Consideremos los siguientes experimentos aleatorios
|
|
- Raúl Núñez Arroyo
- hace 6 años
- Vistas:
Transcripción
1 69 Veremos e lo que sigue uevas variables aleatorias discretas. Estas variables y sus distribucioes se utiliza como modelos e muchas alicacioes estadísticas. Distribució Biomial Cosideremos los siguietes eerimetos aleatorios ε : Ua moeda es arrojada 4 veces. ε 2 : Ua caja cotiee bolita roja y 9 bolitas egras. Se realiza 5 etraccioes co reosició. ε 3 : U lote cotiee artículos que cumle (E) co las esecificacioes y otros que o las cumle (F). Los eerimetos ε, ε 2, ε 3 so eerimetos biomiales Defiició U eerimeto se deomia Biomial si satisface las codicioes siguietes. El eerimeto costa de ruebas o reeticioes, se fija ates de realizar el eerimeto. 2. Las ruebas so idéticas y e cada rueba uede ocurrir uo de los dos sucesos osibles, que deomiamos Éito (E) y Fracaso (F). 3. Las ruebas so ideedietes, es decir que el resultado de ua rueba o ifluye sobre el de las otras. 4. La robabilidad de Éito (P(E)) se matiee costate e todas las ruebas. Cada rueba se deomia esayo de Beroulli.
2 70 Ejemlos ε, Éito es el suceso sale cara. ε 2, Éito es el suceso se etrae ua bolita roja Cosideremos el siguiete eerimeto ε 4 : Ua caja cotiee bolita roja y 9 bolitas egras. Se realiza 5 etraccioes si reosició, Éito es el suceso se obtiee ua bolita roja Es ε 4 u eerimeto Biomial? Sea B el suceso salió roja e la rimera etracció y B 2 el suceso salió roja e la seguda etracció P ( B2 B ) 0 P( B2 ) o se verifica la tercera codició de eerimeto biomial tamoco se verifica la seguda ya que las ruebas o so idéticas (la comosició de la ura varía) la cuarta codició sí se satisface. Variable aleatoria biomial Defiició: Sea X catidad de éitos e u eerimeto Biomial que costa de ruebas co robabilidad de éito. Decimos que X es ua variable aleatoria co distribució Biomial de arámetros y. Notació: X ~ Bi (,). 0
3 7 Ejemlo: Seguimos co el eerimeto ε 2 X catidad de bolitas rojas etraídas 5 bolitas co reosició 5 0. X ~ Bi (5, 0.), R X P ( X ) X ( ) P ( roja) R N N N N N R N N N 5 5! N N R N N roja 5 sucesos elemetales!4! N N N R N N N N N R P( roja ) P ( R N N N N) + P ( N R N N N) + P ( N N R N N) + P ( N N N R N) + P ( N N N N R ) 5 P ( R N N N N) 5 (0.) (0.9) 4 Luego P ( X ) 5!!4! (0.) (0.9) 5-
4 72 X 2 R R N N N N R R N N N N R N R R N R N N N R N R N N N N R R R N N R N N R N N R R N N N R N N R R N 5 5! 2 2!3! 0 5 P (X 2) 2 (0.) (0.9) P (X ) (0.) (0.9) 5- : 0,, 2, 3, 4, 5 Cuál es el esacio muestral asociado a ε 2? Es de equirobabilidad? E geeral: Si X ~ Bi (,) i) X () ( ) ( - ) - : 0,,..., Verifiquemos que ( ) X ( ) X ( ). ( + ( ) ). Hemos usado la fórmula del Biomio de Newto: ( a + b) 0 ii) E ( X ) a b iii) Var ( X ) (- ).
5 73 Ejemlo: Se fabrica diariamete N uidades de u roducto. Se etrae ua muestra de 0 uidades si reosició. Llamamos éito ( E ) al suceso la uidad es buea Es u eerimeto biomial?... Si / N < 0.05, si se etrae meos del 5% de la oblació, se uede usar la aroimació biomial auque el muestreo se realice si reosició Suogamos que de las so bueas P ( 4 a buea ) P ( 4 a buea / saliero a, 2 a, 3 a malas) P ( 4 a buea / saliero a, 2 a, 3 a bueas) Falla u oco la codició de ideedecia. Ejemlo: X ~ Bi (0, 0.) Tablas P( X ) F X () Fució de Distribució Acumulada
6 74 X (0) P ( X 0) X () P ( X ) - P ( X 0) X (2) P ( X 2) - P ( X ) X ~ Bi (0, 0.5) X (0) 0.00 X (0) X () 0.00 X (9) X (2) X (8) La v.a. X se distribuye e forma simétrica alrededor de...
