P( A i B j ) = n ij n
|
|
- Arturo Duarte Ramírez
- hace 6 años
- Vistas:
Transcripción
1 1. PROBABILIDAD MARGINAL. Sea u espacio muestral Ω formado por putos co probabilidades iguales, 1. Sea A 1, A 2,..., A r ua partició de Ω formada por r subcojutos mutuamete excluyetes (disjutos). Sea B 1, B 2,..., B s otra partició de Ω e s subcojutos disjutos. Etoces, los putos del espacio muestral los podemos clasificar segú la siguiete tabla de doble etrada: B 1 B 2... B s A s A s A r r1 r2... rs La tabla os idica que de los resultados existetes e el espacio muestral Ω, 11 tiee simultáeamete el atributo A 1 y el atributo B 1 ; 12 el A 1 y el B 2 ; y, e geeral, ij los atributos A i y B j. La suma de todos los ij es. Como ejemplo podemos cosiderar como espacio muestral Ω las 52 cartas de ua baraja. Ua partició de Ω puede ser segú el palo (espadas, bastos, oros o copas) y otra partició puede ser segú el úmero de la carta. La probabilidad del suceso A i y B j se puede represetar por P(A i,b j ) e lugar de por P(A i B j ), y el valor de esta probabilidad es, evidetemete P( A i B j ) = ij Puede iteresaros sólo uo de los criterios de clasificació, por ejemplo A, y seros idiferete la clasificació B. E este caso prescidimos de B e el símbolo, y la probabilidad de u valor cualquiera A i se desiga por P(A i ) y es s P( A i ) = ij j =1 que recibe el ombre de Probabilidad Margial. La calificació de margial se emplea siempre que se prescide de uo o más criterios de clasificació. Es evidete que 1/16
2 ya que P( A i ) = s ij j =1 = P( A i j =1 ij = P( A i B j ) B j ) De forma aáloga, la probabilidad margial de B j es r ij r P(B j ) = i=1 = P( A B j ) i=1 i Co la termiología aterior, hemos particioado el espacio muestral Ω e r s subcojutos disjutos, desigado el subcojuto geeral por A i B j. Ahora bie: Puesto que A i = ( A i B 1 ) ( A i B 2 ) ( A i B 3 ) ( A i B s ) ( A i B j ) ( A i B j ' ) = cuado j j. Teiedo e cueta los axiomas de probabilidad, aplicado P3 obteemos P( A i ) = P( A i B 1 ) + P( A i B 2 ) + P( A i B 3 ) + + P( A i B s ) y teiedo e cueta el valor de cada uo de los sumados, podemos escribir la expresió aterior como P( A ) = P( A i s B ) = ij i j j =1 j=1 s E el ejemplo que hemos puesto ates de la baraja co 52 cartas, la probabilidad de obteer u as es la suma de probabilidades de obteer u as de espadas, u as de bastos, u as de oros y u as de copas. Cosiderado u caso más geeral, supogamos tres criterios de clasificació A, B y C. Sea A 1, A 2,..., A r ua partició de Ω formada por r subcojutos mutuamete excluyetes (disjutos), sea B 1, B 2,..., B s otra partició de Ω e s subcojutos disjutos y sea C 1, C 2,..., C t la tercera partició de Ω. Deotemos por ijk el úmero de resultados, de etre los, que preseta los caracteres A i, B j y C k. La clasificació completa sería ua tabla de triple etrada compuesta de t capas de tablas de doble etrada, correspodiedo cada capa a u C k. La probabilidad margial de, por ejemplo, A i y C k es: s P( A i C k ) = P( A i B j C k ) j =1 2/16
3 y la probabilidad margial de C k es r s r s P(C k ) = P( A i B j C k ) = P( A i C k ) = P(B j C k ) i=1 j =1 i=1 j=1 La geeralizació de lo aterior para más de tres criterios se realiza de forma imediata. 2. ROBABILIDAD CONDICIONADA. Teiedo e cueta la clasificació de doble etrada vista al pricipio del puto aterior, co la tabla de doble etrada, supogamos que deseamos examiar el resultado de u experimeto aleatorio para u atributo, pero o para el otro. Queremos hallar la probabilidad de que el otro atributo tega u valor determiado. Supogamos que hemos observado que el suceso tiee el atributo B 3. Cuál será la probabilidad de que tega así mismo el atributo A 2? El total de resultados de A cuado ha sucedido B 3 es r i 3 i=1 y el úmero de resultados favorables a A 2 es 23. Así, la probabilidad de A 2, cuado se sabe que ha ocurrido B 3, es 23 r i 3 i=1 que se desiga co el ombre de Probabilidad Codicioada y cuyo símbolo es P(A 2 B 3 ). E geeral, supoiedo que los deomiadores o so ulos, P( A i B j ) = r ij P(B j A i ) = s ij ij i=1 ij j =1 Dividiedo el umerador y el deomiador de la fracció del segudo miembro por, os queda P( A i B j ) = P( A i B j ) P(B j ) P(B j A i ) = P( A i B j ) P( A i ) o bie P( A i B j ) = P( A i B j ) P(B j ) P( A i B j ) = P( B j A i ) P( A i ) 3/16
