R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad

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

Download "R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad"

Transcripción

1 R PRÁCTICA II Probabilidad-Variables Aleatorias Sección II.1 Probabilidad 15. En el fichero sintomas.dat se encuentran 9 columnas con los resultados de una estadística médica. Cada columna corresponde a las siguientes variables: V1. Fumador V2.Ha viajado a Asia V3. Cancer de pulmón V4. Bronquitis % V5. Tuberculosis V6.Auscultación torácica normal V7. Doloren el pecho % V8. Rayos X normales V9. Edad Todos los campos, excepto el último, están codificados mediante un 1 si la respuesta es NO y 2 si la respuesta es SI. Importar dicho fichero de los ficheros de datos y responder a: a) Crear un gráfico de barras con la probabilidad de padecer cáncer de pulmón por franjas de edad de 10 años. b) Calcular la probabilidad de padecer cáncer de pulmón si tomamos un individuo de la franja de edad de 40 a 70 años. c) Calcular, para esa misma franja de edad: 1) la probabilidad de padecer cáncer de pulmón teniendo en cuenta que el paciente es fumador. 2) la probabilidad de padecer cáncer de pulmón dado que es fumador y siente dolor en el pecho. 3) la probabilidad de padecer cáncer de pulmón dado que NO es fumador y NO siente dolor en el pecho. 8

2 II.2. VARIABILIDAD A CORTO PLAZO. REGULARIDAD A LA LARGA 4) la probabilidad de padecer cáncer de pulmón dado que el paciente ha visitado Asia. d) Son los siguientes sucesos dependientes o independientes? 1) Haber visitado Asia y padecer tuberculosis. 2) Fumar y haber visitado Asia. 3) Fumar y padecer cáncer de pulmón. Sección II.2 Variabilidad a corto plazo. Regularidad a la larga 16. Variabilidad a corto plazo. Crear un data.frame nuevo de nombre dado.12. a) Simular 12 lanzamientos de un dado regular (no trucado), almacenando los resultados de los lanzamientos en la columna 1 ( dado_1 ). dado.1<-sample(c(1:6),12,replace=true) b) Repetir el apartado anterior almacenando los resultados en la columna 2 ( dado_2 ) y ( dado_3 ). c) Dibujar diagramas de barras de los datos de las tres columnas. barplot(table(dado.1)) d) Calcular las frecuencias relativas de los 6 sucesos posibles. Son estas frecuencias relativas iguales a 1 6? 17. Variabilidad a largo plazo. Crear un data.frame nuevo de nombre dado a) Simular 1200 lanzamientos de un dado regular (no trucado), almacenando los resultados de los lanzamientos en la columna ( dado_4 ). b) Repetir el apartado anterior almacenando los resultados en las columnas ( dado_5 ) y ( dado_6 ). c) Dibujar diagramas de barras de los datos de las dos columnas. d) Calcular las frecuencias relativas de los 6 sucesos posibles. Son estas frecuencias relativas iguales a 1 6? 18. Es siempre admisible el concepto clásico de probabilidad? a) Simular 120 lanzamientos de un dado en cuyo interior se han introducido asimétricamente bolas de acero, de forma que P(1) = 0.5; P(2) = 0.25; P(3) = 0.15; P(4) = 0.04 y P(5) = P(6) = Almacenar los resultados de los lanzamientos en la variable ( dado.trucado.120 ). b) Dibujar diagramas de barras para la variable anterior. c) Son aproximadamente iguales las frecuencias relativas de los 6 sucesos posibles? A qué concepto de la probabilidad conduce este experimento aleatorio? Universidad de Cantabria. Alberto Luceño y Fco. Javier Glez Ortiz 9