7 75 Ejemlo. U lote cotiee torillos, se elige 0 torillos al azar co reosició y se observa que 5 so defectuosos. a) Suoiedo que el lote tiee 50% de torillos defectuosos. Calcule la robabilidad de que 5 o más torillos sea defectuosos. X catidad de torillos defectuosos etre los 0 elegidos X ~ Bi (0, 0.5) P ( X 5 ) - P ( X 4) b) ídem a) suoiedo que el lote tiee 20% de torillos defectuosos X ~ Bi (0, 0.2) P ( X 5 ) - P ( X 4) c) ídem a) suoiedo que el lote tiee 0% de torillos defectuosos X ~ Bi (0, 0.) P ( X 5 ) - P ( X 4)
8 76 Distribució Hiergeométrica Hemos visto que la distribució biomial es u modelo robabilístico aroimado ara el caso de u muestreo si reemlazo. La distribució hiergeométrica es el modelo robabilístico eacto ara u muestreo si reemlazo de ua oblació fiita dicotómica (E-F) Se elige al azar, de la oblació, ua muestra de tamaño si reemlazo. X catidad de éitos e la muestra X ~ H ( M, N, ) () X N M N M : (ma{0, (M N)}, L,mi{, N}) Si e la muestra hay 0 éitos sigifica que so fracasos, ero el total de fracasos e la oblació es M-N. Luego si el tamaño de la muestra > M-N, habrá como míimo - (M-N) > 0 éitos y o odrá ser cero. Para que e la muestra haya éitos, N.
9 77 Ejemlo: Seguimos co el eerimeto ε 4 5 etraccioes si reosició X catidad de bolitas rojas de la muestra R X { 0, } (0) 04 X X () Eseraza y variaza de la distribució hiergeométrica E (X) N M - N N Var (X) ( ) ( ) M M - M M Comaració co la distribució biomial Se etrae co reosició elemetos de ua oblació de tamaño M, co N éitos, P (éito) M N E (X) N igual que la distr. hiergeométrica M N N Var (X) ( ) mayor que la distr. hiergeométrica M M
10 78 Proceso de Poisso Sea X t catidad de ulsos radioactivos recibidos or u cotador Geiger e u itervalo de logitud t. Vamos a realizar las siguietes suosicioes sobre la forma e que uede ocurrir los ulsos: ) Para cualquier itervalo de logitud equeña, t la robabilidad de recibir eactamete ulso es roorcioal a la logitud del itervalo, a meos de u o( t) térmio o( t) tal que lim 0 es decir: h 0 t P(ocurra ulso e t) θ t + o( t) 2) La robabilidad de recibir más de ulso e u itervalo logitud equeña t es rácticamete cero: P(recibir más de u ulso e t) o( t) 3) El úmero de ulsos recibidos e u itervalo de logitud t es ideediete del úmero de ulsos recibidos ateriormete a ese itervalo de tiemo. Cómo se iterreta la catidad θ? θ valor eserado o valor medio de ulsos e la uidad de tiemo: itesidad
11 79 Teorema: Si se cumle las suosicioes, 2 y 3 etoces P(X t ) X t (θ t) e ()! θt : 0,, L Se dice que X t sigue u Proceso de Poisso. Si os iteresa u itervalo de logitud t fija, decimos que X t tiee distribució Poisso de arámetro θ t X t ~ P (θ t) Teemos ua distribució de robabilidades válida, e efecto si llamamos θ t, i) ( ) 0. X X e ( ) : 0,, 2,...! ii) ( ) X 0 0 e! e 0! e e, El modelo de Poisso suele ser adecuado e los casos e que iteresa estudiar: - el úmero de imerfeccioes que reseta u rollo de tela que se roduce e forma cotiua - el úmero de glóbulos rojos que se observa e u orta objetos - úmero de artículas emitidas or ua fuete radioactiva - úmero de automóviles que asa or ua esquia
12 80 - úmero de llamadas telefóicas recibidas or ua cetral Ejemlo. E u roceso electrolítico cotiuo de alicació de estaño, se descubre e romedio 0.2 imerfeccioes or miuto Cuál es la robabilidad de descubrir a) ua imerfecció e 3 miutos? X 3 úmero de imerfeccioes e 3 miutos t 3 miutos, θ 0.2 imerfeccioes / miuto θ t 0.6 im X 3 ~ P (0.6) Nuevamete odemos hallar la fució de distribució acumulada: Luego P (X 3 ) P ( X 3 ) - P (X 3 0 ) b) al meos dos imerfeccioes e 5 miutos?