4 Esta última ecuació puede euciarse de la siguiete maera: La probabilidad de que u resultado tega los atributos A i y B j es igual a la probabilidad margial de A i multiplicada por la probabilidad codicioal de B j cuado a ocurrido A i. La idea de probabilidad codicioal admite ua geeralizació imediata a situacioes dode iterviee más de u criterio de clasificació. Por ejemplo, e el caso de tres criterios, se ve imediatamete que P( A i B j C k ) = P( A i B j C k ) P(C k ) P( A i B j C k ) = P( A i B j C k ) P(B j C k ) y tambié que P( A i B j C k ) = P( A i B j C k ) P(C k ) = = P( A i B j C k ) P(B j C k ) = = P( A i B j C k ) P(B j C k ) P(C k ) Podría obteerse otras relacioes aálogas permutado las letras A, B y C. Así y o bie P( A i B j C k ) P(B j A i C k ) = P( A i C k ) P( A i B j C k ) = P( B j A i C k ) P( A i C k ) P(C k ) P( A i B j C k ) = P(B j A i C k ) P(C k A i ) P( A i ) Podríamos seguir escribiedo todas las relacioes aálogas existetes, pero o es el objetivo del tema. Debe quedar claro que las probabilidades ateriores o está defiidas si el deomiador es 0. Para describir la probabilidad codicioal hemos utilizado u espacio muestral ciertamete especial, coteiedo u úmero fiito de putos, cada uo de ellos co la misma probabilidad. Si embargo, la idea es completamete geeral y puede defiirse para espacios muestrales discretos y cotiuos de la siguiete forma. DEF Sea A y B dos sucesos de u espacio muestral Ω tal que P(B)>0. La probabilidad codicioal del suceso A cuado ha ocurrido el suceso B, y que se desiga por P(A B) es P( A B) P( A B) = P(B) Para la probabilidad codicioada P(A B) podemos utilizar la otació más breve P( A B) P ( A) = P( A B) = B P(B) 4/16
5 De este modo vemos que, fijado el suceso B, P B es ua fució de domiio S. PROP Dado el espacio de probabilidad (Ω, S P) y defiida la fució P B como P( B) tambié (Ω, S, P B ) es u espacio de probabilidad. La familia S es ua σ-álgebra por hipótesis. Por ser P ua medida de probabilidad, se deduce fácilmete que P B es tambié ua medida de probabilidad de domiio S. 3. DOS LEYES BÁSICAS DE LA PROBABILIDAD. Si A y B so dos subcojutos mutuamete excluyetes (disjutos), el axioma 3, P3, de la probabilidad establece que P(A B) = P(A) + P(B) Vamos a obteer ahora ua fórmula más geeral que os sirva au e el caso de que los sucesos o sea disjutos. TEOREMA. Sea Ω u espacio muestral y S la σ-álgebra asociada, co fució de probabilidad P. Si A y B so dos sucesos cualesquiera de S, se verifica P(A B) = P(A) + P(B) P(A B) El álgebra de cojutos permite establecer la igualdad A B = A ( A B) Pero los cojutos A y A B so disjutos, por tato podemos aplicarles el axioma P3, obteiedo P(A B) = P(A) + P( A B) Ahora bie B = (A B) ( A B) siedo, de uevo, ambos cojutos disjutos, por lo que aplicado de uevo el axioma P3. P(B) = P(A B) + P( A B) O tambié como P( A B) = P(B) P(A B) Sustituyedo esta expresió e la primera, obteemos el resultado deseado. Para demostrar el teorema e u espacio muestral fiito Ω, dode cada puto tiee 1 de probabilidad, os referiremos a la tabla del apartado 1, y calcularemos, por 5/16
6 ejemplo, la probabilidad P(A 1 B 2 ). La probabilidad de que ocurra los sucesos A 1 o B 2 se obtiee sumado todas las ij de la primera fila y de la seguda columa, y dividiedo por. Así, teemos s r s r P( A 1 B 2 ) = 1 j + i 2 1 j + i2 12 j =1 i= 2 = j =1 i =1 = P( A 1 ) + P(B 2 ) P( A 1 B 2 ) Cabe geeralizar esta ley para más de dos subcojutos, siedo para tres P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C) Y para el caso de subcojutos, sería: TEOREMA Sea A 1, A 2,..., A sucesos cualesquiera. Etoces P A = P( A ) P( A A ) + P( A A A ) + + ( 1) 1 P A j j i j i j k j j =1 j=1 1 i < j 1 i < j <k j=1 Vamos a realizar la demostració por iducció e el úmero de sucesos. Supogamos que teemos +1 sucesos. Para =2 la expresió aterior se covierte e el Teorema aterior. Supogamos válida la expresió para sucesos. Para +1 teemos P +1 A = P A + P( A ) P A A j j +1 j +1 j=1 j =1 j =1 Aplicado ahora la suposició de ser cierto para sucesos completamos la demostració por iducció. Al defiir la probabilidad codicioal, hemos deducido e esecia la ley multiplicativa de las probabilidades. Esta ley dice PROP La probabilidad de los sucesos A y B es igual a la probabilidad codicioal de B, e el supuesto de que haya ocurrido A, multiplicada por la probabilidad margial de A. P(A B) = P(A) P(B A) = P(B) P(A B) 6/16