3 CAPÍTULO II. PROBABILIDAD-VARIABLES ALEATORIAS Sección II.3 Concepto frecuentista de la probabilidad 19. La concepción frecuentista interpreta que la probabilidad de un suceso es el límite de la frecuencia relativa de dicho suceso cuando el número de veces que se repite el experimento asociado tiende a infinito. Por ejemplo, que la probabilidad de sacar cruz al tirar una moneda es 0.5 significa que, en una sucesión de tiradas, la frecuencia relativa de las cruces obtenidas se irá aproximando paulatinamente a 0.5 según avanza la sucesión. a) Generamos un vector que represente la sucesión de tiradas; suponiendo n = 500 tiradas. b) Generamos otro vector F A con las frecuencias absolutas del número de cruces acumuladas hasta cada tirada. c) Calculamos las frecuencias relativas de las cruces en cada tirada. d) Representamos la secuencia de frecuencias relativas acumuladas. e) Podemos añadir la asíntota, a la altura del valor teórico de la probabilidad p = 0.5 Sección II.4 Simulación de experimentos aleatorios 20. Simular el problema del aniversario: a) Simular el nacimiento de 40 personas. muestra.nac.40 b) Analizar los datos repetidos de muestra.nac.40 y comprobar si hay dos personas con el mismo día de nacimiento. c) Simular el nacimiento de 23 personas, muestra.nac.23 y efectuar la misma comprobación que antes. d) Simular el experimento anterior 2000 veces y estimar la probabilidad de que al menos dos personas de un grupo de 23 elegidos al azar cumplan años el mismo día. num.veces<-2000 num.personas<-23 coinciden<-replicate(num.veces,is.element(0, diff(sort(sample(c(1:365),num.personas,replace=true))))) frec<-sum(coinciden)/num.veces frec Universidad de Cantabria. Alberto Luceño y Fco. Javier Glez Ortiz 10

4 II.4. SIMULACIÓN DE EXPERIMENTOS ALEATORIOS e) Compara los resultados obtenidos con la solución exacta. p = (365 n + 1) 365 n 21. Simular el problema de los dados de Galileo 1 : a) Abrir un nuevo conjunto de datos o data.frame de nombre Galileo. Simular el lanzamiento de un dado 1000 veces.(c1=dado.1) b) Realizar lo mismo para las columnas (C2=dado.2) y (C3=dado.3) c) Establecer en la columna (C4=Suma) la suma de las tres dados. d) Estimar la probabilidad de que la suma de los dados sea 10. e) Estimar la probabilidad de que la suma de los dados sea 9. f ) Realizar, con otra simulación los pasos anteriores y comparar los resultados Suma =10 Suma =9 g) Comparar con los resultados exactos P(sumen 9) = = P(sumen 10) = = galileo<-data.frame(dado.1=sample(1:6,1000,rep=true)) Universidad de Cantabria. Alberto Luceño y Fco. Javier Glez Ortiz 11

5 CAPÍTULO II. PROBABILIDAD-VARIABLES ALEATORIAS Sección II.5 Distribuciones discretas y continuas más comunes 22. Una v.a. X binomial B(200; 0.4). Se pide: a) P(X < 71) P(X 90) F X (100) b) P(X x) = 0.4 P(X x) = 0.8 F X (75) 23. La centralita telefónica de un hotel recibe un número de llamadas por minuto que sigue una ley de Poisson con parámetro λ = 0.5. Determinar la probabilidad de que en un minuto al azar: a) Se reciba una única llamada. b) Se reciban un máximo de dos llamadas. c) La centralita quede bloqueada, sabiendo que no puede realizar más de 3 conexiones por minuto. 24. Sea X una variable aleatoria normal con µ = 50 y σ 2 = 25. Calcular: a) p(x 40) p(x 60) p(x > 65) b) p(x > 35) p(40 < X < 60) p(30 < X < 42) 25. Una v.a. X se distribuye uniformemente en (2, 4). Se pide: a) P(X < 2.5) P(X 3.2) P(2.2 < X < 3.5) b) P(X x) = 0.4 P(X x) = 0.8 F X (2.7) 26. Una v.a. X se distribuye de forma normal N(0; 1). Se pide: a) P(X < 1.2) P(X 2.6) F X (1.5) b) P(X x) = 0.4 P(X x) = 0.8 F X ( 0.7) Universidad de Cantabria. Alberto Luceño y Fco. Javier Glez Ortiz 12

