Cartilla 2 Solución Unidad 5: Distribuciones de funciones de variables aleatorias
|
|
- Susana Olivares Casado
- hace 8 años
- Vistas:
Transcripción
1 Cartilla Solución Unidad 5: Distribuciones de funciones de variables aleatorias a P(X b P(Y0 X / c La variables no son independientes dado que, por ejemplo: P(X0., Y30 0 es distinto a P(X0..P(Y a c b P(X< x x c f (x e ( e x 0 X > y e y>0 fy(y El valor de la densidad conjunta para el par (, es , en cambio el producto de las densidades marginales en estos mismos valores es Por lo tanto no son independientes. 3 a E(XY E(XY/3 b f X (x x 0.5 x f Y (y.5 y 0 y El valor de la densidad conjunta en el punto (, es en cambio el producto de funciones de densidad marginales es 0.75, por lo tanto no son independientes las variables. c cov(x,ye(xy-e(xe(y/3-(9/(5//.0069 Cov (axb, cyd E[(aXb- E(aXb ][(cyd-e(cyd] E[( ax b - a E(X b (cy d - c E(Y d] ac E[(X - E(X(Y - E(Y] ac Cov (X,Y 5 Y ax b Cov(X, Y E[X(aX b]- E(XE(aX b ae(x ρ (X, Y σ σ σx a σx x y [ ] a E(X - (E(X a σ luego ρ ( X,Y X a a 6 Xi Consumo semanal de cada cliente,,, 5 Xi N(30,5 Y 5 X i be(x - a N(750, 5 por eorema de las Combinaciones Lineales P(Y> φ( 0.03 a σ [ E(X ] X be(x La probabilidad de que en una semana el proveedor se quede sin combustible es 0.03.
2 7 X Contenido de maíz de cada lata,,,5 Xi N (60, 5 X n 5 X i i N(60, 5/ 5 por eorema de las Combinaciones Lineales -P(< X <80-[φ(.98 - φ(-.98]-φ( El 0.3% de las veces diremos que el proceso no está funcionando correctamente. 8 X Cantidad de pacientes que se recuperan de cierta enfermedad X b(00, 0. Puesto que np(-p > 5 se puede aproximar a una distribución Normal con media y desvío estándar por eorema Central del Límite P(X<30 P(X< 9.5 φ(-.]-φ(.] 0.06 La probabilidad de que menos de 30 pacientes se recuperen es X Cantidad de clientes que llegan por hora a ciertas instalaciones de servicio automotriz X P(5 Y Cantidad de clientes que llegan en horas a ciertas instalaciones de servicio automotriz Y P(60 Puesto que λ > 5 puedo aproximar por una distribución Normal con media 60 y desvío estándar 60 P(30<X<70 P(30.5<X< 69.5 φ(.3- φ(-3.8 φ(.3- [- φ(3.8] La probabilidad de en un período de horas lleguen entre 30 y 70 clientes es a X Cantidad de personas que contraen una infección respiratoria X b(600, 0.00 Como np. > y p0.00 < 0., puedo aproximar por una distribución de Poisson con λ.. e. P(X 0. 7 b X Cantidad de personas que contraen una infección respiratoria X b(5000, 0.00 Puesto que np(-p9.98 >5 puedo aproximar por una distribución Normal con media 0 y desvío estándar por eorema Central del Límite. P(X>0P(X>0.5 -φ(0.60. La probabilidad de que más de diez personas contraigan la enfermedad es 0. ax Medición de la gravedad específica de cierto cuerpo E(Xx σ X 0.05 Por eorema Central del Límite X N(x, 0.05/5 P( X x < 0. 0 φ( La probabilidad aproximada de que el promedio difiera de la verdadera gravedad del cuerpo en menos de 0.0 unidades es b P( X x <
3 0.0 P(-0.0< X - x < 0.0 P < Z < 0.05 n φ ( 0. n φ ( 0. n n n 96.0 Se necesitan al menos 97 mediciones. 0.0 φ ( 0. n -[-φ ( 0. n ] 0.05 n P( X - < kσ Por desigualdad de Chebycshev P X < n k k k 0 k k kσ kσ k σ 0.0 n n 500 n 500 n Se necesitan al menos 500 mediciones. 3 a Llamaremos e i al error de redondeo de cada número a la decena. e i U [ 5,5] E (e i ( 5 5 / 0; V ( e i ( 5 5 / El error total, al sumar los 00 números, es la suma de los errores de cada uno. 00 e con esperanza e i Los e i se suponen independientes, entonces: V(e V( ei V(ei / σe 8.87 e N (0, 8.87 por eorema Central del Límite E(e E( e i E(e i 0 0 b Si por cada número se puede cometer error máximo de 5, entonces el valor máximo que puede tomar el error de la suma de 00 números es 5*00. Es decir: el valor máximo que puede tomar es 500 y el valor mínimo es 500. c P ( -c < e < c 0.99 c e P < < z c 8.87 c c φ(z φ( z 0.99 φ(z 0.995
