Variables Aleatorias
|
|
- Felisa Ortiz Toro
- hace 6 años
- Vistas:
Transcripción
1 Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta Funcón de dstrbucón. Propedades Funcón de densdad Cálculo de Probabldades Caracterzacón de una dstrbucón Moda 6.. Medana Esperanza matemátca. Propedades Momentos Momentos de orden respecto al orgen Momentos de orden respecto a la meda... 5 Undad Docente de Matemátcas de la E.T.S.I.T.G.C.
2 VARIABLES ALEATORIAS Varables Aleatoras. VARIABLE ALEATORIA. TIPOS. En el tema de Estadístca Descrptva hemos estudado la varable estadístca que representaba el conjunto de resultados observados en una muestra tomada de un epermento aleatoro, presentando cada valor una frecuenca relatva. Frecuentemente, al realzar un epermento aleatoro nos nteresa más que el resultado completo del epermento (varable estadístca) una funcón real de los resultados. Tales funcones, cuyos valores dependen de los resultados de un epermento aleatoro, se llaman varables aleatoras. Así al lanzar 60 veces un dado, obtenemos una muestra que representamos por una varable estadístca que toma los valores y frecuencas relatvas sguentes: S f 0/60 7/60 /60 /60 /60 7/60 magnamos que se realza una nfndad de pruebas relatvas al epermento la nfndad de resultados posbles da orgen a la nocón de varable aleatora asocada a un epermento aleatoro. Donde los valores que toma la varable aleatora son todos guales a,,, 4, 5, y 6 cada uno de ellos con probabldad /6. La varable aleatora es pues la abstraccón o dealzacón de la varable estadístca. Tenemos así los conceptos concretos de poblacón o muestra, frecuenca y varable estadístca, como nocones concretas de las cuales, por un proceso de abstraccón, resultan los conceptos teórcos de espaco muestral, probabldad y varable aleatora. Sea (E, B, P) un espaco probablístco asocado a un epermento aleatoro. Una varable aleatora es una funcón defnda sobre el espaco muestral E que toma valores en el cuerpo de los números reales R, es decr, ξ: E R A ξ(a) Undad Docente de Matemátcas de la E.T.S.I.T.G.C.
3 Varables Aleatoras Una varable aleatora puede ser dscreta o contnua. Una varable aleatora ξ se dce que es dscreta cuando toma un número fnto o nfnto numerable de valores reales, es decr, cuando es un conjunto de puntos aslados. EJEMPLO : Sea la eperenca de lanzar dos monedas al are o dos veces una moneda y observar el resultado. El espaco muestral E = {cc, c, c, }. Consderemos la varable aleatora número de caras obtendo. ξ: E R ξ(cc) = ξ(c) = ξ es una varable aleatora dscreta. ξ(c) = ξ() = 0 Podíamos haber defndo otra varable aleatora η de tal forma que: η: E R η(cc) = η(c) = η(c) = η() = 0 η es una varable aleatora dscreta. En muchos casos el resultado del epermento es un número real, entonces se adopta dcho valor. Por ejemplo, al lanzar un dado ξ( ) = Hay varables aleatoras que no toman valores aslados, sno que pueden tomar cualquer valor de un ntervalo real. A las varables de este tpo las defnremos como varables aleatoras contnuas. Undad Docente de Matemátcas de la E.T.S.I.T.G.C.