6 II.6. TEOREMA CENTRAL DEL LÍMITE Sección II.6 Teorema Central del Límite En este apartado estudiaremos la distribución del promedio de variables independientes e idénticamente distribuidas y a través de los histogramas correspondientes analizaremos el comportamiento de estas distribuciones a medida que promediamos un número creciente de variables aleatorias. X = X 1 + X X n n Teorema de central del límite: Si X 1,..., X n son variables aleatorias independientes con la misma media µ y la misma varianza σ 2 0 y finita, la función de distribución de la variable aleatoria cuando n tiende a infinito. X = X X n n N ( µ, ) σ n 27. Con este ejemplo ilustraremos que el promedio de la media muestral, E[X] = µ y la desviación típica de la media muestral es D.T.[X] = σ n. a) Simula una v.a. normal N(0, σ = 4) de tamaño N = 1000 datos (este valor grande para aumentar la precisión) y calcula de ella su media y su desviación típica. b) Simula 16 muestras de una población normal N(0, σ = 4) de tamaño N = ) Calcula la media X 16 = X 1 + X X ) Calcula la desviación típica de la variable X 16 Comprueba que realmente se cumple que E[X] = µ y D.T.[X] = σ n. muestra.16 <- replicate(16, rnorm(1000,mean=0,sd=4)) medias.16<-apply(muestra.16,1,mean) mean(medias.16) sd(medias.16) 28. Simular y representar la media de un muestreo aleatorio simple de tamaño 2 (X 1, X 2 ) de una distribución U(0, 1). a) Simular dos muestras muestras.2 de tamaño N = 1000 para obtener un histograma con bastante precisión muestra.2 <- replicate(2, runif(1000,min=0,max=1)) b) Construir el vector de medias media.2 medias.2<-apply(muestra.2,1,mean) c) Realiza el histograma. hist(medias.2,breaks=100) Universidad de Cantabria. Alberto Luceño y Fco. Javier Glez Ortiz 13

7 CAPÍTULO II. PROBABILIDAD-VARIABLES ALEATORIAS d) Añadir en el histograma una línea vertical azul 2 que represente el promedio del vector de medias obtenido. Representar con una línea de puntos (lty=3) de color rojo (col=red ) la media de la población A partir del ejercicio anterior, simular y representar la media de un muestreo aleatorio simple de tamaño 5, (X 1, X 2,, X 5 ) de una distribución U(0, 1). A partir del ejercicio anterior, simular y representar la media de un muestreo aleatorio simple de tamaño 30, (X 1, X 2,, X 30 ) de una distribución U(0, 1). muestra.30 <- replicate(30, runif(1000,min=0,max=1)) medias.30<-apply(muestra.30,1,mean) hist(medias.30,breaks=100,freq=false) Le añadimos la curva normal para visualizar la comparación, N(µ, σ/ n) curve(dnorm(x,0.5,1/sqrt(360)),col="red",add=t,lwd=3) Realizar el ejercicio anterior para una distribución exponencial Ex(α = 2). Un sistema electrónico está dispuesto de forma que cuando falla el primer dispositivo E 1 se activa automáticamente el segundo E 2, y así sucesivamente hasta el E n. Si el tiempo T i hasta que falla E i, para cualquier i, es de tipo exponencial con parámetro α = 0.1 hora 1 y T(n) = T 1 + T T n es el tiempo total de funcionamiento de n dispositivos, hallar: a) P[T(1) > 12]. b) P[T(2) > 18]. c) P[T(30) > 350]. d) Calcular los apartados anteriores por simulación Soluciones 15. b) c) 1) ; 2) ;3) ; 4) a) b) a) b) c) a) b) a) b) a) b) abline(v=mean(medias),col=. a zul,lwd=3) Universidad de Cantabria. Alberto Luceño y Fco. Javier Glez Ortiz 14

