PARTE 1 - PROBABILIDAD

Tamaño: px
Comenzar la demostración a partir de la página:

Download "PARTE 1 - PROBABILIDAD"

Transcripción

1 arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Ejemplos cláscos de expermetos aleatoros so los juegos de azar: a trar u dado y observar el úmero e la cara de arrba. b trar ua moeda c lazar ua moeda cuatro veces y cotar el úmero total de caras obtedas. d lazar ua moeda cuatro veces y observar la sucesó de caras y cecas obtedas. Smbolzamos co ε a u expermeto aleatoro. U expermeto aleatoro tee las sguetes característcas: -Se lo puede repetr bajo las msmas codcoes tatas veces como se desee. - No se puede predecr co exacttud el resultado de dcho expermeto, pero se puede decr cuáles so los posbles resultados del msmo. 3- medda que el expermeto se repte, los resultados dvduales parece ocurrr e forma caprchosa. ero s el expermeto se repte u gra úmero de vece y regstramos la proporcó de veces que ocurre u determado resultado, veremos que esa proporcó tede a establzarse e u valor determado a medda que aumeta el úmero de veces que se repte el expermeto. or ejemplo, cosderemos el expermeto de lazar u dado y observar el úmero de la cara superor. Supogamos que tramos el dado N vece y sea el úmero de veces que sale el úmero 5 e los N tros del dado. Etoces N es la proporcó de veces que sale el úmero 5 e los N tros. S el dado es ormal a medda que N aumeta, N tede a establzarse e u úmero que es /6. Observacó: e los expermetos o aleatoros o determstas se puede predecr co exacttud el resultado del expermeto, es decr, las codcoes e las que se verfca u expermeto determa el resultado del msmo. or ejemplo, s colocamos ua batería e u crcuto smple, el modelo matemátco que posblemete descrbría el flujo observable de correte sería I E/R, que es la ley de Ohm. El modelo predce el valor de I al dar E y R. O sea, s se repte el expermeto ateror certo úmero de vece empleado cada vez el msmo crcuto, es decr mateedo fjas E y R, esperaríamos observar el msmo valor de I. veces sucede que u expermeto o es aleatoro estrctamete, pero resulta mucho más secllo estudarlo como s fuera aleatoro. or ejemplo, s tramos ua moeda y observamos qué lado queda haca arrba, el resultado sería predecble coocedo e forma precsa las velocdades cales de traslacó y rotacó, y las elastcdades de los materales del pso y de la moeda. ero la precsó co la que se ecesta coocer estos datos es cas mposble de obteer e la realdad, por lo que es más coveete tratar al expermeto como aleatoro. El cojuto de todos los resultados posbles de u expermeto aleatoro es el espaco muestral. l espaco muestral lo aotamos co la letra S. or ejemplo,

2 arte - robabldad rof. María. tarell a S ε : trar u dado y observar el úmero e la cara de arrba, etoces podemos tomar como espaco muestral a S {,,3,4,5,6 } b S ε : trar ua moeda, etoces S { s} c S ε : lazar ua moeda tres veces y cotar el úmero total de caras obtedas etoces podemos cosderar S { 0,,,3 } d Sε : lazar ua moeda tres veces y observar la sucesó de caras y cecas obteda etoces S { c ; s; c; c; s; c; c; s } e S ε : trar u dado las veces ecesaras hasta que sale u 6 por prmera vez, y cotar el úmero de tros realzado etoces S {,,3,4,...} N, dode N es el cojuto de los úmeros aturales. f S ε : medr el tempo de vda de ua lamparta eléctrca, etoces S { t R, t 0} dode R es el cojuto de los úmeros reales. Observacoes: - la eleccó de S o es úca, depede de lo que se quera observar del expermeto aleatoro. - El espaco muestral puede ser u cojuto fto, o fto. su vez s es fto puede ser fto umerable o o umerable. E e el cojuto S es fto umerable, e f el cojuto S es fto o umerable. Se llama eveto o suceso a todo subcojuto del espaco muestral. or ejemplo, a E el expermeto dado e el ejemplo a, u eveto de S sería {,4,6} pues S. odemos expresar al eveto co palabras de la sguete maera : sale u úmero par es u eveto al que podemos expresar verbalmete como : sale u úmero meor o gual que 3 b E el expermeto dado e el ejemplo d, u eveto de S sería { c ; s; c; c }, el que e palabras se puede expresar como : sale por lo meos dos caras c E el expermeto dado e el ejemplo f, u eveto de S sería D: la lamparta dura más de 00 horas, e otacó de cojutos D { t R; t > 00} Observacoes: També {,,3 } - e el ejemplo a ateror, s al trar el dado sale el úmero, etoces podemos decr que ocurró pues. ero també ocurró pues. E cambo s al trar el dado sale el úmero 4, etoces el eveto ocurró pero o ocurró, pues 4. - el cojuto es u eveto pues el cojuto está cludo e todo cojuto, e partcular S. Es el eveto que uca ocurre. El espaco muestral S es u eveto pues todo cojuto está cludo e sí msmo, y S sempre ocurre. Las operacoes habtuales etre cojutos se puede aplcar a los eveto dado como resultado uevos evetos. Específcamete - S y so eveto etoces es otro eveto. ocurre s y solo s ocurre o s ocurre - S y so eveto etoces es otro eveto. ocurre s y solo s ocurre y ocurre

