. El alumno
Más detallesEJERCICIOS RESUELTOS TEMA 1.
EJERCICIOS RESUELTOS TEMA 1. 1.1. El proceso por el cual se asignan números a objetos o características según determinadas reglas se denomina: A) muestreo; B) estadística; C) medición. 1.2. Mediante la
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesÁlgebra lineal. Curso Tema 5. Hoja 1. Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace.
Álgebra lineal. Curso 2007-2008. Tema 5. Hoja 1 Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace. 1. Un dado se lanza dos veces. Se pide: (a) Construir el espacio muestral.
Más detallesUNIDAD XI Eventos probabilísticos
UNIDAD XI Eventos probabilísticos UNIDAD 11 EVENTOS PROBABILÍSTICOS Muchas veces ocurre que al efectuar observaciones en situaciones análogas y siguiendo procesos idénticos se logaran resultados diferentes;
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesRELACIÓN DE EJERCICIOS TEMA 2
1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación
Más detallesPROBABILIDAD. De una bolsa que tiene 10 bolas numeradas del 0 al 9, se extrae una bola al azar.
PROBABILIDAD Ejercicio nº 1.- De una bolsa que tiene 10 bolas numeradas del 0 al 9, se extrae una bola al azar. a Cuál es el espacio muestral? A "Mayor que 6" B "No obtener 6" C "Menor que 6" c Halla los
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detallesProbabilidad. La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento.
Matemáticas segundo medio COLEGIO SSCC CONCEPCION NOMBRE: Clase Teórica Práctica Nº 30 Probabilidad Probabilidad: Introducción La probabilidad mide la frecuencia con la que aparece un resultado determinado
Más detallesFICHA DE TRABAJO DE CÁLCULO DE PROBABILIDADES
FICHA DE TRABAJO DE CÁLCULO DE PROBABILIDADES EXPERIMENTO ALEATORIO: ESPACIO MUESTRAL Y SUCESOS 1) Se considera el experimento que consiste en la extracción de tres tornillos de una caja que contiene tornillos
Más detalles1º ESO TEMA 9 ESTADÍSTICA Y PROBABILIDAD
1º ESO TEMA 9 ESTADÍSTICA Y PROBABILIDAD 1 1.- FRECUENCIAS Para organizar y analizar una serie de datos estadísticos se utiliza una tabla de frecuencias Tabla de frecuencias Valores (xi) 0 1 2 Frecuencia
Más detallesRelación de problemas: Variables aleatorias
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución
Más detallesVariables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:
TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
PROBABILIDAD La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio. Experimentos deterministas
Más detallesEJERCICIOS DEL BLOQUE DE PROBABILIDAD.
EJERCICIOS DEL BLOQUE DE PROBABILIDAD. 1.- Cuál es la probabilidad de sacar los dos ases al lanzar dos dados? 2.- Cuál es la probabilidad de obtener tres caras, lanzando al aire una moneda tres veces?.
Más detallesBioestadística. Curso Capítulo 3
Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................
Más detallesEjercicios elementales de Probabilidad
Ejercicios elementales de Probabilidad 1. Se extrae una carta de una baraja de 52 naipes. Halla la probabilidad de que sea: (a) Un rey. (b) Una carta roja. (c) El 7 de tréboles. (d) Una figura de diamantes.
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesDr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez
Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesUNIDAD II Eventos probabilísticos
UNIDAD II Eventos probabilísticos UNIDAD 2 EVENTOS PROBABILÍSTICOS Muchas veces ocurre que al efectuar observaciones en situaciones análogas y siguiendo procesos idénticos se logaran resultados diferentes;
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesTiempo completo Tiempo parcial Total Mujeres Hombres Total
ASIGNACION DE ROBABILIDAD A manera de introducción al tema analicemos las diferencias entre eventos mutuamente excluyentes, no mutuamente excluyentes, dependientes e independientes. Ejemplo : En un grupo
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesMatemáticas Aplicadas a las Ciencias Sociales II Soluciones
Prueba etraordinaria de septiembre. Matemáticas Aplicadas a las Ciencias Sociales II Soluciones.- Un sastre dispone de 8 m de tela de lana y m de tela de algodón. Un traje de caballero requiere m de algodón
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesAnálisis 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 detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 2 Probabilidad condicional e independencia Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir los eventos condicionales de los eventos independientes.
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesProcesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
Más detalles