Manipulación de vectores en R

Manipulación de vectores en R R PRÁCTICA I Practica 1 con R Los ficheros de datos para realizar las prácticas se pueden descargar de http://personales.unican.es/gonzaleof/r/ficheros.html Sección I.1 Manipulación de vectores en R Maniulación

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

Tema 2: Estimación puntual

Tema 2: Estimación puntual Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

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

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II Soluciones de los ejercicios de Selectividad sobre Probabilidad de ntonio Francisco Roldán López de Hierro * Convocatoria de 2007 Las siguientes páginas contienen las soluciones de los ejercicios propuestos

Más detalles

Algunas Distribuciones de Probabilidad

Algunas Distribuciones de Probabilidad Relación de problemas 7 Algunas Distribuciones de Probabilidad 1. En un hospital se ha comprobado que la aplicación de un tratamiento en enfermos de cirrosis produce una cierta mejoría en el 80 % de los

Más detalles

Muestreo estadístico. Relación 2 Curso 2007-2008

Muestreo estadístico. Relación 2 Curso 2007-2008 Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los

Más detalles

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Definiciones: 1- La probabilidad estudia la verosimilitud de que determinados sucesos o eventos ocurran o no, con respecto a otros sucesos o eventos

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

Problemas de Probabilidad Soluciones

Problemas de Probabilidad Soluciones Problemas de Probabilidad Soluciones. En una carrera participan los caballos A, B, C y D. Se estima que la probabilidad de que gane A es el doble de la probabilidad de que gane cada uno de los otros tres.

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC Abel Martín ( * ) Rosana Álvarez García ( ) En dos artículos anteriores ya hemos estudiado la distribución Binomial de parámetros

Más detalles

Una breve introducción a Excel c

Una breve introducción a Excel c Una breve introducción a Excel c Martes 22 de febrero de 2005 Curso de Formación continua en Matemáticas UAM Curso 2004/2005 1. Introducción Excel c es una aplicación de hojas de cálculo electrónicas:

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

Teoría de Probabilidad

Teoría de Probabilidad Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

Más detalles

Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA

Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA NOTA: en toda esta práctica no se pueden utilizar bucles, para que los tiempos de ejecución se reduzcan. Esto se puede hacer

Más detalles

Instructivo Applet en Geogebra grafica frecuencia relativa Lanzamiento de dos dados n veces

Instructivo Applet en Geogebra grafica frecuencia relativa Lanzamiento de dos dados n veces Instructivo Applet en Geogebra grafica frecuencia relativa Lanzamiento de dos dados n veces Por: Jesús Evenson Pérez Arenas Indicador: Introducir el concepto de probabilidad haciendo una cantidad de lanzamientos

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD POBLEMAS ESUELTOS SELECTIVIDAD ANDALUCÍA 2007 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: POBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B eserva 1, Ejercicio 3, Opción A

Más detalles

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA IES Fco Ayala de Granada Sobrantes 00 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 00 (Modelo ) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO Sea el recinto del plano definido

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

Sistemas Aleatorios: Probabilidad Condicional

Sistemas Aleatorios: Probabilidad Condicional MA2006 El concepto de la probabilidad condicional Imagine la probabilidad de que un hombre presente cáncer pulmonar antes de los 70 años. Imagine la probabilidad de que tal hombre presente cáncer pulmonar

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

RELACIÓN DE EJERCICIOS DE ESTADÍSTICA. PROBLEMAS DE ESTADÍSTICA: PROBABILIDAD

RELACIÓN DE EJERCICIOS DE ESTADÍSTICA. PROBLEMAS DE ESTADÍSTICA: PROBABILIDAD 1 UNIVERSIDAD DE CASTILLA-LA MANCHA Facultad de Químicas. RELACIÓN DE EJERCICIOS DE ESTADÍSTICA. PROBLEMAS DE ESTADÍSTICA: PROBABILIDAD Ejercicio 1º.- Se lanzan dos monedas y un dado. Se pide: 1) Describir

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

IES Real Instituto de Jovellanos de Gijón Serie 8. Distribuciones de Probabilidad MATEMÁTICAS 1º B.I. N.M. - Serie 8: Distribuciones de Probabilidad