4 Varables Aleatoras EJEMPLO : Consderemos un círculo graduado de 0 a y una maneclla que gra alrededor de su centro C, que puede tomar todos los valores reales de [0,). Es una varable contnua. EJEMPLO : Los errores de observacón consttuyen una varable aleatora contnua.. DISTRIBUCIÓN DE PROBABILIDAD ASOCIADA A UNA VARIABLE ALEATORIA DISCRETA En el ejemplo a cada valor de la varable aleatora ξ le corresponde una probabldad. P(ξ = ) = ¼ P(ξ = ) = ½ P(ξ = 0) = ¼ En el caso de la varable η: P(η = ) = ¾ P(η = 0) = ¼ La tabla formada por los valores que toma la varable junto con sus probabldades, recbe el nombre de dstrbucón de probabldad de la varable. Sea ξ una varable aleatora dscreta. A cada valor le podemos asocar un número [ ] P( ) = P( ξ = ) 0,, hemos defndo así una funcón P() sobre la varable aleatora ξ. S en el espaco muestral los sucesos que corresponden a los dferentes valores de consttuyen una partcón de E, se verfca que probabldad de ξ. P( ) =. En estas condcones P( ) se llama dstrbucón de EJEMPLO 4: S consderamos el lanzamento de un dado y la varable aleatora ξ= puntos obtendos. E = {,,, 4, 5, 6} Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 4
5 Varables Aleatoras ξ( ) = P( ) = P( ξ = ) /6 /6 /6 4 4 /6 5 5 /6 6 6 /6 Dstrbucón de probabldad que se puede representar medante un dagrama de barras. / FUNCIÓN DE DISTRIBUCIÓN Supongamos que, en el ejemplo anteror, nos nteresa ver la probabldad de obtener una puntuacón menor o gual que un certo valor P( ξ ) /6 /6 /6 4/6 5/6 Gráfcamente, adopta una forma de escalera, tomando los saltos en los valores aslados que toma la varable, sendo en cada uno de éstos contnua por la derecha. Obsérvese que la altura de cada salto fnto en los puntos de dscontnudad se corresponde con la probabldad en dcho punto. Analítcamente, 0 s < / 6 s < / 6 s < F() = / 6 s <4 4 / 6 s 4 <5 5 / 6 s 5 <6 s 6 Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 5
6 Varables Aleatoras Sea ξ una varable aleatora dscreta o contnua, a la funcón F() tal que: F( ) = P( ξ ) se la denomna funcón de dstrbucón. Propedades:.- F() es monótona no decrecente S a<b entonces F(a) F(b) En efecto, F(b) = P( ξ b) = P(ξ a) + P( a < ξ b) = F(a)+P( a < ξ b) F(a) puesto que la probabldad es mayor o gual a cero..- lm F()=0 lm F() = lm P( ξ ) = P( φ) = 0.- lm F() = lm F() = lm P( ξ ) = P (E) = 4.- La funcón de dstrbucón es contnua por la derecha. lm F( + h) F() = lm P( ξ + h) P( ξ ) = lm P( < ξ + h) = P( φ ) = h 0 h 0 h Dada la funcón de dstrbucón, podemos calcular la probabldad, P( a < ξ b) = F(b) - F(a), puesto que F() = P( ξ ) En el caso de que la varable sea dscreta: F() = P( ) EJEMPLO 5: S queremos calcular la funcón de dstrbucón para el ejemplo, P(ξ= ) F() 0 /4 /4 /4 /4 /4 0 s < 0 / 4 s 0 < F( ) = / 4 s < s Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 6
7 Gráfcamente, Varables Aleatoras En el caso contnuo: EJEMPLO 6: Consderemos el ejemplo. y que queremos determnar la probabldad de que la maneclla se pare en una poscón determnada, es decr, de obtener una puntuacón 0,6, por ejemplo. Dcha probabldad es práctcamente cero puesto que esten nfntos casos posbles. S nos preguntamos por obtener una puntuacón menor o gual a, nos dará la funcón de dstrbucón: F()= P( ξ ) = 0 s 0 < s 0 < s Gráfcamente, F() F() 0 La probabldad de que la maneclla caga entre el 0,5 y el 0,6 será: P(0,5 <ξ 0, 6) = F(0,6) - F(0,5) = 0,6-0,5 = 0, En general consderaremos, el ntervalo (, +h), para el cual P( < ξ + h) = F(+h)- F() es la probabldad en el ntervalo. S dvdmos por h, nos da la probabldad meda F( + h) F( ) que llamaremos densdad meda de ese ntervalo. Por últmo, s el ntervalo lo h tomamos nfntesmal, tendremos: lm F ( + h ) F ( ) = F () = f() que llamaremos funcón de h 0 h densdad, que representa por tanto la probabldad meda en un ntervalo nfntésmal, y que es equvalente a la funcón de probabldad de las varables aleatoras dscretas. funcón de dstrbucón: Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 7
