Manejo de las tablas
|
|
- Gloria Quiroga Coronel
- hace 6 años
- Vistas:
Transcripción
1 Manejo de las tablas Pedro González enero de 008 Las tablas descargadas corresponden a las siguientes funciones de distribución, cuyas definiciones y propiedades más importantes se muestran a continuación.. Distribución normal.. Definición Sean µ y σ números reales, σ > 0. La variable aleatoria X cuya función de densidad f es: f(x) = σ (x µ) π e σ, x R se llama una normal de parámetros µ, σ, y se designa como X = N (µ, σ). Se designa por E [X], E [Y ],... (resp. Var [X], Var [Y ],... ) la esperanza (resp. varianza) de la variable aleatoria X, Y,.... Se demuestra fácilmente que si X = N (µ, σ), entonces: E [X] = µ, Var [X] = σ La función de distribución F µ,σ de X, es por definición:.. Propiedades Se tiene el siguiente F µ,σ (x) = P [X x] = x f(t) dt Teorema Si a, b son números reales cualesquiera, con a 0 y X = N (µ, σ), entonces: En particular, tomando a = σ, b = µ σ ax + b = N (aµ + b, a σ) () en (), es: X µ σ = N (0, ) () En otras palabras, mediante una traslación y un cambio de escala, cualquier normal X puede convertirse en una N (0, ). La fórmula () se llama tipificación de la variable X. La función de distribución F 0, de una N (0, ) se acostumbra a representar como Φ(x), y por tanto: Φ(x) = P [X x] = x π exp ( t ) dt
2 Esta integral no puede hacerse por métodos elementales, salvo para algunos valores particulares de la x, razón por la cual está tabulada. Las siguientes propiedades es necesario conocerlas y memorizarlas: ( ) x µ. Si X = N (µ, σ) = P [X x] = Φ. σ ( ) ( b µ a µ. Si X = N (µ, σ) = P [a < X < b] = Φ Φ σ σ 3. Φ( x) = Φ(x), para todo x R, luego la N (0, ) sólo debe tabularse para valores x 0. En particular, tomando x = 0 en la expresión anterior: ). Φ(0) = Φ(0) = Φ(0) = 4. Φ(x) Φ( x) = Φ(x). 5. Adición de normales. Si X = N (µ, σ ), Y = N (µ, σ ), X e Y independientes, entonces: ( ) X ± Y = N µ ± µ, σ + σ.3. Manejo de la tabla Dado x, hallar Φ(x). Si x se encuentra en la tabla, se lee el correspondiente valor en la intersección de la fila y columna (unidades y décimas en la columna y centésimas en la fila superior). Por ejemplo: Φ(.5) = Φ(3) = Φ(3.00) = Φ(0.8) = Φ( 3.45) = Φ(3.45) = = Si x no se encuentra en la tabla, debe utilizar la fórmula de la interpolación lineal. En concreto, dada una función f definida en un intervalo [a, b], tomamos: f(x) f(a) + f(b) f(a) (x a) (3) b a Calculemos, por ejemplo Φ(.367). Acotamos x =.367 entre los dos valores más cercanos en la tabla, por defecto y exceso, en concreto: Utilizando (3) con estos datos, obtenemos: Φ(.367) = a =.36, Φ(a) = b =.37, Φ(b) = ( ) =
3 Al revés, dado p, tal que 0 < p <, hallar x tal que Φ(x) = p. En otras palabras, resolver la ecuación Φ(x) = p. Como la función Φ es creciente, es sencillo encontrar p en la tabla. Si la coincidencia es exacta, se mira el lugar en que se encuentra y ése valor es x. Por ejemplo: Φ(x) = En éste caso, resulta x =.96. Si no fuera así, hay que volver a utilizar (3). Por ejemplo, hallar x sabiendo que Φ(x) = En éste caso: a =.3, Φ(a) = y, de aquí: 0.99 = b =.33, Φ(b) = (x.3) = x = Veamos otro ejemplo. Resolver Φ(x) = 0.3. Como los valores de Φ comienzan en 0.5, es evidente que x < 0. Así: Entonces: y, de aquí: Φ( x) = Φ(x) = 0.3 = 0.7. Si hacemos u = x = Φ(u) = = a = 0.5, Φ(a) = b = 