13 8 Forma de la distribució Poisso Fució de robabilidad utual, ara la distribució de Poisso ara distitos valores de. lambda0.0 Distribucio Poisso lambda () () lambda () lambda 2 lambda 3 lambda 5 () () () lambda 0 lambda 5 lambda 20 () () () La distribució se simetriza alrededor de a medida que este arámetro crece.
14 82 Aroimació de la distribució Biomial or la distr. Poisso Proosició: Sea X ~ Bi(,) y sea Y ~ P ( ), suogamos que 0, de maera que (fijo), etoces : y {} 0 N N () () o Y X Dem: ( ) X!!! ) ( ) (! ) )...( ( +.!... + Observemos que:... + e Etoces, ) (! ) ( e Y X, como queríamos demostrar. Ejemlo. Se tira 2 dados equilibrados 00 veces y se registra X o de veces que sale el doble seis
15 83 X ~ Bi (00, /36) / / grade equeño aroimo la biomial or P ( 2.78) Prob. eacta (Biomial) Prob. Poisso Cuádo odemos utilizar la aroimació? REGLAS PRÁCTICAS - 20 admisible ecelete ecelete Proosició: X ~ P ( ) etoces E ( X ) Var ( X )
Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesEstadística para Química - 1er. cuat. 2007 - Marta García Ben
Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,
Más detalles( ) 1.8 CRITERIOS DE CONVERGENCIA PARA SERIES (1.8_CvR_T_061, Revisión: , C8, C9, C10) INTRODUCCIÓN. Forma general de una serie: + a 1
.8 CRITERIOS DE COVERGECIA PARA SERIES (.8_CvR_T_6, Revisió: -9-6, C8, C9, C).8.. ITRODUCCIÓ. Forma geeral de ua serie: S = = a = a + a + a +...+ a Suma de térmios. Si es fiito, la suma (S ) tambié es
Más detallesPROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II UNIDAD III: TECNICAS DE ESTIMACIÓN ESTIMACIÓN POR INTERVALOS
PROYECTO DE CARRERA: INGENIERÍA INDUTRIAL AIGNATURA: ETADÍTICA II UNIDAD III: TECNICA DE ETIMACIÓN ETIMACIÓN POR INTERVALO INTRODUCCIÓN E temas ateriores se estableciero las bases que ermite a los estadísticos
Más detallesCapítulo 7. Distribución Binomial y de Poisson. 7.1 Distribución Binomial
Caítulo 7 Distribució Biomial y de oisso 7. Distribució Biomial E la física exerimetal, la distribució de Gauss es la más imortate de las distribucioes límites, si embargo existe otras distribucioes ue
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detalles9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras.
Hoja de Problemas º Algebra II 9. Hallar u úmero de cuatro cifras que sea igual al cubo de la suma de las cifras. Solució: Sea el úmero buscado co a que si o, o seria de cuatro cifras. Teemos que ( ) como
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesANILLOS Rodrigo Vargas
CAPITULO III ANILLOS Rodrigo Vargas 1. Aillos y Homomorfismos 1. (a) Sea G u gruo abeliao (aditivo). Defiimos ua oeració de multilicació e G or ab 0 (ara todo a, b G). Eoces G es u aillo. (b) Sea S el
Más detallesTema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1
Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia
Más detallesLas funciones de Cobb-Douglas como base del espacio vectorial de funciones homogéneas
Las fucioes de Cobb-Douglas como base del esacio vectorial de fucioes homogéeas Zuleyka Díaz Martíez Mª Pilar García Pieda José Atoio Núñez del Prado Uiversidad Comlutese de Madrid Facultad de Ciecias
Más detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
Más detallesSEMANA 01. CLASE 01. MARTES 04/10/16
EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados
Más detalleses un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.
PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues
Más detallesRESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES
RESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES MATE 3032 - DR. UROYOÁN R. WALKER. Sucesioes Teorema.. Sucesioes mootóicas acotadas coverge. Ejemplo.2. Sea {a } la sucesió deida recursivamete
Más detallesLa distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por:
Distribución Bernoulli Una rueba o exerimento Bernoulli tiene uno de dos resultados mutuamente excluyentes, que generalmente se denotan S (éxito) y F (fracaso). Por ejemlo, al seleccionar un objeto ara
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detalles5.1. Tipos de convergencia
Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesEvaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad
Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El
Más detallesCoeficientes binomiales
Coeficietes biomiales (Ejercicios Objetivos Defiir coeficietes biomiales y estudiar sus propiedades pricipales Coocer su aplicació e la fórmula para las potecias del biomio y su setido combiatorio (si
Más detallesTEORÍA ELEMENTAL DE MUESTREO
TEORÍA ELEMENTAL DE MUETREO La teoría de muestreo se refiere al estudio de las relacioes que existe etre u colectivo o oblació y las muestras que se extrae de las mismas. El estudio de las muestras ermite
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detalles7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD
7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD La Distribución Binomial Esta distribución fue elaborada or Jacobo Bernoulli y es alicable a un gran número de roblemas de carácter económico y en numerosas alicaciones
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesSecretaría de Extensión Universitaria. Trabajo Practico N 3
Trabajo Practico N 3 Medidas de Tedecia Cetral La Media (promedio), se deota como x, de ua muestra es el promedio aritmético de sus valores. Y se calcula mediate al formula: Si aparece los datos agrupados
Más detallesRectificador de media onda
Electróica y microelectróica ara cietíficos ectificador de media oda Como u diodo ideal uede mateer el flujo de corriete e ua sola direcció, se uede utilizar ara cambiar ua señal de ca a ua de cd. E la
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesCÁLCULO DE PROBABILIDADES :
CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD
Más detalles1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)
1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :
Más detalles1. Serie de Potencias
. Serie de Potecias Recordemos que dada ua sucesió {b } N, podemos defiir ua serie: E el caso particular e que b = a (x c) b la serie tedría la forma b = a (x c) y es llamada serie de potecias cetrada
Más detalles4. CONCEPTO BASICOS DE PROBABILIDADES
4. CONCEPTO BASICOS DE PROBABILIDADES Dr. http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 41 4.1 Espacio Muestral y Evetos 4.1.1 1 Experimetos Aleatorios y Espacios
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesJueves, 25 de abril. Dificultades de los modelos PNL. Dónde está la solución óptima? Otro ejemplo: Óptima Local frente a Global
. Jueves, de abril Teoría sobre la programació o lieal Programació separable Dificultades de los modelos PNL PL: Etregas: material de clase PNL: Aálisis gráfico de la programació o lieal e dos dimesioes:
Más detallesConvergencia con variables aleatorias
Covergecia co variables aleatorias Virgilio L. Foglia November 25, 2007 Octubre 2006 Cotets Lema de Borel-Catelli 2. De icioes revias.......................... 2.2 Lema de Borel-Catelli........................
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detallesESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA
UNP-Facultad de Igeiería Carreras: Ig. Electróica y Electricista CAPÍTUO 6 ESTIMACIÓN DE VARIANZAS PROPORCIONES POBACIONAES MEDIANTE INTERVAOS DE CONFIANZA 6.1 Itervalo de cofiaza ara la variaza de ua
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detalles1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }
SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual
Más detallesANEXO I - Algunos elementos sobre tratamiento de incertezas experimentales, cifras significativas, tablas, gráficos y esquemas.