8 Varables Aleatoras 0 s 0 < f()= F'() = s 0 < 0 s 4. FUNCIÓN DE DENSIDAD Una varable aleatora ξ con funcón de dstrbucón F(), se dce que es una varable aleatora contnua s F() es una funcón absolutamente contnua (o smplemente contnua) de cuya dervada F () = f() este y es contnua salvo, como mucho, en un número fnto de puntos. La funcón f() defnda, se denomna funcón de densdad de ξ. Como F() es no decrecente, tendrá que ser f() 0 para todo. Además, ntegrando F( ) f( t) dt y como lm F( ) = resulta f( t) dt =. Por tanto, en una funcón de densdad = f() se verfcan sempre las dos propedades:.- f() 0 para todo.- f( t)dt = sendo F() = P( ξ ) = f( t)dt EJEMPLO 7: Solucón: Sea f() = + 9 s resto Es f() una funcón de densdad? Para que sea funcón de densdad debe verfcar:.- f() 0 para todo.- f (t)dt = en partcular f() =/ - + /9 <0, por tanto, no es una funcón de densdad, aunque = f (t)dt Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 8
9 Varables Aleatoras Determnada F() se obtene f() y recíprocamente. Medante la funcón de densdad, podemos calcular: P( a < ξ b) = F(b) F(a) = f( t)dt f( t)dt = f( t)dt S f(t) es esa curva, F() es el área rayada y el área encerrada entre la curva y el eje OX es gual a la undad. La probabldad de que ξ se encuentre entre dos valores es gual al área comprendda entre estos dos valores. b f ( t )dt = P ( a < ξ b ) a En partcular P( ξ = ) = f( t)dt = 0 b a b a EJEMPLO 8: La duracón en mnutos de una reaccón químca vene dada por una varable aleatora con la sguente funcón de densdad: s f() = 0 en el resto Calcular: a) Valor de para que f() sea funcón de densdad. b) Probabldad de que la reaccón dure entre y 4 mnutos. c) Obtener la funcón de dstrbucón. Solucón: a) Se tene que cumplr que f() 0 para todo y que f (t)dt = b) f() = s 4 0 en el resto f ()d = d = 4 = = = P( <ξ< 4) = f ()d = d + 0d = = c) F() = P( ξ ) = f(t)dt Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 9
10 S < se tene que F() = 0 Varables Aleatoras S < se tene que F() = t t dt = 4 8 = 8 S < se tene que F() = t t dt + 0dt = = 4 8 Resultando F() = cuya gráfca es: 0 s < 8 s s < F() > > Obsérvese que en las varables f() aleatoras contnuas la funcón de dstrbucón es contnua. > La funcón de densdad no tene porque ser contnua en un número fnto de puntos. 5. CÁLCULO DE PROBABILIDADES Se calcula la probabldad de cualquer suceso asocado a una varable aleatora a partr de la dstrbucón de probabldad o de la funcón de densdad. Caso dscreto Caso contnuo a ξ= ( ) P( a) P( ξ= a) = f d = 0 P( ξ< a) = F(a) P( ξ= a) P( ξ< a) = f ( ) d = F(a) = P( ξ a) b P(a <ξ b) = P( ξ b) P( ξ a) = F(b) F(a) ( ) a a P(a <ξ b) = F(b) F(a) = f d + P( ξ> a) = f d P( ξ> a) = F(a) = P( ξ a) ( ) a a Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 0
11 Varables Aleatoras En el caso de varable aleatora dscreta s los valores de la varable para los cuales la probabldad es dstnta de cero son,, n, la funcón de dstrbucón es: 0 s < P( ) s < P( ) + P( ) s < F() = P( ) + P( ) + P( ) s <... s n 4 F() F() P( ) = F( ) F( ) = EJEMPLO 9: Sea X una varable aleatora con funcón de dstrbucón: a) Representar gráfcamente F(). b) Es una varable aleatora contnua? Por qué? c) Determnar la dstrbucón de probabldad. Solucón: a) n 0 s <- 0.4 s - <- F() = 0.8 s - < s b) No es contnua, ya que F() es dscontnua. c) La probabldad se obtene en cada punto de dscontnudad y su valor es el salto fnto. P(X=) - 0,4-0,8-0,4=0,4-0,8=0, Suma En el caso de varable aleatora contnua el proceso de cálculo de F() es algo dferente. Supongamos una varable aleatora contnua con funcón de densdad: Undad Docente de Matemátcas de la E.T.S.I.T.G.C.