4 Si usamos la distribución de probabilidades con la que modelamos el error ganamos mucho, es decir con una probabilidad de 0.99 sabemos que el error está entre 7.8 y 7.8; en cambio, sin hacer uso de esto, decimos que el error está entre 500 y 500. d Bosquejo de la densidad de probabilidad del error de cada sumando y de la suma a e i U( 0., 0.] E(e i 0; V(e i 0. / 00 e E(e 0 0 e i 00 Los e i se suponen independientes, entonces: V(e V(ei 00 σe e N (0, por eorema Central del Límite b e i U( 0., 0] E(e i 0.05; V(e i 0. / 00 e E(e ( * ( e i V(e V(ei 00 σe 0.89 e N ( 5, 0.89 por eorema Central del Límite.
5 Bosquejo de la densidad de probabilidad del error de cada sumando y de la suma 5 a P I I 3A σ I 0.75A P I 8 I ( I - I E(P *3 36 V( P ( 8 I σ I 3 σ P 8 b Error relativo de P σ/ W MV / M V V a W (M M M V (V v E(W M V Como las variables M y F son independientes. V V(W σm ( M V σ v Luego error relativo de W V σ M M ( V M V σ v σm σ error relativo de W v V 0. M
6 b Por desarrollo en series de aylor y por eorema de Combinaciones Lineales W N( W,σ W 7 ( ( E( V( V( V( σ 0.33
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 detallesVectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Más detalles1. 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 detalles9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES
9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal
Más detallesIngeniería Técnica Industrial, todas especialidades. Ingeniería Técnica Telecomunicaciones, Telemática Problemas de examenes
Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería, Estadística Problemas de examenes: Métodos estadísticos de la ingeniería Ingeniería Técnica
Más detallesUNIVERSIDAD 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 detallesPROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS
PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Resolver los siguientes
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Y DISTRIBUCIONES DE PROBABILIDAD Plan Común de Ingeniería 1.
Más detallesTeoría 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 detallesVariables aleatorias. Función de distribución y características asociadas
Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................
Más detallesTema 5: Vectores aleatorios bidimensionales.
Estadística 52 Tema 5: Vectores aleatorios bidimensionales. Hasta ahora hemos estudiado las variables aleatorias unidimensionales, es decir, los valores de una característica aleatoria. En muchos casos,
Más detallesExplicación 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 detallesTema 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 detallesINFERENCIA 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 detallesIntroducción a la Econometría
Introducción a la Econometría Curso 2009/2010 Seriedeproblemas1 1.- Considere la siguiente distribución de probabilidad: Llueve (X=0) No llueve (X=1) Total Tiempo de viaje largo (Y=0) 0.15 0.07 0.22 Tiempo
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesProblemas. Variables Aleatorias. Modelos de Probabilidad
Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad
Más detalles1.1. 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 detallesRelación de problemas: Variables aleatorias
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución
Más detallesPROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA
Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada
Más detallesUniversidad del País Vasco
Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas
Más detallesConceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones
Más detallesColegio : Liceo Miguel de Cervantes y Saavedra Dpto. Física (3 ero Medio) Profesor: Héctor Palma A.