ANEXO I - Alguos elemetos sobre tratamieto de icertezas eerimetales, cifras sigificativas, tablas, gráficos y esquemas. Medir imlica comarar ua catidad de ua magitud co otra catidad de la misma magitud
Más detallesSucesiones de números reales
Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54
Más detallesTenemos k objetos distintos para distribuir en n cajas distintas con
Departameto de Matemática Aplicada. ETSIIf. UPM. SELECCIONES ORDENADAS Teemos objetos distitos para distribuir e cajas distitas co de cuátas formas distitas se puede itroducir los objetos e las cajas,
Más detallesCurso: 3 E.M. ALGEBRA 8
Colegio SSCC Cocepció - Depto. de Matemáticas Uidad de Apredizaje: POLINOMIOS Capacidades/Destreza/Habilidad: Racioamieto Matemático/ Aplicació / Calcular, Resolver Valores/ Actitudes: Respeto, Solidaridad,
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesMATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero
ucesioes Ua sucesió es u cojuto de úmeros dados ordeadamete de modo que se pueda umerar: primero, segudo, tercero Ejemplos: a), 3, 5, 7, 9, b), 4, 9, 6, 25, 36 c) 2, 4, 8, 6, 32, 64 e llama térmios a los
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA
ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesTema 1: Números Complejos
Números Complejos Tema 1: Números Complejos Deició U úmero complejo es u par ordeado (x, y) de úmeros reales Éste puede iterpretarse como u puto del plao cuya abscisa es x y cuya ordeada es y El cojuto
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesI VARIACIONES. Una variación es un arreglo ordenado de n objetos diferentes, tomados de r a la vez se denota por medio de:
ANALISIS COMBINATORIO. TEOREMA FUNDAMENTAL: Si u suceso puede teer lugar de m maeras distitas y cuado ocurre ua de ellas se puede realizar otro suceso imediatamete de formas diferetes, ambos sucesos, sucesivamete,
Más detalles3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes
3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detallesESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}
ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)
Más detallesFACTORIZACIÓN DE POLINOMIOS
FACTORIZACIÓN DE OLINOMIOS. VALOR NUMÉRICO Y RAÍCES DE UN OLINOMIO Sea u poliomio y a u úmero real cualquiera. Se llama valor umérico de e = a y se deota por a, al úmero que resulta al sustituir e la variable
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesAlgoritmos generales de convergencia y sumación. Teorema 1. Si una matriz infinita de números reales o complejos =
Este rtículo form rte de Nots l Cítulo V del gotdo Tomo I de Aálisis Mtemático de Julio Rey Pstor, Pi Cllej y Césr A Trejo, 330 y ss E est rimer etreg se itroduce ls mtrices de Toelitz y se muestr l eorme
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesINTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS
INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS Ua ecuació diferecial es ua ecuació que cotiee las derivadas de ua o más variables depedietes co respecto de ua ó mas variables idepedietes. Clasificació
Más detalles9- Test o prueba de hipótesis
arte Estadística rof. María B. itarelli 9- Test o rueba de hiótes 9. Itroducció asta ahora hemos estudiado el roblema de estimar u arámetro descoocido a artir de ua muestra aleatoria. E muchos roblemas
Más detallesAPUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL
APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL Cuado u objeto real gira alrededor de algú eje, su movimieto o se puede aalizar como si fuera ua partícula,
Más detallesCriterios de Convergencia
Semaa - Clase 3 0/0/0 Tema : Series Criterios de Covergecia La preguta que os plateamos es la siguite: Si hacemos que N etoces la suma N k= a k, tiee u límite? Existe alguas formas de averiguarlo, a pesar
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesPROGRESIONES ARITMETICAS
PROGRESIONES ARITMETICAS DEF. Se dice que ua serie de úmeros está e progresió aritmética cuado cada uo de ellos (excepto el primero) es igual al aterior más ua catidad costate llamada diferecia de la progresió.
Más detallesINTEGRALES DE RIEMANN
NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesEl Transistor de Juntura Bipolar (BJT)
l Trasistor de Jutura iolar (JT) J,I. Huircá, R.A. arrillo Uiversidad de La Frotera December 9, 2011 Abstract l Trasistor de Jutura iolar (JT) es u disositivo activo de tres termiales, ase, olector y misor,
Más detalles