12 Varables Aleatoras f () s < f () s < f( ) =... f () s < 0 en otro caso n n n. Para calcular la funcón de dstrbucón, se tene en cuenta, el valor de la funcón de densdad en cada uno de los dstntos ntervalos, es decr 0 s < F( ) + f(t)dt s < F( ) + f(t)dt s < F() =... F( n ) + f(t)dt s n s n < n n EJEMPLO0: S la funcón de densdad de una v. a. contnua es: s 0 < 7 f () = s < 4 0 en el resto a) Obtener la funcón de dstrbucón. b) P( X< 4) c) Obtener un valor de tal que P( X )=0. d) El prmer cuartl. Solucón: a) S <0, entonces F()=0 s 0<</, entonces F() = f (t)dt = tdt = 0 s /<<7/, entonces F() = f (t)dt = tdt dt + 0 = + = s 7/<, entonces F()= 0 s 0 s 0 < F() = P(X ) = 7 + s < s <. Undad Docente de Matemátcas de la E.T.S.I.T.G.C.
13 Varables Aleatoras b) c) d) 7 P( X < 4) = f ()d = d = = P(X > ) = 0, F() = P(X ) = P(X > ) = 0, = 0,7 F() = + = 0, 7 =, 4 8 F() = P(X ) = 0,5 F() = + = 0, = CARACTERIZACION DE UNA DISTRIBUCIÓN Al estudar las varables estadístcas en el prmer capítulo, vmos una sere de meddas con unas frecuencas relatvas f. S suponemos en térmnos teórcos que el número de observacones tende a nfnto, estas frecuencas relatvas tomarán el carácter de probabldades de cada uno de los valores de la varable. 6.. Moda. Moda es el mámo de la funcón de densdad o de la funcón de probabldad. 6.. Medana. Medana es el valor tal que la funcón de dstrbucón vale 0,5. En el caso dscreto será tal que F(-)<0,5 F(). 6.. Esperanza matemátca. Propedades. La esperanza matemátca es el valor medo teórco que resulta de susttur las f por las P, y que no es sno una meda artmétca ponderada. Se acostumbra a defnrlo como Undad Docente de Matemátcas de la E.T.S.I.T.G.C.
14 Varables Aleatoras esperanza matemátca de ganancas, es decr, la gananca que teórcamente esperaba obtener un jugador frente a unas determnadas reglas de juego. Defncón: Sea ξ una varable aleatora, se defne el operador E[ ξ ] como: E[ ξ ] = n = P( X ) para una varable dscreta y fnta. E[ ξ ] = convergente. E[ ξ ] = = P( X ) para una varable dscreta y no fnta sempre que la sere sea t. f( t). dt cuando la varable ξ es contnua con funcón de densdad f() y sempre que la ntegral sea absolutamente convergente. S ξ es dscreta. E P( ) µ= [ ξ ] = E[ ] = S ξ es contnua. µ= ξ = f ()d EJEMPLO : En el ejemplo clásco del dado 4: E[ ξ ] = = 6 P( ) = = = = 7 6 EJEMPLO : En el ejemplo 8 la duracón meda de la reaccón, será. E[ ξ ] =.f ().d =..d = 4 = 6 Propedades:.- La esperanza matemátca de una constante es la propa constante. E[ ] =.- La esperanza matemátca de una constante por una varable es gual a la constante por la esperanza matemátca de la varable. [. ξ] =. E[ ξ] E Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 4
15 Varables Aleatoras.- La esperanza matemátca de la suma de varables es gual a la suma de las esperanzas matemátcas de cada una de las varables. [ ξ + µ ] = [ ξ ] + [ µ ] E E E. 4.- La esperanza matemátca es un operador lneal, consecuenca de las propedades y [. ξ +. µ ] =. [ ξ ] +. [ µ ] E a b a E b E 5.- La esperanza matemátca de un producto de varables aleatoras es gual al producto de las esperanzas matemátcas de cada una de las varables, cuando éstas son ndependentes entre sí. [ ξ. η] = [ ξ ]. [ µ ] E E E 6.- Sea ξ una varable aleatora, y g:r R contnua con esperanza fnta, entonces: ( ξ ) = g ( ) f ()d ó ( ξ ) = ( ) E g una funcón, tal que g(ξ) es una varable E g g p( ) = 6.4. Momentos Momentos de orden respecto al orgen El momento de orden respecto al orgen se defne como m E[ ξ ] varables dscretas: m E[ ξ ] = =. P( ) n = y s la varable es contnua: m E[ ξ ] = =. f( ).d = en el caso de La meda o esperanza matemátca es: = E[ ξ] = = µ m Momentos de orden respecto a la meda El momento de orden respecto a la meda, µ, de la dstrbucón se defne como [( ξ ) ] µ = E. m Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 5