7 Vamos a demostrar esta proposició cosiderado que el espacio muestral Ω tiee putos equiprobables. Sea m 1 y m 2 el úmero de putos coteidos e A y B respectivamete y m 3 el úmero de putos comues a ambos. Si supoemos que m 1 y m 2 so ambos positivos, teemos m P( A B) = 3 m P( A) = 1 m P( B) = 2 P( A B) = m 3 P(B A) = m 3 m 2 m 1 De las expresioes ateriores deducimos de forma imediata la tesis a demostrar. Geeralizado la proposició aterior, teemos el siguiete euciado llamado Teorema de la Probabilidad Producto o Teorema de la Probabilidad Compuesta. TEOREMA Teorema de la Probabilidad Compuesta. 1 Sea A 1, A 2,..., A sucesos cualesquiera y supogamos que P A i > 0. i =1 Etoces P A i 1 i = P A i A j i =1 i=1 j =1 La codició permite escribir la idetidad 1 P A i > 0 i =1 2 3 P A i P A i P A i i =1 i=1 i=1 P A = P( A ) i 1 i =1 P( A 1 ) 2 1 P A i P A i i=1 i=1 ya que iguo de los deomiadores ateriores es ulo. La defiició de probabilidad codicioada aplicada a cada fracció covierte esta idetidad e la expresió que queríamos demostrar. OBS E total, iguales a la expresió aterior, teemos! relacioes, obteidas permutado las letras del segudo miembro. 7/16
8 4. SUCESOS COMPUESTOS. La ley multiplicativa de las probabilidades resulta especialmete útil para simplificar el cálculo de las probabilidades de sucesos compuestos. U suceso compuesto cosiste e dos o más sucesos simples, como ocurre cuado se laza u dado dos veces o se extrae sucesivamete tres cartas de ua baraja. Veamos u ejemplo que sirva de ilustració. Se extrae dos bolas, ua tras otra, de ua ura que cotiee dos bolas egras, tres blacas y cuatro rojas. Cuál es la probabilidad de que la primera bola sea roja y la seguda blaca? Cosideraremos al extracció si reemplazamieto. Los resultados de este suceso compuesto puede clasificarse segú dos criterios El color de la primera bola. El color de la seguda bola. Podemos pues, costruir ua tabla aáloga a la del primer apartado. La clasificació A se basa e el color de la primera bola, y hacemos correspoder los sucesos A 1, A 2 y A 3 a los colores egro, blaco y rojo, respectivamete. Aálogamete, los sucesos B 1, B 2 y B 3 correspode a los mismos colores para la seguda bola. El úmero total de resultados es = 9 8 = 72 9 No es el úmero combiatorio porque estamos cosiderado permutacioes y 2 o combiacioes, ya que existe u determiado orde de extracció. La tabla completa de resultados es: B 1 B 2 B s A A A r Y la probabilidad pedida es P( A B ) = 12 = Utilizado la ley multiplicativa de las probabilidades, sólo ecesitamos cosiderar los dos sucesos simples por separado. E este caso, se debe utilizar dicha ley e la forma P( A 3 B 2 ) = P( A 3 ) P(B 2 A 3 ) Ahora bie, P(A 3 ) es simplemete la probabilidad de obteer bola roja e ua sola 4 extracció, la cual es. P(B A ) es la probabilidad de extraer bola blaca habiedo extraido ya ua bola roja, probabilidad que vale 3. El producto de estos dos úmeros 8 os da la probabilidad pedida. 8/16
9 La validez de la técica empleada e el ejemplo o es evidete. No resulta imediato que la probabilidad margial P(A 3 ) pueda calcularse prescidiedo por completo del segudo suceso, i que la probabilidad codicioal correspoda al suceso físico simple que ates hemos descrito. Para u suceso compuesto, que coste de dos sucesos simples, basta cosiderar ua tabla 2 por 2. Hacemos correspoder A 1 a u acierto e el primer suceso y A 2 a u fallo e el mismo. Sea m 1 el úmero de maeras co que puede presetarse co acierto el primer suceso y m 2 el úmero de veces e que dicho suceso puede fallar. Supogamos que B 1 y B 2 se defie de forma aáloga para el segudo suceso. Sea m 11 y m 12 las veces e que el segudo suceso puede ser u acierto y u fallo, supoiedo que se haya obteido u acierto e el primero. Sea m 21 y m 22 los úmeros de maeras e que el segudo puede resultar acierto o fallo cuado sabemos que el segudo ha sido u fallo. La tabla 2 por 2 que queda sería: El úmero total de resultados posibles es B 1 B 2 A 1 m 1 m 11 m 1 m 12 A 2 m 2 m 21 m 2 m 22 = m 1 m 11 + m 1 m 12 + m 2 m 21 + m 2 m 22 La probabilidad buscada es que se produzca u acierto e ambos sucesos, luego La probabilidad margial P(A 1 ) es P( A m m B ) = 1 1 m m m m m (m + m ) P( A 1 ) = + = m 1 ( m 11 + m 12 ) + m 2 ( m 21 + m 22 ) Ahora bie, la probabilidad de obteer u acierto e el primer suceso si teer e cueta el segudo es m 1 m 1 + m 2 que o coicide co la expresió aterior salvo que 1 11 m 11 + m 12 = m 21 + m 22 esto es, a meos que el úmero total de resultados del segudo suceso sea el mismo si teer e cueta si el primero ha sido acierto o fallo. La probabilidad codicioal es m 11 m 11 + m 12 9/16