IES Real Instituto de Jovellanos de Gijón Serie 8. Distribuciones de Probabilidad MATEMÁTICAS 1º B.I. N.M. - Serie 8: Distribuciones de Probabilidad MATEMÁTICAS 1º B.I. N.M. - Serie 8: Distribuciones de Probabilidad 1 Una variable aleatoria X toma los valores 0, 3, 5, 6 y 10, con probabilidades 0 16; 0 25; 0 21; 0 12 y 0 26 respectivamente. a) Comprueba

Más detalles

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS 1.1 Variables aleatorias Considera el experimento aleatorio consistente en lanzar dos monedas. El espacio muestral de

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Tema 7: Estadística y probabilidad

Tema 7: Estadística y probabilidad Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A OPCIÓN A (3 puntos) Una imprenta local edita periódicos y revistas. Para cada periódico necesita un cartucho de tinta negra y otro de color, y para cada revista uno de tinta negra y dos de color. Si sólo

Más detalles

Ejercicios Resueltos de Teorema Central de Límite (TCL) Ejercicios 1 y 2: Resolución de Ejercicios propuestos del Tema 5.

Ejercicios Resueltos de Teorema Central de Límite (TCL) Ejercicios 1 y 2: Resolución de Ejercicios propuestos del Tema 5. EJERCICIOS DE PROBABILIDAD EJERCICIOS ADECUADOS PARA SECUNDARIA O BACHILLER TITULO: AUTOR: Ejercicios Resueltos de Teorema Central de Límite (TCL) JUAN VICENTE GONZÁLEZ OVANDO Ejercicio 15: Ejercicios

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Tema 12: Contrastes Paramétricos

Tema 12: Contrastes Paramétricos Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de

Más detalles

TEMA 4: Introducción al Control Estadístico de Procesos

TEMA 4: Introducción al Control Estadístico de Procesos TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción

Más detalles

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL 1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Probabilidad Hoja de trabajo #1. Actividad: Buscando todos los resultados de un experimento

Probabilidad Hoja de trabajo #1. Actividad: Buscando todos los resultados de un experimento Probabilidad Hoja de trabajo #1 Actividad: Buscando todos los resultados de un experimento Instrucciones: En cada uno de los siguientes experimentos determina todos los posibles resultados al llevarlo

Más detalles

PEOBLEMAS RESUELTO DE CADENAS DE MARKOV

PEOBLEMAS RESUELTO DE CADENAS DE MARKOV PROBLEMAS RESUELTOS DE CADENAS DE MARKOV TEMA: CADENAS DE MARKOV Prof.: MSc. Julio Rito Vargas Avilés I. El departamento de estudios de mercado de una fábrica estima que el 20% de la gente que compra un

Más detalles

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

T.1 CONVERGENCIA Y TEOREMAS LÍMITE T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)

Más detalles

Probabilidad. Relación de problemas 5

Probabilidad. Relación de problemas 5 Relación de problemas 5 Probabilidad 1. Una asociación consta de 14 miembros, de los cuales 6 son varones y 8 son mujeres. Se desea seleccionar un comité de tres hombres y tres mujeres. Determinar de cuántas

Más detalles

Asignatura: Econometría. Conceptos MUY Básicos de Estadística

Asignatura: Econometría. Conceptos MUY Básicos de Estadística Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

1 Ejemplo de análisis descriptivo de un conjunto de datos

1 Ejemplo de análisis descriptivo de un conjunto de datos 1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos

Más detalles

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O.

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. Este programa está destinado a los alumnos que han promocionado a cursos superiores sin haber superado esta materia.

Más detalles

Ejercicio de estadística para 3º de la ESO

Ejercicio de estadística para 3º de la ESO Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población

Más detalles

Otras medidas descriptivas usuales

Otras medidas descriptivas usuales Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.