0.53, Φ(b) = (u 0.5) = u = = x = Veamos un último ejemplo. Si X = N (0, 5), hallar P [X ]. Utilizando las propiedades, tenemos: ( ) 0 P [X ] = Φ = Φ(0.4) = Cálculos con Maple Si dispone de Maple, entonces no necesita ni tablas ni interpolación. Veamos los ejemplos descritos utilizando dicho programa. En primer lugar cargue el paquete stats: > with(stats); [anova, describe, fit, importdata, random, statevalf, statplots, transform] > statevalf[cdf,normald](.5); > statevalf[cdf,normald](3); > statevalf[cdf,normald](0.8);
4 > statevalf[cdf,normald](-3.45); > statevalf[cdf,normald](.367); > statevalf[icdf,normald](0.975); > statevalf[icdf,normald](0.99); > statevalf[icdf,normald](0.3); > statevalf[cdf,normald[0,5]](); Distribución chi-cuadrado.. Definición Sean Z, Z,..., Z n variables aleatorias independientes, cada una de ellas N (0, ). La variable aleatoria χ n = Z + Z + + Z n se llama chi-cuadrado con n grados de libertad. La función de distribución de la variable χ n se denota por X n, y por consiguiente:.. Propiedades E [χ n] = n, Var [χ n] = n. X n (x) = P [ χ n x ] (4) Si U = χ n y V = χ m, con U y V independientes, entonces U + V = χ n+m..3. Puntos críticos de la χ n Sea α ]0, [ y sea χ n,α tal que P [ χ n χ n,α] = α. El valor χ n,α se llama punto crítico a nivel α de la distribución χ n. Según (4) equivale a:.4. Aproximaciones X n (χ n,α) = α Para n > 30, se puede aplicar la aproximación: 4
5 y basándonos en éste resultado, tenemos el siguiente χ n n = N (0, ) (5) Teorema Dado p R, 0 < p <, n Z, n > 30, la ecuación X n (x) = p, con x 0, tiene como aproximación la solución: ( Φ (p) + n ) x = siendo Φ la función de distribución de la N (0, ). (6).5. Ejemplos. Calcular X 6 (3.5483). Mirando en la tabla, vemos que: X 6 (3.5483) = P [ χ ] = 0.9. Calcular el punto crítico χ 0,0.9. Observando la tabla es χ 0,0.9 = 8.498, lo que quiere decir: P [ χ ] = Calcular X 5 (0). Resulta evidente que en la fila n = 5, no se encuentra el valor 0, así es que tenemos que interpolar. Por tanto: y, de aquí: X 5 (0) = Hallar P [χ 8 > 4]. Tenemos: a = , X 5 (a) = 0.8 b =.3073, X 5 (b) = ( ) = P [ χ 8 > 4 ] = P [ χ 8 4 ] = X 8 (4) y estamos en una situación parecida al apartado anterior. Siguiendo los mismos pasos: y, de aquí: y, por último: X 8 (4) = a = , X 8 (a) = 0.0 b = , X 8 (b) = ( ) = P [ χ 8 > 4 ] = = Resolver la ecuación P [χ 80 > x] = 0.9. Tenemos: 0.9 = P [ χ 80 x ] = P [ χ 80 x ] = 0. = x = χ 80,0. Utilizando (6), obtenemos: ( Φ (0.) + 59 ) x χ 80,0. = 5 = ( ) = 64.63
6 .6. Cálculos con Maple Veamos los ejemplos anteriores con Maple. > with(stats); [anova, describe, fit, importdata, random, statevalf, statplots, transform] > statevalf[cdf,chisquare[6]](3.5483); > statevalf[icdf,chisquare[0]](0.9); > statevalf[cdf,chisquare[5]](0); > -statevalf[cdf,chisquare[8]](4); > statevalf[icdf,chisquare[80]](0.); Distribución t de Student 3.. Definición Sea A = N (0, ) y B = χ n, independientes, n. La variable aleatoria: t n = A χ n n se llama t de Student con n grados de libertad. La función de distribución de t n se denota por T n, y por consiguiente: 3.. Propiedades Como en el caso de la normal, se cumple que: T n ( x) = T n (x). T n (x) T n ( x) = T n (x). T n (x) = P [t n x] (7) 3.3. Puntos críticos de la t n Sea α ]0, [ y sea t n,α tal que P [t n t n,α ] = α. El valor t n,α se llama punto crítico a nivel α de la variable aleatoria t n. Según (7), equivale a: T n (t n,α ) = α 6