16 Varables Aleatoras Entre estos tene partcular mportanca la varanza que es el momento de segundo [ ] orden respecto a la meda: µ = σ = E ( ξ ) m S se trata de una varable dscreta: µ = σ = ( ) y en el caso de una varable contnua: µ m P. ( ) = σ = ( m). f( ).d S ξ es dscreta. S ξ es contnua. σ = ξ = ξ µ = µ [ ] ( ) [ ] σ = [ ξ ] = ( ξ µ ) = ( µ ) V E P( ) = V E f ()d La raíz cuadrada postva de la varanza se llama desvacón típca σ E[ ξ ]. Segudamente, veamos algunas propedades de la varanza, consecuenca del operador µ = σ = E ( ξ m ) [ ] = E[ ξ ξm + m ] = E[ ξ ] m E[ ξ] + m = E[ ξ ] m = m m La varanza de una constante es cero. La varanza de una constante por una varable es gual al producto del cuadrado de la constante por la varanza de la varable. V(ξ ) = E (. [ ξ E[. ξ] ) ] = E (. ξ.e[ ξ] [ ) ] = E [( ξ E[ ξ] ) ] =.V( ξ) La varanza de una suma o dferenca de varables es gual en ambos casos a la suma de las varanzas de las varables, cuando éstas son ndependentes. V( ξ ± η) = V( ξ) + V( η) EJEMPLO : S queremos calcular la varanza en el ejemplo 4. (al arrojar un dado). Teníamos m = E[ ξ ] =, luego µ =σ = ( ) 7 m.p( ) = Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 6
17 Varables Aleatoras = = y, por consguente, la desvacón típca σ= 5 EJEMPLO 4: La varanza de la reaccón para el ejemplo 8, será: E[ ] 4 E ξ =.f ().d =..d = = sn más que susttur ( [ ]) V( ξ ) = E ξ E ξ = 5 = 6 6 ξ = calculada Undad Docente de Matemátcas de la E.T.S.I.T.G.C. 7
3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesMEDIDAS DESCRIPTIVAS
Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesRentas o Anualidades
Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detalleslanzamos una moneda y él ganó".
4. Varable aleatora dscreta El msmo Doob eplcaba el orgen del térmno varable aleatora random varable: "Cuando estaba escrbendo m lbro [Stochastc Processes] tuve una dscusón con Wllam Feller. Él aseguraba
Más detallesNÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1
NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesVARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detallesMatemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato
Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesEstadística Descriptiva Análisis de Datos
El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:
Más detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesPregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detalles( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov
1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E
Más detallesTema 1: TEORÍA DE LA PROBABILIDAD
Tema : TEORÍ DE L ROLDD Carlos lberola López Lab. rocesado de magen, ETS Telecomuncacón Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lp.tel.uva.es/sar . ara qué estudar esto? Se pretende
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesElaboración de Tablas ó Cuadros. La elaboración de tablas o cuadros, facilita el análisis y la presentación de la información.
Elaboracón de Tablas ó Cuadros La elaboracón de tablas o cuadros, faclta el análss la presentacón de la nformacón. Para elaborar los cuadros, se debe, antes que todo, dentfcar las varables, característcas
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
Más detallesPropiedades Asintóticas
Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,
Más detallesCapacidad de Procesos según ISO 9000 Ing o. Angel Francisco Arvelo
EVALUACION DE LA CAPACIDAD DE CALIDAD DE UN PROCESO INDUSTRIAL METODOS ESTADISTICOS SUGERIDOS POR LA NORMA ISO 9000 ANGEL FRANCISCO ARVELO L. Ingenero Industral Master en Estadístca Matemátca CARACAS,
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesMatemáticas A 4º E.S.O. pág. 1
Matemátcas A º E.S.O. pág. HOJA : ESTADÍSTICA º.- Agrupa en ntervalos y construye una tabla de frecuencas (con la marca de clase ncluda) y la frecuenca absoluta de las sguentes alturas, meddas en centímetros,
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesElectricidad y calor
Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un
Más detallesElectricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones
Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un
Más detallesRegresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
Más detallesCapítulo 3. SISTEMAS DE PARTÍCULAS
Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesEn este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de
Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO
Más detallesDistribuciones estadísticas unidimensionales
Dstrbucones estadístcas undmensonales ESTADÍSTICA Estuda los métodos ara recoger, organzar y analzar nformacón, con la fnaldad de descrbr un fenómeno que se está estudando y obtener conclusones. TÉRMIOS
Más detalles