Tópico Generativo: La presión en vasos comunicantes. Aprendizajes Esperados: 1.-Aplicar la definir conceptual de presión y aplicarla a vasos comunicante. 2.- Caracterizar la presión en función de la fuerza
Más detalles5 Ecuaciones lineales y conceptos elementales de funciones
Programa Inmersión, Verano 206 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 300 y MATE 3023 Clase #6: martes, 7 de junio de 206. 5 Ecuaciones lineales y conceptos elementales
Más detallesEstadística 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 detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Suponga que, conversando con su cuate, surge la idea de hacer una apuesta simple. Cada uno escoge decir cara ó sello. Se lanza una moneda al aire, y si sale cara, quien dijo sello le paga a quien dijo
Más detallesAnálisis de procesos estocásticos en el dominio del tiempo
Análisis de procesos estocásticos en el dominio del tiempo F. Javier Cara ETSII-UPM Curso 2012-2013 1 Contenido Introducción Procesos estocásticos Variables aleatorias Una variable aleatoria Dos variables
Más detallesTema 3. Variables aleatorias. Inferencia estadística
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesPuede dar pérdida un Casino?
Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesEL INTERÉS SIMPLE. El interés, como precio por el uso del dinero, se puede presentar como interés simple o como interés compuesto.
EL INTERÉS SIMPLE El concepto de interés tiene que ver con el precio del dinero. Si alguien pide un préstamo debe pagar un cierto interés por ese dinero. Y si alguien deposita dinero en un banco, el banco
Más detallesVectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detallesEjercicios 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 detalles1. Conceptos de teoría de la probabilidad
Master de Investigación en Economía Aplicada. Métodos Cuantitativos II. 9-. G.García.. Conceptos de teoría de la probabilidad Espacios de probabilidad. Establece el espacio de probabilidad asociado al
Más detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detallesPruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B 1. Una empresa tiene 3000 bolsas de ajo morado de Las
Más detallesTema 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 detallesClase 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 detallesTema 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 detallesDistribuciones de probabilidad conjunta y muestras aleatorias
5 Distribuciones de probabilidad conjunta y muestras aleatorias INTRODUCCIÓN En los capítulos 3 y 4 se estudiaron modelos de probabilidad para una sola variable aleatoria. Muchos problemas de probabilidad
Más detallesDistribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:
Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz
Más detallesTema 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 detallesTEMA 4. MODELOS DE PROBABILIDAD DISCRETOS
TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS 4.1 Distribución binomial 4.1.1 Definición. Ejemplos 4.1.2 La media y la varianza 4.1.3 Uso de tablas 4.1.4 Aditividad 4.2 Distribución de Poisson 4.2.1 Definición.
Más detallesTEASER. Directa Teaser Quiniela/Parlay
TEASER Los Teasers son apuestas en las que seleccionas de 2 a 7 equipos y las líneas se ajustan a tu favor. Puedes combinar la línea o hándicap (Momios) y los Totales. Las líneas se ajustan ya sea restando
Más detallesLa lección de hoy es sobre Resolver Ecuaciones. El cuál es la expectativa para el aprendizaje del estudiante SEI.2.A1.1
SEI.2.A1.1-Solving Equations-Student Learning Expectation. La lección de hoy es sobre Resolver Ecuaciones. El cuál es la expectativa para el aprendizaje del estudiante SEI.2.A1.1 En esta lección aprenderemos
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesProf. Claudio del Pino O.