10 y da la probabilidad de u acierto para el segudo suceso, e el supuesto de que el primero haya sido u acierto. Podríamos icliaros a deducir que este uso de la probabilidad codicioal sólo es correcto cuado el úmero de resultados para el segudo suceso es idepediete del resultado del primero, pero precisamete sucede lo cotrario. La probabilidad correcta es m 1 P( A 1 B 1 ) = m 1 + m 2 m 11 m 11 + m 12 y o el valor dado ateriormete P( A m m B ) = 1 1 El valor calculado por este método codicioal es siempre correcto, mietras que el obteido por eumeració de resultados lo es sólo cuado el úmero de ellos para el segudo suceso es idepediete del resultado del primero. U ejemplo secillo os va a permitir aclarar todo esto. Supogamos que se laza ua moeda y que si sale cara, se itroduce ua bola egra e ua ura, mietras que si sale cruz, se itroduce e la ura ua bola egra y otra blaca. A cotiuació, se extrae ua bola de la ura. Si salió cara, la bola tedrá que ser, evidetemete, egra. Si represetamos los sucesos cara y cruz por C y X, y blaca y egra por B y N, los tres resultados posibles será CN, XN y XB. Estos tres resultados o so, por supuesto, equiprobables. Si el experimeto se repitiese u cierto úmero de veces, cabría esperar que el resultado CN ocurriera doble úmero de veces que cualquiera de los otros dos. Es decir, que su probabilidad fuese ½ y o 1/3. E geeral, los resultados posibles de u suceso compuesto o so igualmete probables si el úmero de resultados del segudo suceso depede del resultado del primero. Por tato, o es aplicable la defiició de probabilidad. No obstate, si la defiició puede aplicarse por separado a los sucesos compoetes, será posible calcular la probabilidad del suceso compuesto utilizado el método de las probabilidades codicioales. Desgraciadamete, o es posible dar ua demostració formal de estas afirmacioes. Teemos que limitaros a cofiar e uestra ituició o, más bie, e el valor de cualquier testimoio experimetal que poseamos SUCESOS INDEPENDIENTES. Si P(A B) o depede del suceso B, diremos que los sucesos A y B so idepedietes. Podemos expresarlo formalmete de la siguiete forma: DEF Sea A y B dos sucesos de u espacio muestral Ω. Diremos que A y B so Sucesos Idepedietes si satisface P(A B) = P(A) P(B) 10/16
11 Por ejemplo, supogamos que lazamos u dado dos veces y que deseamos hallar la probabilidad de que los resultados sea dos y tres, e este orde: P(2 3) = P(2) P(3 2) = 1 1 = P(2) P(3) 6 6 de modo que los dos sucesos so idepedietes. La depedecia es la egació de la idepedecia. Por tato, diremos que A y B so Depedietes si o so idepedietes. PROP Cualquier suceso ulo o casi seguro es idepediete de cualquier otro suceso. La validez de la codició P(A B) = P(A) P(B) e el caso de que A sea ulo o casi seguro es imediata. PROP Si A y B so idepedietes y P(B)>0 etoces P(A) = P(A B). Recíprocamete, si P(B)>0 y se verifica P(A) = P(A B) etoces A y B so idepedietes. y Como P(A B) = P(A) P(B) por el hecho de ser idepedietes P(A B) = P(B) P(A B) se deduce rápidamete que P(A) = P(A B). Recíprocamete, teiedo e cueta las expresioes P(A) = P(A B) P(A B) = P(B) P(A B) Obteemos que A y B so idepedietes. PROP Si A y B so dos sucesos idepedietes, etoces A y B tambié lo so. Restado las dos igualdades se obtiee de dode P(A) = P(A) P(A B) = P(A) P(B) P(A A B) = P(A) (1 P(B)) P(A B ) = P(A) P( B ) 11/16
12 DEF Diremos que los sucesos A 1, A 2,..., A so Idepedietes por Parejas (dos a dos) si cada par A i y A j so idepedietes etre sí. Es decir, si se verifica que P(A i A j ) = P(A i ) P(A j ) 1 i<j Más restrictivo resulta el cocepto de idepedecia etre los sucesos de ua familia fiita. DEF Los sucesos A 1, A 2,..., A so Idepedietes etre sí si para cada r, co 2 r, tomamos los ídices 1 i 1 <i 2 <...<i r se tiee P( A A A i ) = P( A ) P( A ) P( A i ) i1 i2 r i1 i 2 r El úmero de codicioes que se obtiee a partir de la defiició aterior so = Cuado los sucesos o sea idepedietes. es decir, algua de las codicioes o sea correcta, diremos que so Depedietes. Ahora vamos a euciar uas propiedades que, dada su imediatez y por o extederos demasiado, o vamos a demostrar. PROP La idepedecia de sucesos es idepediete del orde co que se eucie. Los sucesos de u subcojuto del cojuto de sucesos idepedietes so tambié idepedietes PROP Sea A 1, A 2,..., A sucesos idepedietes y defiimos los subcojutos de ídices I, J {1, 2,..., } verificado que I J = 0 Sea los cojutos A = B = Etoces A y B so idepedietes. i I A i A j j J PROP Si los sucesos A 1, A 2,..., A -1 so idepedietes, etoces, para que A 1, A 2,..., A sea idepedietes es suficiete que A sea idepediete de cada suceso A obteido como A = co I {1, 2,..., } i I A i PROP Si los sucesos A 1, A 2,..., A so idepedietes, y sustituimos uo de ellos, por ejemplo el último, A, por su complemetario, los sucesos del uevo cojuto so tambié idepedietes. 12/16