3 arte - robabldad rof. María. tarell 3- S es u eveto es u eveto. ocurre s y solo s o ocurre Nota: recordar que las operacoes de uó, terseccó dfereca y complemeto se defe de la sguete maera: - es el cojuto formado por los elemetos que está e o e dode el o está e setdo clusvo, e otacó de cojutos x; x x { } E la fgura la zoa e grs smbolza - es el cojuto formado por los elemetos que está e y e, e otacó de cojutos { x; x x } E la fgura la zoa e grs smbolza 3- es el cojuto formado por los elemetos que está e el cojuto uversal U y o está e, e otacó de cojutos x; x U x { } La zoa e grs smbolza 4- es el cojuto formado por los elemetos que está e y o está e, e otacó de x; x x, cojutos { } La zoa e grs smbolza Notar que 3

4 arte - robabldad rof. María. tarell Es útl recordar las sguetes propedades sobre el álgebra de cojutos: - Leyes de dempoteca a b - Leyes asocatvas a b 3- Leyes comutatvas a b 4- Leyes dstrbutvas a b 5- Leyes de detdad a b c U U d U 6- Leyes de complemeto a U b c 7- Leyes de De Morga d U, U a b La relacó de clusó etre u cojuto y otro y las operacoes aterores co cojutos lleva al sguete Teorema: a es equvalete a b es equvalete a c es equvalete a d es equvalete a, e es equvalete a U, está formado por to- Sea y dos cojutos. El cojuto producto de y, expresado dos los pares ordeados a, b dode a y b, es decr Se aota al producto { a, b; a b } or ejemplo, s {,,3 } y { 7,8}, etoces {,7;,8;,7;,8;3,7;3,8 } El cocepto de cojuto producto se extede a u úmero fto de cojutos e forma atural. El cojuto producto de los cojutos,,..., se aota.. y es gual a 4

5 arte - robabldad rof. María. tarell { a, a,..., a, a,,,...,}.., es decr es el cojuto de todas las -uplas a, a,..., a dode a para cada. or ejemplo, s {,,3 }, {,4}, { 3,4,5}, etoces u método coveete para hallar el producto es por medo del deomado dagrama de árbol que se muestra a cotuacó, el cual se costruye de zquerda a derecha. costa de todas las teras o 3-uplas formadas al segur cada camo del árbol or ejemplo el camo co trazo más grueso dcaría la tera, 4, 4 Las operacoes de uó e terseccó també se puede geeralzar a más de dos cojutos S,,..., so cojuto etoces a la uó de todos ellos se aota.. o també U y es gual a.. { x; exste tal que x }, es decr u elemeto x perteece a.. s x perteece a alguo de los cojutos.,, y se la aota De forma aáloga se defe la uó de ua secueca fta de cojutos,... co el símbolo U b la terseccó de todos ellos se aota.. o també I I los cojutos { x; x para todo }, es decr u elemeto x perteece a I y es gual a s x perteece a todos 5