Índice 1. Derivadas parciales 2 1.1. Definición de derivadas parciales..... 2 1.2. Actividades iniciales............ 3 1.3. Costo marginal............... 5 1.3.1. Una actividad........... 6 1.4. Productos
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Índice general 1. Sistemas de ecuaciones lineales 2 2. Método de sustitución 5 3. Método de igualación 9 4. Método de eliminación 13 5. Conclusión 16 1 Sistemas de ecuaciones
Más detallesSIMULACIÓN MCMC. Dr. Holger Capa Santos
SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador
Más detallesESTIMACIÓN. 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 detallesGUIA SEMANAL DE APRENDIZAJE PARA EL GRADO OCTAVO
GUIA SEMANAL DE APRENDIZAJE PARA EL GRADO OCTAVO IDENTIFICACIÓN AREA: Matemáticas. ASIGNATURA: Matemáticas. DOCENTE. Juan Gabriel Chacón c. GRADO. Octavo. PERIODO: Segundo UNIDAD: Polinomios TEMA: Expresiones
Más detallesProblemas resueltos del Tema 3.
Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad
Más detallesSoluciones Examen de Estadística Ingeniería Superior de Telecomunicación
Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación de Septiempbre, 00 Cuestiones 1h C1. El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y Expλ). Para hacer un estudio
Más detallesPROBABILIDADES 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 detallesPROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)
PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A.. Suponga que en una estación con un solo servidor
Más detallesDepartamento 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 detallesTIPOS DE MUESTREO. Jordi Casal 1, Enric Mateu RESUMEN
TIPOS DE MUESTREO Jordi Casal 1, Enric Mateu CReSA. Centre de Recerca en Sanitat Animal / Dep. Sanitat i Anatomia Animals, Universitat Autònoma de Barcelona, 08193-Bellaterra, Barcelona RESUMEN Se discute
Más detallesPROBABILIDADES 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 detallesProblemas 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 detallesEn una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10).
MODELOS DE PROBABILIDAD En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). (a) Si tomamos dos manzanos al azar, cuál
Más detallesCurso: 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 detallesTema 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 detallesT.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 detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesTema 5: Análisis conjunto y teoremas límite
Facultad de Economía y Empresa 1 Tema 5: Análisis conjunto y teoremas límite COCHES Se han analizado conjuntamente las variables número de hijos de cada familia (X) y número de coches por familia (Y),
Más detallesColegio Hermanos Carrrera. Departamento de Matemática Prof. Roberto Medina
Colegio Hermanos Carrrera Departamento de Matemática Prof. Roberto Medina Unidad 2 Objetivos: - Conceptos algebraicos básicos - Valoración de expresiones algebraicas - Reducción de términos semejantes
Más detallesRelación de problemas: Distribuciones de probabilidad
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Distribuciones de probabilidad 1. Un jugador de dardos da justo en la diana 2 de cada cinco veces que lanza. Si
Más detallesPOLINOMIOS. División. Regla de Ruffini.
POLINOMIOS. División. Regla de Ruffini. Recuerda: Un monomio en x es una expresión algebraica de la forma a x tal que a es un número real y n es un número natural. El real a se llama coeficiente y n se
Más detallesNOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA
NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA A NTONIO F ERNÁNDEZ M ORALES MÁLAGA, 2006 Nociones Básicas de Estadística Actuarial Vida Antonio Fernández Morales Málaga, 2006 Nociones Básicas de Estadística
Más detallesCovarianza 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 detallesb) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:
1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el
Más detallesEl valor esperado de una variable aleatoria discreta se representa de la siguiente manera:
INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos
Más detallesMuestreo 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 detallesANEXOS. 1) Modelo Probit.