13 DEF Los sucesos de ua familia {A t : t T} dode T es u cojuto cualquiera de ídices, diremos que so idepedietes si los sucesos de cada cojuto fiito so idepedietes. A, A,, A co 2 y {t t1 t 2 t 1, t 2,..., t } T 6. TEOREMA DE LA PROBABILIDAD TOTAL. E cálculo de probabilidades se os puede presetar situacioes e que existe sucesos icompatibles (disjutos) cuya uió es todo el espacio muestral Ω. H 1, H 2,..., H H i H j = i j i=1 H i = Ω que posee probabilidades coocidas P(H i ) y que para cada suceso A resulta tambié coocidas las probabilidades codicioadas P(A H i ). E esta situació se puede calcular la probabilidad de A a través de las probabilidades ateriores mediate ua fórmula que costituye el llamado Teorema de la Probabilidad Total. E la situació descrita suele utilizarse la siguiete omeclatura. los sucesos H i se llama hipótesis o causas. Las probabilidades P(H i ) se llama probabilidades a priori de las hipótesis. La probabilidad codicioada P(A H i ) es la probabilidad de A e la hipótesis H i. La probabilidad P(H i A) es la probabilidad a posteriori de la hipótesis H i cuado se sabe que ha sucedido A. TEOREMA Sea H 1, H 2,..., H sucesos icompatibles de probabilidades o ulas cuya uió es Ω. etoces, para cualquier suceso A se tiee P( A) = P(H i ) P( A H i ) i =1 So imediatos los cálculos siguietes P( A) = P( A Ω) = P A H i = P (H i A) = i =1 i =1 = P(H i A) = P(H i ) P( A H i ) i=1 i=1 OBS E el euciado del Teorema aterior, la restricció de que P(H i )>0 puede suprimirse quedado la suma extedida al cojuto J={i : P(H i )>0} ya que 13/16
14 P( A) = P(H i A) = P( H i A) = P(H i ) P( A H i ) i=1 i J i J OBS Tambié puede utilizarse la tesis del teorema, si igua dificultad, si el cojuto de sucesos H i es umerable e vez de u cojuto fiito. 7. TEOREMA DE BAYES. La fórmula de Bayes da la probabilidad a posteriori de ua hipótesis H r cuado se sabe que ha ocurrido u suceso A. TEOREMA. Fórmula de Bayes Sea H 1, H 2,..., H sucesos icompatibles de probabilidades o ulas cuya uió es Ω. Sea A u suceso cualquiera de probabilidad positiva. Etoces para cualquier suceso H r se tiee P(H P(H r A) = r ) P( A H r ) P( H i ) P( A H i ) i=1 Partiedo de la defiició de probabilidad codicioada P(H A) P(H A) = r r P( A) y aplicado e el deomiador la igualdad demostrada e el teorema aterior, obteemos imediatamete la expresió a comprobar. TEOREMA. Geeralizació de la Fórmula de Bayes. Sea H 1, H 2,..., H sucesos icompatibles cuya uió es Ω. Sea A u suceso tal que P(A H i )>0 para i : 1, 2,..,. Etoces, para cualquier suceso C se tiee P(H i ) P( A H i ) P(C H i A) P(C A) = i=1 P(H ) P( A H ) i i i=1 Partiedo de la defiició de probabilidad codicioada 14/16
15 P(C A) = P( A C) = P( A) P( A C H i ) i =1 P( A H i ) i =1 y utilizado la expresió obteida e el teorema de la probabilidad total llegamos a la fórmula a demostrar. OBS Las dos fórmulas de Bayes obteidas puede ser utilizadas e el caso de ser umerable el cojuto de sucesos {H i : i I} OBS Tambié se aprecia la vetaja de supoer que las sumas de los deomiadores de ambas fórmulas se extiede al cojuto {j : P(H j )>0} y la del umerador de la seguda fórmula al cojuto {j : P(H j A)>0}. BIBLIOGRAFÍA RECOMENDADA. Estadística Teórica. Aut. J.M.Doblado y M.C. Nieto. Edit. UNED Itroducció a la Estadística Teórica. Aut.: G Aráiz. Edit.: Lex Nova Estadística Teórica y Aplicada. Aut.: A. Nortes. Edit.: S. Rodríguez. Itroducció a la Probabilidad y la Medida (I). Aut.: P Zoroa y N. Zoroa. DM. Edit.: Maior 15/16
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 detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesSucesiones de números reales
Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54
Más detallesTema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1
Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia
Más detallesCÁLCULO DE PROBABILIDADES :
CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD
Más detallesNúmeros naturales, enteros y racionales
Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de
Más detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detallesNúmeros naturales, enteros y racionales
Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesCRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES
MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar
Más detalles4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.
Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base
Más detallesDISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN
DISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN Ídice. INTRODUCCIÓN2 2. SISTEMAS DE ECUACIONES LINEALES2 Defiicioes básicas.2 Iterpretació vectorial3
Más detallesTEMA 12 ESPACIOS VECTORIALES. A lo largo de este tema 12 denotaremos mediante la letra K un cuerpo conmutativo, (K, +, ).
1. Espacios Vectoriales. 2. Subespacios Vectoriales. 2.1. tersecció de Subespacios. 2.2. Uió de Subespacios. 2.3. Suma de Subespacios. 2.4. Suma Directa de Subespacios. 3. Aplicacioes Lieales. Espacio
Más detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesUNEFA C.I.N.U. Matemáticas
RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesConvolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detallesTema 1 Los números reales Matemáticas I 1º Bachillerato 1
Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma
Más detallesEl tema de este capítulo es el estudio de las sucesiones de números reales. Una sucesión no es más que un conjunto ordenado de números.
Capítulo 3 Sucesioes 3 Defiicioes Geerales El tema de este capítulo es el estudio de las sucesioes de úmeros reales Ua sucesió o es más que u cojuto ordeado de úmeros Por ejemplo, 2, 4, 6, 8, 0, 2,, 2,
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesCAPITULO 2. Aritmética Natural
CAPITULO Aritmética Natural Itroducció 1 Sumatorias Iducció Matemática Progresioes Teorema del Biomio 1. Coteidos. Itroducció 1) Asumiremos que el cojuto de úmeros reales R, +,, ) es u cuerpo ordeado completo.
Más detallesTema 12: IDEA DE PROBABILIDAD
Tema 12: IDEA DE PROBABILIDAD 1.- Experimetos aleatorios U experimeto se llama aleatorio cuado se cooce todos los posibles resultados del mismo, pero o puede predecirse cuál de ellos se producirá e ua
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesSUCESIONES DE NÚMEROS REALES. PROGRESIONES
www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos
Más detallesConvergencia absoluta y series alternadas
Tema 11 Covergecia absoluta y series alteradas Ua vez que dispoemos de diversos criterios de covergecia para series de térmios o egativos, abordamos el estudio de la covergecia de series de úmeros reales
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesEjemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi
u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesALGEBRA 9. Curso: 3 E.M. Progresiones aritméticas y geométricas. Colegio SSCC Concepción - Depto. de Matemáticas. Nombre: CURSO:
Colegio SSCC Cocepció - Depto. de Matemáticas Uidad de Apredizaje: Progresioes aritméticas y geométricas Capacidades/Destreza/Habilidad: Racioamieto Matemático/ Aplicació / Calcular, Resolver Valores/
Más detallesLa sucesión de Lucas
a sucesió de ucas María Isabel Viggiai Rocha Cosideramos la sucesió umérica { } defiida por: - - si 3 y y 3. Esta sucesió es coocida como la sucesió de ucas y a sus térmios se los llama úmeros de ucas.
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesCálculo de límites. 8.1. Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesTécnicas para problemas de desigualdades
Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,
Más detallesCAPÍTULO VIII. CONVERGENCIA DE SUCESIONES. SECCIONES A. Criterios de convergencia. B. Ejercicios propuestos.
CAPÍTULO VIII CONVERGENCIA DE SUCESIONES SECCIONES A Criterios de covergecia B Ejercicios propuestos 347 A CRITERIOS DE CONVERGENCIA Ua fució cuyo domiio es el cojuto de los úmeros aturales se dice sucesió
Más detallesTEMA IV. 1. Series Numéricas
TEMA IV Series uméricas. Ídice. Series uméricas. 2. Propiedades geerales de las series. 3. Series de térmios positivos. Covergecia. 4. Series alteradas. 5. Series de térmios arbitrarios. 6. Ejercicios
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesNegativos: 3, 2, 1 = 22. ab/c 11 Æ 18
Los úmeros reales.. Los úmeros reales El cojuto de los úmeros reales está formado por los úmeros racioales y los irracioales. Se represeta por la letra Los úmeros racioales so los úmeros eteros, los decimales
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detalles( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7
LÍMITES DE FUNCIONES POLINÓMICAS Límites de ua fució costate f k, k El límite de ua fució costate es la misma costate f k f k k k a a Límites de la fució idetidad I I a a a I I Límites e u puto fiito.