7 y además: t n,α = t n, α Si n no viene en la tabla, acotamos n n n, donde el entero n (resp. n ) es el valor más cercano a n por defecto (resp. exceso) en la tabla, y el punto crítico t n,α se calcula interpolando respecto a los inversos de n y n Aproximaciones Para n grande, la distribución t n puede aproximarse a la N (0, ) Ejemplos. Calcular P [t.0667]. Directamente en la tabla:. Calcular P [t 9 > ]. Tenemos: P [t.0667] = T (.0667) = 0.85 P [t 9 > ] = P [t ] = T 9 (0.8549) = 0.8 = Calcular P [ t.7888]. En fin: P [ t.7888] = P [.7888 t.7888] = = T (.7888) T (.7888) = = T (.7888) = 0.95 = Calcular t 0,0.8 y t 30,0.3. Para el primero, directamente en la tabla: t 0,0.8 = Para el segundo: t 30,0.3 = t 30,0.7 = Calcular P [t 0.]. Nos piden T 0 (.). Interpolando: a =.846, T 0 (a) = 0.95 b =.839, T 0 (b) = y, de aquí: T 0 (.) = (..846) = Hallar p = P [. t 6.]. Tenemos: p = T 6 (.) T 6 (.) = T 6 (.) ( T 6 (.) ) = T 6 (.) + T 6 (.) Interpolando: } a =.9905, T 6 (a) = = T 6 (.) = b = , T 6 (b) =
8 También: Y finalmente: } a =.0737, T 6 (a) = 0.85 = T 6 (.) = b = , T 6 (b) = 0.9 p = = Hallar t 35,0.9. No hay fila para n = 35 en la tabla, así pues, interpolamos respecto a los inversos de los grados de libertad. En primer lugar: t 30,0.9 =.3045, t 40,0.9 = En nuestro caso n = 30, n = 35, n = 40. Tomamos a =, x =, b = decir: ( t 35,0.9 = ) = Hallar x en P [ t 45 > x] = 0.0. Tenemos: en (3), es P [ t 45 > x] = 0.0 = P [ t 45 x] = 0.99 = T 45 (x) = 0.99 = T 45 (x) = luego x = t 45, Procediendo como en el problema anterior: t 40,0.995 = , t 60,0.995 = Resulta x = Cálculos con Maple with(stats); [anova,describe,fit,importdata,random,statevalf,statplots,transform] > statevalf[cdf,studentst[]](.0667); > -statevalf[cdf,studentst[9]](0.8549); > statevalf[cdf,studentst[]](.7888)- statevalf[cdf,studentst[]](-.7888); > statevalf[icdf,studentst[0]](0.8); > statevalf[icdf,studentst[30]](0.3); > statevalf[cdf,studentst[0]](.);
9 > statevalf[cdf,studentst[6]](.)-statevalf[cdf,studentst[6]](-.); > statevalf[icdf,studentst[35]](0.9); > statevalf[icdf,studentst[45]](0.995); Distribución F de Snedecor 4.. Definición Sea A = χ m y B = χ n, independientes, m, n. La variable aleatoria: F m,n = χ m/m χ n/n se llama F de Snedecor con m y n grados de libertad. La función de distribución de F se denota por F m,n, y por consiguiente: 4.. Propiedades Si F = F m,n = F = F n,m Puntos críticos de la F de Snedecor F m,n,( x) = P [F m,n x] (8) Sea α ]0, [ y sea F n,m,α tal que P [F m,n F m,n,α ] = α. El valor F m,n,α se llama punto crítico a nivel α de la distribución F m,n. Según (8), equivale a: También: F m,n (F m,n,α ) = α F m,n,α = F n,m, α Como en el caso de la t de Student, para calcular F m,n,α correspondientes a un valor de m o de n que no se encuentren en las tablas debe interpolarse respecto a los inversos de los grados de libertad Casos límites Se cumple que: F,n,α = n χ n, α, F m,,α = χ m,α m 9