6 arte - robabldad rof. María. tarell De forma aáloga se defe la terseccó de ua secueca fta de cojutos,..., y se la aota co el símbolo I, S y so dos evetos tales que, se dce que so dsjutos o mutuamete excluyetes. Es decr s y so mutuamete excluyetes o puede ocurrr a la vez. or ejemplo, s se tra u dado y se observa el úmero de la cara superor, los evetos {,3,5 } y {,4,6} so mutuamete excluyetes. l trar u dado sale u úmero par o u úmero mpar, o puede darse ambas cosas a la vez. Los evetos co u solo elemeto so evetos elemetales o smples. or ejemplo, volvedo al expermeto ε : trar u dado y observar el úmero e la cara de arrba, y S {,,3,4,5,6 }, etoces los cojutos utaros { },{ },{ 3 }, { 4 }, { 5 }, { 6 } so evetos smples. Notar que dos evetos smples cualesquera so mutuamete excluyetes. Dado u eveto asocado a u expermeto aleatoro ε. Supogamos que se repte veces el expermeto ε, y aotamos al úmero de veces que ocurre e la repetcoes de ε. Se defe la frecueca relatva de, y se smbolza f, al cocete. Es decr que f es la propor- có de veces que ocurre e las repetcoes de ε. La frecueca relatva f tee las sguetes propedades: - 0 f - f s y solo s ocurre cada vez e las repetcoes 3- f 0 s y solo s o ocurre uca e las repetcoes 4- s y so dos evetos mutuamete excluyetes etoces f f f Dado u eveto, se quere asgar al msmo u úmero que dque qué ta probable es que ocurra. ese úmero lo defríamos como la probabldad de. E ese setdo parecería que la frecueca relatva f sería ua buea eleccó. ero os ecotramos co el sguete problema, cuátas veces deberíamos repetr el expermeto aleatoro para defr f, es decr qué valor de tomaríamos? or ejemplo e el expermeto de trar u dado cosderemos el eveto : sale el úmero 4, s lo lazamos 00 veces podríamos ecotrar que 4, y s lo lazamos uevamete 00 veces podría ocurrr que sea dferete del ateror por ejemplo podría ocurrr 0 veces. Etoce tedríamos dos valores dferetes para f, 0.4 y 0. Se djo ates que e u expermeto aleatoro a medda que aumeta la frecueca relatva de tede a establzarse e u úmero, pero o podemos e la práctca repetr el expermeto ftas veces. Se quere asgar a cada eveto u úmero que o depeda de la expermetacó. or este motvo procedemos como sgue: 6

7 arte - robabldad rof. María. tarell Defcó axomátca de probabldad. Sea ε u expermeto aleatoro y S u espaco muestral asocado co ε. o cada eveto asocamos u úmero real llamado probabldad de, que aotamos, el cual satsface las sguetes propedades báscas o axomas S 3- S y so evetos mutuamete excluyetes etoces 4- S,,...,,,... es ua secueca de evetos tales que j U s j, etoces La eleccó de estas propedades está motvada por las característcas correspodetes de la frecueca relatva. Observacó: supogamos el expermeto de lazar ua moeda y el espaco muestral S { s} Notar que podemos escrbr S { c} { s}., es decr como uó de evetos smples. or los axomas y 3 de la defcó de probabldad teemos que S { c} { s} Es decr { c} { s}, lo que mplca que { c} { s} de { c} el valor de { s} por ejemplo s el dado es ormal. De ser así podemos platear que { c} { s}. No podemos deducr el valor de las propedades aterores. Necestamos formacó adcoal,, etoces { c} { s} { c} { s} { c} { s} 0. 5 odemos deducr de los axomas otras propedades útles para el cálculo de probabldades. ropedades de la probabldad - 0 Dem. Sedo u eveto cualquera podemos escrbr demás y so mutuamete excluyete por lo tato por axoma 3 O sea que 0 - S es el eveto complemetaro de, etoces 7

8 arte - robabldad rof. María. tarell Dem. S es u eveto cualquera, etoces podemos escrbr S demá por defcó de complemeto de u cojuto, y so mutuamete excluyetes. or lo tato, por axoma y por axoma 3 S Despejado 3- S etoces Dem. Sea y dos evetos tales que. De la fgura vemos que Y además y so mutuamete excluyetes. Etoces Y como por axoma teemos que 0, etoces 4- S, etoces Dem. Sguedo los pasos de la demostracó ateror llegamos a, lo que mplca que Y como, etoces. Observacó: e geeral vale la sguete propedad 5- S y so dos evetos cualesquera, etoces 8

9 arte - robabldad rof. María. tarell 9 Dem. Escrbmos a como uó de partes dsjutas de la sguete maera, observar la fgura Y por la observacó ateror or lo tato, reemplazado e : o lo que queda demostrada la propedad. Observacoes: - La propedad ateror se puede geeralzar para expresar la probabldad de tres evetos Se llega a la gualdad ateror escrbedo D y aplcado la propedad 5, es decr: 3 D D D Nuevamete aplcamos 5: Y ademá aplcado las leyes dstrbutvas Etoces: omo, reemplazado e 3 se llega a : E geeral, se puede probar que s,...,, so evetos cualesquera etoces k j k j j j < < < U - S,...,, so evetos tales que j j co etoces U Notar que la gualdad ateror es ua geeralzacó del axoma 3.