ANEXOS 1) Modelo Probit. Estos modelos pertenecen a los modelos de respuesta binaria 1, es decir, la variable dependiente es una variable dicotómica, donde toma 1 para indicar el éxito en la variable de
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES Junio, Ejercicio 1, Opción B 3 Sean las matrices A 0 3, B y C 0 1 1 5 1 3 0 a) Calcule las
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o Profesor: Hugo S. Salinas. Segundo Semestre. RESOLVER. 3
Más detallesREPRESENTACIÓN 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 detallesMA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011
MA2006 - Tarea No 7 Departamento de Matemáticas, CCIR/ITESM 19 de febrero de 2011 1. En un taller de servicio especializado en afinaciones se sabe que 45 % de todas se hacen a motores de 4 cilindros, 40
Más detalles(A) Primer parcial. si 1 x 1; x 3 si x>1. (B) Segundo parcial
CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN GLOBAL E700 1) x 5 > 1. A) Primer parcial ) Sean las funciones ft) t +,gy) y 4&hw) w. Encontrar f/h, g f, f g y sus dominios. ) Graficar la función x + six
Más detallesEJERCICIOS DE SISTEMAS DE ECUACIONES
EJERCICIOS DE SISTEMAS DE ECUACIONES Ejercicio nº 1.- a) Resuelve por sustitución: 5x y 1 3x 3y 5 b) Resuelve por reducción: x y 6 4x 3y 14 Ejercicio nº.- a) Resuelve por igualación: 5x y x y b) Resuelve
Más detallesPROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)
PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A. I. Suponga que en una estación con un solo servidor
Más detallesFISICA I Escuela Politécnica de Ingeniería de Minas y Energía AJUSTE POR MÍNIMOS CUADRADOS
AJUSTE POR MÍNIMOS CUADRADOS Existen numerosas leyes físicas en las que se sabe de antemano que dos magnitudes x e y se relacionan a través de una ecuación lineal y = ax + b donde las constantes b (ordenada
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesIntroducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010.
Introducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010. Dos puntos 1. Para cada una de las siguientes variables, indica si son variables aleatorias,
Más detallesSistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira
2010 Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA Universidad Tecnológica De Pereira Conceptos Básicos de Hidrología La hidrología es una ciencia clave en el estudio de los sistemas de
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesLa Lección de hoy es sobre determinar el Dominio y el Rango. El cuál es la expectativa para el aprendizaje del estudiante LF.3.A1.
LF.3.A1.2-Steve Cole-Determining Domain and Ranges- La Lección de hoy es sobre determinar el Dominio y el Rango. El cuál es la expectativa para el aprendizaje del estudiante LF.3.A1.2 Qué es Dominio? Es
Más detallesEJERCICIOS RESUELTOS TEMA 3
EJERCICIOS RESUELTOS TEMA 3 Observación: En todos los ejercicios se ha puesto A, como notación de contrario de A. Ejercicio nº 1.- En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar
Más detallesIL DEL ACOPLAMIENTO ALEATORIO VS. IL DEL CABLE DE CONEXIÓN MAESTRO
Componentes de Avanzada Libro Blanco Marzo 2012 IL DEL ACOPLAMIENTO ALEATORIO VS. IL DEL CABLE DE CONEXIÓN MAESTRO Ky Ly - Ingeniero en Jefe SENKO COMPONENTES DE AVANZADA,INC BRAZIL +55-21-2430-5971 SALES-BRAZIL@SENKO.COM
Más detallesMétodos de solución de ED de primer orden
CAPÍTULO Métodos de solución de ED de primer orden.3 Ecuaciones diferenciales lineales Las ecuaciones diferenciales ordinarias de primer orden pueden ser lineales o no lineales. En esta sección centraremos
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detallesJuegos Repetidos. Tema 2: Juegos repetidos un número infinito de veces. Universidad Carlos III de Madrid
Juegos Repetidos Tema : Juegos repetidos un número infinito de veces Universidad Carlos III de Madrid Sabemos que Si se juega un juego de etapa con un único EN un número finito de veces, haciendo inducción
Más detallesOperatoria algebraica
Eje temático: Algebra y funciones Contenidos: Operatoria algebraica Ecuaciones de primer grado Nivel: 1 Medio Operatoria algebraica 1. Operatoria algebraica 1.1. Términos semejantes Un término algebraico
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesMétodos Estadísticos 2.3. Distribuciones discretas de probabilidad
2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,
Más detalles