10 4.4. Ejemplos. Hallar P [F 0,.878]. Directamente en la tabla, es α = 0.9, luego: P [F 0,.878] = F 0, (.878) = 0.9. Hallar P [F 5,0 ]. En ninguna de las tablas, viene exactamente x =, luego hemos de interpolar. En concreto: F 5,0 (.8449) = 0.9 y, por tanto: F 5,0 () = Hallar los siguientes puntos críticos: F 5,0 (.033) = (.8449) = F 30,0,0.95 ; F 0,30,0.95 ; F 30,0,0.05 Tenemos: F 30,0,0.95 =.039 F 0,30,0.95 =.937 F 30,0,0.05 = = F 0,30, = Hallar x en P [F 5, > x] = Esto es equivalente a: P [F 5, x] = = F 5, (x) = = x = F 5,,0.975 = Hallar F 5,35,0.9. No hay fila para n = 35 en la tabla, así pues, interpolamos respecto a los inversos de los grados de libertad. En primer lugar: F 5,30,0.9 =.73, F 5,40,0.9 =.664 luego F 5,35,0.9 = ( 35 ) = Cálculos con Maple with(stats); [anova,describe,fit,importdata,random,statevalf,statplots,transform] > statevalf[cdf,fratio[0,]](.878); > statevalf[cdf,fratio[5,0]](); > statevalf[icdf,fratio[30,0]](0.95);
11 > statevalf[icdf,fratio[0,30]](0.95); > statevalf[icdf,fratio[30,0]](0.05); > statevalf[icdf,fratio[5,]](0.975); > statevalf[icdf,fratio[5,35]](0.9);
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 detallesINTRODUCCIÓN 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 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 detallesAlgunas 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 detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
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 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 detallesb) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7
EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho
Más detallesDerivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detallesTEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL
ESTADÍSTICA II TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL II.1.- Distribución chi-cuadrado. II.1.1.- Definición. II.1..- Función de densidad. Representación gráfica. II.1.3.- Media y varianza.
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesSistemas de ecuaciones lineales dependientes de un parámetro
Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
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 detallesModelos 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 detallesCurso 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 detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
Más detallesLa reordenación aleatoria de un conjunto finito
La reordenación aleatoria de un conjunto finito Pérez Cadenas J. I. 0.06.2003 Resumen Al desordenar y, a continuación, reordenar aleatoriamente un conjunto finito es posible que algunos de sus elementos
Más detalles1. 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 detallesÁreas entre curvas. Ejercicios resueltos
Áreas entre curvas Ejercicios resueltos Recordemos que el área encerrada por las gráficas de dos funciones f y g entre las rectas x = a y x = b es dada por Ejercicios resueltos b a f x g x dx Ejercicio
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales 1. Estudiar el sistema de ecuaciones según los valores del parámetro a. ax + y + z = a x y + z = a 1 x + (a 1)y + az = a + 3 Resolverlo (si es posible) para a = 1. (Junio
Más detallessobre un intervalo si para todo de se tiene que. Teorema 1 Sean y dos primitivas de la función en. Entonces,
Integral indefinida Primitiva e integral indefinida. Cálculo de primitivas: métodos de integración. Integración por cambio de variable e integración por partes. Integración de funciones racionales e irracionales.
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 detallesEjercicios Temas 3 y 4: Interpolación polinomial. Ajuste de curvas.