Más detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay

Más detalles

Modelos de distribuciones discretas

Modelos de distribuciones discretas Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,

Más detalles

4. Se considera la función f(x) =. Se pide:

4. Se considera la función f(x) =. Se pide: Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones

Más detalles

IES Fco Ayala de Granada Septiembre de 2011 (Modelo 5) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2011 (Modelo 5) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Granada Septiembre de 011 (Modelo 5) Soluciones Germán-Jesús Rubio Luna PRUEBA DE ACCESO A LA UNIVERSIDAD SEPTIEMBRE 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral. Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Página 75 REFLEXIONA Y RESUELVE Lanzamiento de varios dados Comprueba en la tabla anterior ue: DESV. TÍPICA PARA n DADOS n = 8 1,71 1,1 n = 3 8 1,71 3 0,98

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

Tema 2 - Introducción

Tema 2 - Introducción Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema

Más detalles

AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR

AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR Hay situaciones en la vida diaria en las que no podemos saber qué resultado va a salir, pero sí sabemos los posibles resultados; son situaciones que

Más detalles

Tema 1 con soluciones de los ejercicios. María Araceli Garín

Tema 1 con soluciones de los ejercicios. María Araceli Garín Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

CONTENIDOS MÍNIMOS BLOQUE III: ÁLGEBRA

CONTENIDOS MÍNIMOS BLOQUE III: ÁLGEBRA CONTENIDOS MÍNIMOS BLOQUE III: ÁLGEBRA Interpolación de términos en una sucesión. Cálculo del término general de sucesiones muy sencillas. Distinción entre progresiones aritméticas y geométricas. Interpolación

Más detalles

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en

Más detalles

Unidad 14 Probabilidad

Unidad 14 Probabilidad Unidad 4 robabilidad ÁGINA 50 SOLUCIONES Calcular variaciones.! 5! 4 a) V, 6 b) 5, 60 c),4 6 ( )! V (5 )! VR Calcular permutaciones. a)! 6 b) 5 5! 0 c) 0 0! 68 800! 9 96 800 palabras diferentes. Números

Más detalles

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1)

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas

Más detalles

Explicación de la tarea 3 Felipe Guerra

Explicación de la tarea 3 Felipe Guerra Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La

Más detalles

MATEMÁTICAS aplicadas a las Ciencias Sociales II

MATEMÁTICAS aplicadas a las Ciencias Sociales II MATEMÁTICAS aplicadas a las Ciencias Sociales II UNIDAD 1: SISTEMAS DE ECUACIONES. MÉODO DE GAUSS Sistemas de ecuaciones lineales Sistemas equivalentes. Transformaciones que mantienen la equivalencia.

Más detalles

Problemas Resueltos del Tema 1

Problemas Resueltos del Tema 1 Tema 1. Probabilidad. 1 Problemas Resueltos del Tema 1 1- Un estudiante responde al azar a dos preguntas de verdadero o falso. Escriba el espacio muestral de este experimento aleatorio.. El espacio muestral

Más detalles

Propuesta didáctica: Juego de azar

Propuesta didáctica: Juego de azar Propuesta didáctica: Juego de azar Clase: 5º año Contenido programático: Experimento aleatorio. Sucesos: probable, seguro, imposible. Autor: Ernst Klett Verlag - Adaptado por la maestra Esther Moleri Tiempo

Más detalles

EJ:LANZAMIENTO DE UNA MONEDA AL AIRE : S { } { } ESPACIO MUESTRAL:CONJUNTO DE TODOS LOS SUCESOS ELEMENTALES DE UN EXPERIMENTO ALEATORIO.