10 arte - robabldad rof. María. tarell. - El espaco muestral fto Sea ε u expermeto aleatoro y S u espaco muestral asocado a ε. Supogamos que S es u cojuto fto al que aotamos S { a, a,..., a }, es decr cosderamos que tee elemetos. odemos escrbr a S como uó de evetos elemetales de la sguete forma. etoces S.... demás sabemos que S, por lo tato teemos el resultado: S { } a... 4 Es decr: la suma de las probabldades de los evetos elemetales es gual a S ahora tomamos u eveto cualquera de S, lo aotamos { a a,..., a }, etoces podemos escrbr a como uó de evetos smples:..., k k. or lo tato k k Es decr para calcular la probabldad de se suma las probabldades de los evetos elemetales que lo compoe. S asummos que... p, es decr todos los evetos elemetales tee la msma probabldad de ocurrr, etoces reemplazado e 4: p p... p veces p p p # S Dode el símbolo #S se lee: úmero de elemetos de S, e geeral #S dca el cardal de S uado... p, se dce que S es equprobable. S es u eveto cualquera de S, lo aotamos { a a,..., a } escrbmos a como uó de evetos smples:, k o sea que # k, etoces... k, y uevamete k k omo ya vmos que para todo,,,, se tee que: k # k # S # Es decr s es u eveto de u espaco muestral equprobable etoces # S k veces 0

11 arte - robabldad rof. María. tarell Ejemplos: - Supogamos que se tra ua moeda ormal tres vece y se cueta el úmero de caras obtedo luego de los tres tros. Tomemos como espaco muestral a S { 0,,,3 } uál es la probabldad de que salga al meos dos caras? E este caso S o es equprobable, pues el eveto { 0 } ocurre de ua sola forma: cuado e los tres tros sale ceca El eveto { 3 } ocurre de ua sola forma: cuado e los tres tros sale cara ero el eveto { } ocurre cuado e los tres tros sale ua sola cara y eso puede darse de tres formas dsttas c, s; c o c álogamete para el eveto { } puede darse de tres formas dsttas: c, s; c o c or lo tato { 0} { 3} y { } { }. S aotamos { 0} { 3} p y { } { } q etoces q 3p 5 demás se cumple { 0} { } { } { 3} 6 Etoces de 5 y 6 q 3p q 3p p q q p p q p 8, q 3 8 De esta forma coocemos las probabldades de todos los evetos elemetales. S : sale al meos dos caras, etoces {,3} ara calcular hacemos S tomamos como espaco muestral a S { } { 3} 0. 5 { c ; s; c; c; s; c; c; s } Etoces S es equprobable pues cada resultado cada tera se de ua sola forma. # 4 E este caso podemos platear drectamete 0. 5 # S 8 - E el caso de espacos muestrales equprobables es ecesaro recordar las téccas de coteo para calcular el úmero de elemetos de u cojuto s eumerar sus elemetos. or ejemplo: Se tee ua ura co 5 bolllas dstgubles puede estar umerada de las cuales 0 so blacas y 5 so rojas. Se extrae al azar dos bolllas de la ura, a cuál es la probabldad de extraer todas blacas? b cuál es la probabldad de extraer exactamete ua bollla blaca? c cuál es la probabldad de extraer al meos ua bollla blaca? Supogamos que se extrae las dos bolllas s reemplazo y o mporta el orde e que so extraídas.

12 arte - robabldad rof. María. tarell l decr que se extrae al azar, se etede que el espaco muestral del expermeto es equprobable. l decr que se extrae las bolllas s reemplazo, sgfca que se extrae ua bollla y s regresarla a la ura se extrae la sguete. El espaco muestral de este expermeto se puede tomar como S {,4} ;{,5},{,0},...}, es decr como el cojuto cuyos elemetos so cojuto todos los cojutos de dos elemetos que se pueda formar a partr de u cojuto de 5 elemetos. or ejemplo, el resultado {,4} sgfca que se extrajero las bolllas y 4. uátos elemetos tee S?, recordado las téccas de 5 5! coteo el úmero de elemetos de S es gual al úmero combatoro! 5! ara respoder la preguta a aotemos : las dos bolllas so blacas # Etoces. uátos elemetos tee el cojuto?, tatos como formas haya de # S 0 0! extraer dos bolllas blacas. Se tee que #.! 0! 0 0! #! 0! 3 or lo tato # S 5 5! 7! 5! Veamos ahora el cso b. otamos : se extrae exactamete ua bollla blaca Etoces 0 5 # # S 5 Y por últmo el cso c. otamos : se extrae al meos ua bollla blaca odemos resolverlo de dos maeras: La forma más fácl es calcular dode : gua bollla es blaca 5 5 # 9 # S 5 5 Otra forma de resolverlo podría ser la sguete, escrbmos dode Notar que :" se extrae bolllas blacas exactamete",. or lo tato Y 0 # ; # S 5 5 # # S