Ejercicios Temas 3 y 4: Interpolación polinomial. Ajuste de curvas.. El número de personas afectadas por el virus contagioso que produce la gripe en una determinada población viene dado por la siguiente
Más detallesTema 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 detallesLa función, definida para toda, es periódica si existe un número positivo tal que
Métodos con series de Fourier Definición: Función periódica La función, definida para toda, es periódica si existe un número positivo tal que para toda. El número en un periodo de la función. Si existe
Más detallesLa siguiente tabla presenta las medidas en radianes y en grados de varios ángulos frecuentes, junto con los valores de seno, coseno, y tangente.
Solución. En el primer cuadrante: En el segundo cuadrante: En el tercer cuadrante: En el cuarto cuadrante: cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan θ 0 cos θ 0, sin θ 0 tan
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 detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesTrigonometría Analítica. Sección 6.6 Funciones trigonométricas inversas
6 Trigonometría Analítica Sección 6.6 Funciones trigonométricas inversas Funciones Inversas Recordar que para una función, f, tenga inversa, f -1, es necesario que f sea una función uno-a-uno. o Una función,
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesIntroducción al Tema 8. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 8 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:
Más detallesCálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos
Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesT0. TRANSFORMADAS DE LAPLACE
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS T0. TRANSFORMADAS DE LAPLACE Mediante transformadas de Laplace (por Pierre-Simon
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesIES Fco Ayala de Granada Junio de 2011 (Específico Modelo 5) Solución Germán-Jesús Rubio Luna. Opción A
IES Fco Ayala de Granada Junio de 2011 (Específico Modelo 5) Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 2011 específico1 [2'5 puntos] Un alambre de 100 m de longitud se divide
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesEjercicios resueltos. 4 continua en R luego continua en cualquier. , [ 1,1] = 0 que equivale a decir 1,1
Teoremas de continuidad y derivabilidad Ejercicios resueltos.- Demostrar que la siguiente ecuación tiene una solución en el intervalo, : 4 º. Se considera la función 4 continua en R luego continua en cualquier
Más detallesCONCEPTOS BASICOS DE LA TRANSFORMADA DE LAPLACE LA TRANSFORMADA DE LAPLACE
LA TRANSFORMADA DE LAPLACE Por cálculo integral sabemos que cuando vamos a determinar una integral impropia de la forma,su desarrollo se obtiene realizando un cambio de variable en el límite superior de
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesIES Fco Ayala de Granada Junio de 2012 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 01 común Sea f : R R la función definida como f(x) = e x.(x ). [1 punto]
Más detallesJUNIO Opción A
Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se
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 detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detalles2. Continuidad y derivabilidad. Aplicaciones
Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 7 2. Continuidad y derivabilidad. Aplicaciones Límite de una función en un punto Sea una función f(x) definida en el entorno de un punto
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesLímites y continuidad. Cálculo 1
Límites y continuidad Cálculo 1 Razones de cambio y límites La rapidez promedio de un móvil es la distancia recorrida durante un intervalo de tiempo dividida entre la longitud del intervalo. Ejemplo 1
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesAlgunas 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 detallesEspacios Vectoriales
Leandro Marín Octubre 2010 Índice Definición y Ejemplos Paramétricas vs. Impĺıcitas Bases y Coordenadas Para definir un espacio vectorial tenemos que empezar determinando un cuerpo sobre el que esté definido
Más detallesClase 10: Extremos condicionados y multiplicadores de Lagrange
Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
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 detallesEjercicios del Tema 2: Estructuras algebraicas básicas
Ejercicios del Tema 2: Estructuras algebraicas básicas En los ejercicios 1, 2, 8 y 9 se utilizará que si G = {g 1,...,g n } es un conjunto finito y * una operación interna definida en G, podemos utilizar
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 detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesSISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González.
SISTEMAS DE ECUACIONES LINEALES Método de reducción o de Gauss 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González. SISTEMAS DE DOS ECUACIONES LINEALES CON DOS INCÓGNITAS.
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN OPCIÓN A
INSTRUCCIONES GENERALES Y VALORACIÓN Instrucciones: El examen presenta dos opciones A y B; el alumno deberá elegir una y sólo una de ellas, y resolver los cuatro ejercicios de que consta. No se permite
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesIES Fco Ayala de Granada Sobrantes de 2011 (Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Sobrantes de 011 (Modelo 4) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo 4 del 011 [ 5 puntos] Queremos hacer junto a la carretera un cercado rectangular
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detalles* e e Propiedades de la potenciación.
ECUACIONES DIFERENCIALES 1 REPASO DE ALGUNOS CONCEPTOS PREVIOS AL ESTUDIO DE LAS ECUACIONES DIFERENCIALES 1. Cuando hablamos de una función en una variable escribíamos esta relación como y = f(x), esta
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detalles+ = 0, siendo z=f(x,y).
Ecuaciones diferenciales de primer orden ECUACIONES DIFERENCIALES Definición. Se llama ecuación diferencial a toda ecuación que inclua una función, que es la incógnita, alguna de sus derivadas o diferenciales.
Más detallesÁlgebra y Trigonometría Clase 2 Ecuaciones, desigualdades y Funciones
Álgebra y Trigonometría Clase 2 Ecuaciones, desigualdades y Funciones CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesMatriz sobre K = R o C de dimensión m n
2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
Más detallesMatrices y determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
Más detallesColegio Universitario Boston
Función Lineal. Si f función polinomial de la forma o, donde y son constantes reales se considera una función lineal, en esta nos la pendiente o sea la inclinación que tendrá la gráfica de la función,
Más detallesCAPÍTULO 2. SOLUCIÓN DE ECUACIONES DE UNA VARIABLE
En este capítulo analizaremos uno de los problemas básicos del análisis numérico: el problema de búsqueda de raíces. Si una ecuación algebraica o trascendente es relativamente complicada, no resulta posible
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesIES Fco Ayala de Granada Septiembre de 2011 (Septiembre Modelo 2) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Septiembre de 0 (Septiembre Modelo ) Germán-Jesús Rubio Luna UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD CURSO 00-0. MATEMÁTICAS II Opción A Ejercicio opción A,
Más detallesMatriz de Insumo - Producto
Matriz de Insumo - Producto Introducción En esta sección vamos a suponer que en la economía de un país hay sólo tres sectores: industria (todas las fábricas juntas), agricultura (todo lo relacionado a
Más detallesIES Fco Ayala de Granada Sobrantes del 2010 (Modelo 6) Soluciones Germán-Jesús Rubio Luna. Opción A
Opción A Ejercicio 1 opción A, modelo 6 del 010 [ 5 puntos] Dada la función f : R R definida como f(x)= a.sen(x)+ bx + cx + d, determina los valores de las constantes a, b, c y d sabiendo que la gráfica
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesEstadística descriptiva: problemas resueltos
Estadística descriptiva: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es)
Más detallesDERIVACIÓN DE LAS FUNCIONES ELEMENTALES
DERIVACIÓN DE LAS FUNCIONES ELEMENTALES 2 El procedimiento mediante el cuál se obtiene la derivada de una función se conoce como derivación. Llamaremos funciones elementales a las funciones polinómicas,
Más detallesFunciones integrables en R n
Capítulo 1 Funciones integrables en R n Sean un subconjunto acotado de R n, y f : R una función acotada. Sea R = [a 1, b 1 ]... [a n, b n ] un rectángulo que contenga a. Siempre puede suponerse que f está
Más detallesIntegración indefinida y definida. Aplicaciones de la integral: valor medio de una función continua.
Integración indefinida y definida. Aplicaciones de la integral: valor medio de una función continua. 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Contenidos 1 Introducción 2 3 4 5
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATMÁTICAS APLICADAS A LAS CINCIAS SOCIALS JRCICIO Nº páginas 2 Tablas OPTATIVIDAD: L ALUMNO/A DBRÁ SCOGR UNO D LOS DOS BLOQUS Y DSARROLLAR LAS
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES Índice: 1.Introducción--------------------------------------------------------------------------------------- 2 2. Ecuaciones lineales------------------------------------------------------------------------------
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detalles