EJ:LANZAMIENTO DE UNA MONEDA AL AIRE : S { } { } ESPACIO MUESTRAL:CONJUNTO DE TODOS LOS SUCESOS ELEMENTALES DE UN EXPERIMENTO ALEATORIO. GUIA DE EJERCICIOS. TEMA: ESPACIO MUESTRAL-PROBABILIDADES-LEY DE LOS GRANDES NUMEROS. MONTOYA.- CONCEPTOS PREVIOS. EQUIPROBABILIDAD: CUANDO DOS O MAS EVENTOS TIENEN LA MISMA PROBABILIDAD DE OCURRIR. SUCESO

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

Síntesis Numérica de una Variable

Síntesis Numérica de una Variable Relación de problemas 2 Síntesis Numérica de una Variable Estadística 1. En siete momentos del día se observa el número de clientes que hay en un negocio, anotando: 2, 5, 2, 7, 3, 4, 9. Calcular e interpretar

Más detalles

14Soluciones a los ejercicios y problemas

14Soluciones a los ejercicios y problemas Soluciones a los ejercicios y problemas PÁGINA 8 Pág. P RACTICA Relaciones entre sucesos En un sorteo de lotería observamos la cifra en que termina el gordo. a) Cuál es el espacio muestral? b)escribe los

Más detalles

Distribuciones discretas. Distribución Binomial

Distribuciones discretas. Distribución Binomial Boletín: Distribuciones de Probabilidad IES de MOS Métodos estadísticos y numéricos Distribuciones discretas. Distribución Binomial 1. Una urna contiene 3 bolas blancas, 1 bola negra y 2 bolas azules.

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3, Opción

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Ejercicios distribuciones discretas probabilidad

Ejercicios distribuciones discretas probabilidad Ejercicios distribuciones discretas probabilidad 1. Una máquina que produce cierta clase de piezas no está bien ajustada. Un porcentaje del 4.2% de las piezas están fuera de tolerancias, por lo que resultan

Más detalles

Diagramas de frecuencias relativas

Diagramas de frecuencias relativas LEIÓN ONENSAA 10.1 iagramas de frecuencias relativas En esta lección crearás diagramas de círculo calcularás frecuencias relativas crearás diagramas de barras de frecuencias relativas y diagramas de círculo

Más detalles

REPRESENTACIÓN DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA

REPRESENTACIÓN DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA REPRESENTACIÓN DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Similar a las distribuciones de frecuencia, una distribución de probabilidad discreta puede ser representada (descrita) tanto gráficamente como

Más detalles

INFORMÁTICA. Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial. Curso 2013-2014. v1.0 (05.03.

INFORMÁTICA. Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial. Curso 2013-2014. v1.0 (05.03. INFORMÁTICA Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial Curso 2013-2014 v1.0 (05.03.14) A continuación figuran una serie de ejercicios propuestos, agrupados

Más detalles

Las bebidas Alcohólicas

Las bebidas Alcohólicas Las bebidas Alcohólicas Hecho por: - Elisa Gutiérrez - Guillermo Rivas-plata - Rodrigo Pumares - Beatriz Sánchez 1 Índice 1- Introducción... 3 2- Objetivos... 3 3- Preguntas de la encuesta... 4 4- Encuesta...

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

Medidas de la tendencia central y las gráficas de caja

Medidas de la tendencia central y las gráficas de caja LECCIÓN CONDENSADA 2.1 Medidas de la tendencia central y las gráficas de caja En esta lección Encontrarás e interpretarás la media, la mediana, y la moda para unos conjuntos de datos Crearás e interpretarás

Más detalles

Tema 2. Análisis gráfico Ejercicios resueltos 1

Tema 2. Análisis gráfico Ejercicios resueltos 1 Tema 2. Análisis gráfico Ejercicios resueltos 1 Ejercicio resuelto 2.1 En una tienda han anotado los precios de los artículos que han vendido en una hora. Los datos son: 9,95, 19,95, 19,95, 14,95, 29,95,

Más detalles

Departamento de Matemática Aplicada a la I.T. de Telecomunicación

Departamento de Matemática Aplicada a la I.T. de Telecomunicación Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

OBJETIVOS CONTENIDOS PROCEDIMIENTOS

OBJETIVOS CONTENIDOS PROCEDIMIENTOS 008 _ 0-048.qxd 9/7/08 9:07 Página 405 4 Probabilidad INTRODUCCIÓN En la vida cotidiana tienen lugar acontecimientos cuya realización es incierta y en los que el grado de incertidumbre es mayor o menor

Más detalles