Más detallesINTRODUCCIÓN A LOS NÚMEROS COMPLEJOS
Capítulo INTRODUCCIÓN A LOS NÚMEROS COMPLEJOS Problema Calcula las partes real e imagiaria de los siguietes úmeros complejos: a) i + + i, b) + i i + i + i + i, c) d) + i), + ), + i e) f) ) + i 04, i +
Más detallesMó duló 21: Sumatória
INTERNADO MATEMÁTICA 16 Guía del estudiate Mó duló 1: Sumatória Objetivo: Coocer y aplicar propiedades para el cálculo de sumatorias. Para calcular alguas sumatorias es ecesario coocer sus propiedades
Más detallesSUCESIONES Y SERIES DE FUNCIONES
CAPÍTULO XV. SUCESIONES Y SERIES DE FUNCIONES SECCIONES A. Campo de covergecia. Covergecia uiforme. B. Series de potecias. Itervalos de covergecia. C. Desarrollo de fucioes e series de potecias. D. Aplicacioes
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
Más detalles(PROBABILIDAD) (tema 15 del libro)
(PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el
Más detallesApuntes sobre series numéricas: preguntas frecuentes y ejemplos resueltos. 1) Preguntas frecuentes. Conceptos, teoremas y ejemplos básicos
Cálculo I ( o de Grado e Iformática, 202-3) Aputes sobre series uméricas: pregutas frecuetes y ejemplos resueltos ) Pregutas frecuetes. Coceptos, teoremas y ejemplos básicos P-. Ua serie ifiita es ua suma
Más detallesP(U)=, 5, 8, 9, b, 5, 8, 5, 9, 5, b, 8, 9, 8, b, 9, b, 5, 8, 9, 5, 8, b, 5, 9, b, 8, 9, b, U. {8,b} Figura 1
Algebras de Boole Cojuto de partes. Dado u cojuto =,, podemos eumerar todos los subcojutos posibles de A, o dicho de otro modo todos los cojutos icluídos e A. Costruímos etoces u uevo cojuto co todos esos
Más detallesAplicaciones del cálculo integral vectorial a la física
Aplicacioes del cálculo itegral vectorial a la física ISABEL MARRERO epartameto de Aálisis Matemático Uiversidad de La Lagua imarrero@ull.es Ídice 1. Itroducció 1 2. Itegral doble 1 2.1. Motivació: el
Más detalles1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.
Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesAsignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales
Asigatura: Geometría I Grado e Matemáticas. Uiversidad de Graada Tema 2. Espacios vectoriales Prof. Rafael López Camio Uiversidad de Graada 14 de diciembre de 2012 Ídice 1. Espacio vectorial 2 2. Subespacio
Más detallesTema 5 Series numéricas
Tema 5 Series uméricas Objetivos 1. Defiir series co wxmaxima. 2. Calcular sumas parciales de ua serie. 3. Iterpretar la defiició de suma de ua serie. 4. Calcular la suma de ua serie geométrica. 5. Calcular
Más detallesINTEGRALES DE RIEMANN
NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detallesTEMA 3: TÉCNICAS DE RECUENTO. COMBINATORIA OMBINATORIA.
TEMA : TÉCNICAS DE RECUENTO. COMBINATORIA OMBINATORIA.. Itroducció...... Itroducció histórica...... Defiició de factorial.... Técicas de recueto...... Pricipio del producto...... Pricipio de adició o regla
Más detallesAnálisis de Señales en Geofísica
Aálisis de Señales e Geofísica 3 Clase Frecuecia de los Sistemas Lieales e Ivariates Facultad de Ciecias Astroómicas y Geofísicas, Uiversidad Nacioal de La Plata, Argetia Fucioes y Valores Propios Defiició:
Más detallesTEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES.
Tema 6 Derivada de ua ució e u puto Fució derivada Derivadas sucesivas Aplicacioes TEMA 6 DERIVADA DE UNA FUNCIÓN EN UN PUNTO FUNCIÓN DERIVADA DERIVADAS SUCESIVAS APLICACIONES ÍNDICE INTRODUCCIÓN DERIVADA
Más detallesTeoría de la conmutación. Álgebra de Boole
Álgebra de Boole Defiicioes y axiomas Propiedades Variables y fucioes booleaas Defiicioes Propiedades Formas de represetació Fucioes booleaas y circuitos combiacioales Puertas lógicas Puertas lógicas fudametales
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesNotas Docentes. Estadística para Economistas. Carlos Casacuberta. Nota Docente No. 08
Notas Docetes Estadística para Ecoomistas Carlos Casacuberta Nota Docete No. 08 Diploma e Ecoomía 004 Departameto de Ecoomía Facultad de Ciecias Sociales Estadística Notas de clase. Itroducció La estadística
Más detallesExpresiones Algebraicas
Semiario Uiversitario Matemática Módulo Expresioes Algebraicas Difícilmete se pueda estudiar cualquier rama de la matemática actual si u maejo algebraico razoable. Usamos la palabra maejo y o la de estudio,
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detallesFUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES.
FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL FUNCIONES DE VARIAS VARIABLES. DEFINICIONES DE FUNCIONES EN VARIAS VARIABLES. Ua fució de variable es u cojuto de pares ordeados de la forma
Más detallesCálculo de límites. 3.1. Sumas, productos y cocientes. Tema 3
Tema 3 Cálculo de ites El presete tema tiee u iterés emietemete práctico, pues su pricipal fialidad es aportar los ejemplos que se echaba de meos e el tema aterior. Empezaremos estableciedo las reglas
Más detallesEntrenamiento estatal.
Etreamieto estatal. Combiatoria. Coteo. Problemas de caletamieto. 1. Cuátos códigos diferetes de cico dígitos puede hacerse? 2. Si para ir de A a B hay 3 camios, para ir de A a C hay dos camios, Para ir
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesTEMA 25 (Oposiciones de Matemáticas)
TEMA 25 (Oposicioes de Matemáticas) LÍMITES DE FUNCIONES. CONTINUIDAD Y DISCONTINUIDAD. TEOREMA DE BOLZANO.. Itroducció. 2. Límites de fucioes. 2.. Límite de ua fució e u puto. 2.2. Límites laterales.
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesCombinatoria. Capítulo Métodos elementales de conteo Principio de inclusión-exclusión
Capítulo 4 Combiatoria La combiatoria trata del estudio de las posibles agrupacioes de objetos. Cotar el úmero de objetos que verifica ciertas propiedades es uo de los objetivos de la combiatoria. Problemas
Más detallesUna ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx
.7 Ecuacioes difereciales lieales de orde superior 6.7 Ecuacioes difereciales lieales de orde superior Ua ecuació diferecial lieal de orde superior geeral tedría la forma d y d y dy a( ) a ( )... a ( )
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detallesCálculo de límites. 8.1. Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detalles4. CONCEPTO BASICOS DE PROBABILIDADES
4. CONCEPTO BASICOS DE PROBABILIDADES Dr. http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 41 4.1 Espacio Muestral y Evetos 4.1.1 1 Experimetos Aleatorios y Espacios
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detalles+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica.
http://www.ricomatematico.com La fórmula para la suma de los cuadrados de los primeros úmeros aturales obteida visualmete Mario Augusto Buge Uiversidad de Bueos AIres Ciclo Básico Comú Departameto de Matemática
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesSEGUNDA EDICIÓN DEL CURSO DE CAPACITACION EN MATEMATICA PARA PROFESORES DE PRIMARIA MODULO IV ESTADISTICA DESCRIPITVA
SEGUNDA EDICIÓN DEL CURSO DE CAPACITACION EN MATEMATICA PARA PROFESORES DE PRIMARIA MODULO IV ESTADISTICA DESCRIPITVA ENCUENTRO NÚMERO UNO TECNICAS DE CONTEO. 28 DE SEPTIEMBRE DE 2014 MANAGUA FINANCIADO
Más detallesCADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida
CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso
Más detallesCAPÍTULO V. SUCESIONES Y SERIES
(Aputes e revisió para orietar el apredizaje) CAPÍTULO V. UCEIONE Y ERIE DEFINICIÓN. Ua sucesió ifiita, o simplemete sucesió, es ua fució cuyo domiio está costituido por el cojuto de los úmeros aturales
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesSOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detalles- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura. Sucesiones y series de números reales 1. Sucesiones de números reales
- Ferado Sáchez - - 7 Sucesioes Cálculo I y series de úmeros reales Sucesioes de úmeros reales 20 205 De maera similar a como se hizo para sucesioes de úmeros racioales, se defie ua sucesió de úmeros reales
Más detalles1. Sucesiones y series numéricas
ITINFORMÁTICA CÁLCULO INFINITESIMAL BOLETÍN CON SOLUCIONES DE LOS EJERCICIOS CURSO 005-06 Sucesioes y series uméricas Escribir ua expresió para el -ésimo térmio de la sucesió: +, + 3 4, + 7 8, + 5 6, 3,
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesÁLGEBRA ELEMENTAL. Un término es una expresión algebraica que sólo contiene productos y cocientes (es decir, no aparecen sumas o restas).
ÁLGEBRA ELEMENTAL 1.- EXPRESIONES ALGEBRAICAS (GENERALIDADES) 1.1.- Alguas defiicioes Ua epresió algebraica es ua epresió matemática que cotiee úmeros, letras que represeta úmeros cualesquiera sigos matemáticos
Más detalles