13 arte - robabldad rof. María. tarell or lo tato S e el ejemplo ateror mporta el orde e que so extraídas las bollla etoces S {,4 ;,5,,0,. 4, ; 5,...}, es decr que S es el cojuto de todos los pares a, b dode a b, por ejemplo,4 expresa el resultado: prmero se extrajo la bollla y e segudo térmo se extrajo la bollla. El úmero de elemetos de S es 5x4 0. E este caso ; ara calcular la probabldad de hay que dstgur s la bollla blaca se extrae prmero o se extrae e segudo térmo: ara calcular la probabldad de uevamete podemos pesarlo de dos forma pero s cosderamos e cada caso hay que teer e cueta el orde e que se extrae las bolllas. 5 4 Es mas práctco hacer S ahora mporta el orde e que so extraídas las bolllas y además la extraccó se hace co re emplazo se extrae ua bollla y se la devuelve a la ura ates de extraer la sguete, etoces S es el cojuto de pares a,b dode ahora puede ocurrr que a b. E este caso #S 5 x 5, y calculamos 0 0 ; ; Espacos muestrales ftos Sea S u espaco muestral fto umerable es decr S { a; a; a3;kk} a asgamos u úmero p { } tal que. omo e el caso fto, a cada a p 0 b p a La probabldad de u eveto es etoces la suma de las probabldades de los evetos elemetales que lo compoe. Los úcos espacos muestrales ftos o umerables que cosderaremos so aquellos de medda geométrca fta m S tales como logtud, área o volume, y e los cuales u puto se seleccoa al azar. La probabldad de u eveto, esto es aquella e la que el puto seleccoado perteece a, es etoces la relacó etre m a m S, es decr logtud de ó logtud de S área de ó área de S volume de volume de S 3

14 arte - robabldad rof. María. tarell Ejemplo: E el teror de u círculo se seleccoa u puto al azar. Hallar la probabldad de que el puto quede más cercao al cetro que a la crcufereca. Tomamos como espaco muestral a S { x, y, x y r } x, y, x y r, etoces r π área de or lo tato área de S π r 4 r/ r Observacó: s x, y, x y, área de 0 etoces 0 área de S π r, pero or lo tato s u eveto tee probabldad 0 eso o mplca que sea el eveto vacío. S r 4

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE 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 detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

SEMANA 01. CLASE 01. MARTES 04/10/16

SEMANA 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 detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales.

Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales. Pága 1 IMADIL TEMA 5. Notas Tema 5. Fudametos de la fereca estadístca: Itroduccó a la probabldad y dstrbucoes muestrales. Parte 1: Itroduccó a la probabldad 1. Feómeos aleatoros Durate sglos la Ceca ha

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

Más detalles

I VARIACIONES. Una variación es un arreglo ordenado de n objetos diferentes, tomados de r a la vez se denota por medio de:

I 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 detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti 116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1

Tema 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 detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente: Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

Unidad I Estadística Descriptiva

Unidad I Estadística Descriptiva PRESENTACIÓN DEL CURSO Udad I Estadístca Descrptva La ESTADISTICA es la parte de las matemátcas ecargada de la presetacó y aálss de los datos de u expermeto. Normalmete la estadístca se dvde e: Estadístca

Más detalles

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD

INTRODUCCIÓN 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 detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

Tema 2 Probabilidad. 1. Conceptos básicos. 2. Probabilidad. 3. Probabilidad condicionada. 4. Independencia de sucesos

Tema 2 Probabilidad. 1. Conceptos básicos. 2. Probabilidad. 3. Probabilidad condicionada. 4. Independencia de sucesos Tema 2 robabldad. oceptos báscos 2. robabldad 3. robabldad codcoada 4. depedeca de sucesos 5. Teorema de la probabldad total 6. Teorema de ayes 7. sgacó de probabldades 8. álss combatoro . oceptos báscos.

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles