EXAMEN DE ESTADÍSTICA Junio 2008
|
|
- Cristóbal Vera Carmona
- hace 5 años
- Vistas:
Transcripción
1 EXAMEN DE ESTADÍSTICA Junio 2008 Apellidos: Nombre: DNI GRUPO: 1. a) Sean A y B sucesos incompatibles. Obtener una condición que asegure que también son independientes. Si X sigue una distribución normal con media 10 y varianza 16 e Y sigue una distribución normal con media 10 y varianza 15, cuál será la distribución de Z X + Y? Determinar sus parámetros poblacionales. Supóngase que X e Y son independientes. a) La independencia significa que A B Ø P(A B) 0 P(A B) P(A) P(B) 0 P(A) 0 ó P(B) 0 E(Z) E(X + Y ) E(X) + E(Y ) 20 var(z) var(x + Y ) var(x) + var(y ) Z es N(20, 31) 1
2 2. En un estudio para analizar el impacto de las radiaciones ionizantes en seres vivos se exponen al mismo nivel de radiación y durante el mismo tiempo a dos grupos, A y B, de ratas de laboratorio. Se ha encontrado que, de 50 ratas que murieron, 30 eran del grupo A, mientras que de las 60 que sobrevivieron sólo 15 pertenecían al grupo A. a) Depende el impacto de la radiación del grupo de ratas elegido? Qué tipo de errores se cometen en este tipo de contrastes? a) Construimos la tabla A B o xi Morir No morir o yi H 0 : No hay asociación entre el grupo de ratas y la mortalidad. Construimos los valores esperados en H 0 : A B Morir 45 50/ / No morir 45 60/ / Calculamos el estadístico χ 2 : χ 2 ν k m (o ij e ij ) 2 i1 j1 e ij, ν (k 1)(m 1) χ 2 ν ( ) ( ) ( ) ( ) Como se trata de una tabla de contingencia 2 2, utilizando la corrección de continuidad de Yates (aunque no es estrictamente necesario ya que las frecuencias esperadas son altas): χ 2 ν k m ( o ij e ij 0.5) 2 e i1 j1 ij n ( o11 o 22 o 12 o 21 2) n 2 o x1 o x2 o y1 o y2 110 ( ) ( ) χ , rechazamos H 0 y concluimos que hay asociación. Error tipo I: rechazar H 0 siendo H 0 cierta. Es decir, concluir que la mortalidad depende del grupo de ratas cuando no es así. Error tipo II: aceptar H 0 siendo H 0 falsa. Es decir, concluir que la mortalidad no depende del grupo de ratas cuando en realidad sí depende. 2
3 3. Calcular la probabilidad de aprobar un examen de 8 preguntas cuando las respuestas se seleccionan al azar suponiendo que el aprobado se obtiene contestando acertadamente al menos 6 preguntas y que: a) en cada pregunta hay que contestar verdadero o falso; en cada pregunta hay que elegir una respuesta correcta de entre 5 posibilidades. a) p probabilidad de acertar una pregunta 0.5 q probabilidad de no acertar 0.5 P(X 6) 8 b(r; 8, 0.5) b(6; 8, 0.5) + b(7; 8, 0.5) + b(8; 8, 0.5) r ( ) (O mirando 8 r6 b(r; 8, 0.5) en la tabla II) p probabilidad de acertar una pregunta 0.2 q probabilidad de no acertar 0.8 P(X 6) 8 b(r; 8, 0.2) b(6; 8, 0.2) + b(7; 8, 0.2) + b(8; 8, 0.2) r (O mirando 8 r6 b(r; 8, 0.2) en la tabla II) 3
4 4. En un examen de Física consistente en resolver un único problema existe una probabilidad de 0.3 de que el problema sea de Mecánica, de 0.5 de que sea de Electromagnetismo y de 0.2 de que sea de Termodinámica. Un alumno tiene probabilidades de aprobar de 0.8, 0.1 y 0.4 si el problema es de Mecánica, Electromagnetismo y Termodinámica, respectivamente. a) Qué probabilidad tiene el alumno de aprobar el examen? Sabiendo que el alumno finalmente ha aprobado, cuál es la probabilidad de que el problema haya sido de Termodinámica? P(Mecánica) 0.3; P(aprobar Mecánica) 0.8 P(Electromagnetismo) 0.5; P(aprobar Electromagnetismo) 0.1 P(Termodinámica) 0.2 ; P(aprobar Termodinámica)0.4 a) Teorema de la probabilidad total: P(aprobar) 3 P(aprobar A i ) P(A i ) (37%) i1 Teorema de Bayes: P(Termodinámica aprobado) P(Termodinámica) P(aprobar Termodinámica) P(aprobar) (22%)
5 5. Sea {x 1, x 2, x 3,..., x n } una muestra aleatoria obtenida de una población con función de densidad f(x) { x γ e x2 /2γ si x > 0 0 demás casos que depende del parámetro desconocido γ. Encontrar el estimador de máxima verosimilitud de γ. ln L n i1 ( xi ln γ e ) x 2 i 2γ L(γ) n i1 n x x 2 i i γ e 2γ i1 ( ln x ) i γ x2 i 2γ n ln x i n ln γ i1 n i1 x 2 i 2γ ln L γ n n n γ + i1 x2 i i1 0 γ x2 i 2γ 2 2n 5
6 6. Grupos A, B, D, E: Sea una muestra de tamaño n 12 de la que se obtiene una recta de regresión de y sobre x que explica un 36% de la variación total de y. Determinar razonadamente si existe correlación lineal con significación estadística entre ambas variables (x e y). Nota: elegir, entre los valores 0.1 y 0.01, el valor del nivel de significación que minimiza el error de tipo I. r 2 Variación explicada Variación total V E V T 0.36 r 0.6 H 0 : ρ 0. Se acepta H 0 (con un nivel de significación α) si: r n 2 1 r 2 t α/2,n 2 α 0.01 t α/2,10 t 0.005, r n 2 1 r < t 0.05,10 Se acepta H 0 con α 0.01 No existe correlación lineal estadísticamente significativa entre x e y con α
7 6. Grupo C: De 120 alumnos encuestados se ha obtenido que 40 de ellos tienen pensado hacer la especialidad A. Estimar un intervalo de confianza para la proporción con α I p p q 1 p 2 3 [ ] [ ] p q 1 1 p ± z α/2 n 3 ± ± 0.08 [0.25, 0.41] 540 7
8 7. La siguiente tabla muestra la función de probabilidad para la variable X (número de observatorios meteorológicos que registran granizo en una determinada provincia durante el mes de septiembre): x f(x) ? Sabiendo que el número de observatorios meteorológicos operativos de dicha provincia es de cinco a) Encontrar f(5). Obtener la función de distribución de la variable X. c) Obtener la probabilidad de que a lo sumo dos observatorios registren granizo. d) Obtener la probabilidad de que se registre granizo en menos de dos observatorios. e) Obtener la probabilidad de que se registre granizo en más de tres observatorios. f) Calcular la media y la varianza. (2 puntos) a) 5 x0 f(x) 1 f(5) 1 4 x0 f(x) 0.09 c) P(X 2) F(2) 0.41 d) P(X < 2) P(X 1) F(1) 0.11 x f(x) F(x) e) P(X > 3) 1 P(X 3) 1 F(3) f) µ X 5 x0 xf(x) σx 2 E(X2 ) µ 2 X E(X 2 ) 5 x0 x2 f(x) σx
9 8. En la construcción de unas gafas graduadas se deposita una capa de material antirreflejante en una de las caras de cada lente. El proceso se lleva a cabo con una máquina que produce 4.2 defectos cada 1200 cm 2 de superficie recubierta de material antirreflejante. a) Si cada lente de unas gafas tiene unas dimensiones de cm 2, calcular la probabilidad de que en unas gafas no haya ningún defecto. Si se construyen 1000 gafas, cuántas habrá que desechar por la presencia de algún defecto? c) La moda cambia y los clientes demandan gafas con lentes más grandes. Las nuevas dimensiones de cada lente son ahora cm 2. Si con la manufactura de 1000 pares de gafas y la venta de las construidas sin defectos se quiere recaudar el mismo dinero que con las gafas anteriores de lentes más pequeñas, cuánto deberá incrementarse porcentualmente el precio de cada una de las nuevas gafas? (2 puntos) a) Es un típico problema de Poisson (eventos en un intervalo, en este caso espacial). Calculamos primero la superficie a recubrir en cada par de gafas. Tenemos dos lentes, cada una de cm 2. Es decir, la superficie a recubrir será S gafa cm 2. El número de defectos que esperamos en cada par de gafas será λ defectos/gafa 1200 La probabilidad que nos piden será entonces P(x 0; λ ) λ0 0! e λ e En la construcción de 1000 gafas, el número de ellas sin defectos será N gafas sin defectos 1000 P(x 0; λ ) 891 Por tanto, el número de gafas que habrá que desechar será gafas c) Ahora las gafas tienen unas dimensiones mayores (más superficie por gafa). Tenemos que repetir los cálculos de los apartados anteriores usando las nuevas dimensiones (S gafas modernas cm 2 ): λ defectos/gafa 1200 N gafas sin defectos 1000 P(x 0; λ ) 802 Comparando con el resultado del apartado, se ve de forma inmediata que el nuevo precio deberá incrementarse en la proporción 891/ , es decir, un 11%. Visto de otra forma: precio 1 N gafas,1 precio 2 N gafas,2 precio 2 precio 1 N gafas,1 precio N gafas,
10 9. A partir de 10 simulaciones con un modelo de clima se obtiene un valor medio de temperatura invernal para un cierto lugar de 12.2 C y una desviación estándar de 2.5 C. Con el fin de evaluar el impacto de una supuesta deforestación en la zona, se realizan 6 simulaciones bajo estas condiciones iniciales obteniéndose un valor medio de temperatura invernal de 11.6 C, con una desviación estándar de 1.9 C. Calcúlese: a) Un intervalo de confianza del 90% para la diferencia de las medias de la temperatura invernal en el lugar. Dado el resultado, se podría afirmar que la deforestación supuesta en el modelo produce un efecto en la temperatura invernal del lugar? (2 puntos) n 1 10 x s n 2 6 x s a) Al tratarse de nuestras pequeñas y varianzas poblacionales desconocidas, es preciso determinar antes si éstas son iguales o no. Estadístico: s 2 1 s 2 2 { H0 : σ 2 1 σ 2 2 F n1 1,n 2 1 si H 0 es cierta Región de aceptación de H 0 con α 10%: H 1 : σ 2 1 σ2 2 [F 1 α/2,n1 1,n 2 1, F α/2,n1 1,n 2 1] [F 0.95,9,5, F 0.05,9,5 ] [F ,5,9, F 0.05,9,5] [ , ] [0.2872, ] s 2 1 s [0.2872, ] No podemos rechazar H 0, es decir, asumimos igualdad de varianzas. Por tanto: ] I µ1 µ 2 [(X 1 X 2 ) ± t α/2,n1+n2 2s p + 1n1 1n2 [0.60 ± 2.10] [ 1.50, 2.70] con s 2 p (n 1 1)s (n 2 1)s 2 2 n 1 + n 2 2 s p t α/2,n1 +n 2 2 t 0.05, Como 0 I µ1 µ 2, no podemos afirmar que la deforestación supuesta en el modelo produzca un efecto en la temperatura invernal del lugar con un nivel de confianza del 90 %. 10
11 10. Responder únicamente si NO se aprobó el examen de prácticas o NO se tienen las prácticas aprobadas de cursos anteriores: Sea la siguiente tabla de valores de la altura (en m) de un grupo de alumnos contenidas en el fichero altura.dat: Indicar ordenadamente los comandos de matlab que se emplearían para resolver las siguientes preguntas: a) Realizar una tabla de frecuencias, agrupando los datos en intervalos de clase y dibujar el histograma correspondiente. Calcular la media, moda y mediana. c) Considerando que los datos se ajustan a una distribución normal, obtener la probabilidad de que un alumno mida mas de 1.96m a) Si se introducen los datos en un vector a, >> load altura.dat >> ntot length(a); % tamaño de la muestra (50) >> intsqrt(ntot); % nos da el numero de intervalos de clase ( ) >> [n,x] hist(a,7); % nos da las marcas de clase y las frecuencias absolutas >> hist(a,7); % dibuja el histograma agrupando en 7 marcas de clase n x >> mmean(a); % valor de la media con los datos sin agrupar (1.7348) >> m2sum(x.*n)/sum(n); % valor de la media con los datos agrupados (1.7379) >> Mox(nmax(n)); % valor de la moda (1.6486) Para hallar la mediana, se buscaría el intervalo de clase que acumulara el 50% de los datos, el cual corresponde a la tercera marca de clase, que es 1.71 c) Considerando que los datos se ajustan a una distribución normal, hay que calcular la probabilidad asociada a una normal. Ya conocemos la media, nos hace falta conocer la desviación típica >> sig1sqrt(sum((a-mean(a)).ˆ2)/(ntot-1)); % desviación típica de los datos (0.1109) >> sigsqrt(sum(n.*(x-m2).ˆ2)/(ntot-1)); % desviación típica mediante % agrupamiento por intervalos (0.1093) Por tanto, la probabilidad será: P(X > 1.96) 1 normcdf(1.96, , ) Firma del alumno: 11
EXAMEN DE ESTADÍSTICA Junio 2012
EXAMEN DE ESTADÍSTICA Junio 2012 Apellidos: Nombre: DNI: GRUPO: 1. En una población se han realizado 120 observaciones sobre las variables X e Y, obteniéndose la siguiente tabla de frecuencias absolutas
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesEXAMEN DE ESTADISTICA Junio 2007
EXAMEN DE ESTADISTICA Junio 2007 Apellidos: Nombre: DNI GRUPO: 1. Grupos A, B, C, D y E Describa los siguientes histogramas en términos de centralidad, dispersión y asimetría. Sitúe sobre la gráfica, y
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEXAMEN DE ESTADÍSTICA Junio 2009
EXAMEN DE ESTADÍSTICA Junio 009 Apellidos: Nombre: DNI: GRUPO: 1. El escritor Rex Warner, en su libro Tucídides: Historia de las guerras del Peloponeso, escribe El problema era encontrar una forma de atravesar
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detallesDepartamento de Matemática Aplicada a las T.I.C. SOLUCIONES
Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EAMEN FINAL Otoño 25-6 FECHA: 5 de Enero de 26 Fecha publicación notas: 22 de Enero de 26 Fecha revisión
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesMatemáticas Aplicadas I: Ev2 Recuperación febrero 2018
Matemáticas Aplicadas I: Ev2 Recuperación febrero 2018 PARTE 1: ESTADÍSTICA UNIDIMENSIONAL Y BIDIMENSIONAL 1. La siguiente tabla recoge las edades de las personas que han subido a un avión. Edad [0, 18)
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detallesTEMA 7. Estimación. Alicia Nieto Reyes BIOESTADÍSTICA. Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13
TEMA 7. Estimación Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13 1 Estimación Puntual 1 Estimación por intervalos Estimación por intervalos de la Media
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Septiembre 2005 SOLUCION
INGENIERÍA INFORMÁTICA DE GESTIÓN Septiembre 005 SOLUCION 1.- Sea ( X,..., X ) una muestra aleatoria simple de una variable aleatoria X con 1 n E(X) µ y Var (X) k µ. Considérense los siguientes estimadores
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO CURSO 2012-2013 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesLaboratorios Incentivados Equilibria. Probabilidad. Respuestas al Examen Mayo
EQUILIBRIA ECONOMÍA 04 Laboratorios Incentivados Equilibria Probabilidad Respuestas al Examen Mayo 03 Parte Opción Múltiple.- (i) Notemos que X ~Exp(). Por lo tanto E[X] = Var(X) = Y como Var(X) = E[X
Más detallesEjercicios Estadística-Probabilidad-Distribución Binomial-Distribución Normal-Test de hipótesis
Ejercicios Estadística-Probabilidad-Distribución Binomial-Distribución Normal-Test de hipótesis 1) Con los datos de la siguiente tabla de frecuencias deduce, rango, media, moda y mediana. Realiza gráfico
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detallesTema1. Modelo Lineal General.
Tema1. Modelo Lineal General. 1. Si X = (X 1, X 2, X 3, X 4 ) t tiene distribución normal con vector de medias µ = (2, 1, 1, 3) t y matriz de covarianzas 1 0 1 1 V = 0 2 1 1 1 1 3 0 1 1 0 2 Halla: a) La
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2015-coincidente) Selectividad-Opción A Tiempo: 90 minutos 5 7 C = 1 5
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2015-coincidente) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Considérense las matrices ( ) ( ) ( ) 1 2 3 2 5 7 A =,
Más detallesESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO
ESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO El examen presentará dos opciones diferentes entre las que el alumno deberá elegir una y responder
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesRelación de Problemas. Tema 5
Relación de Problemas. Tema 5. Supongamos que tenemos una muestra aleatoria simple de tamaño n de una v.a. X que sigue una distribución geométrica con función de probabilidad P (X = k) = p( p) k Calcular
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesSelectividad Septiembre 2007 SEPTIEMBRE 2007
Bloque A SEPTIEMBRE 2007 1.- Cada instalación de una televisión analógica necesita 10 metros de cable y cada instalación de televisión digital necesita 20 metros. Cada televisión analógica necesita 20
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesVariables aleatòries vectorials Els problemes assenyalats amb un (*) se faran a classe. 1.- Los estudiantes de una universidad se clasifican de acuerdo a sus años en la universidad (X) y el número de visitas
Más detallesEXAMEN PARCIAL DE ESTADÍSTICA. Universidad de Castilla-La Mancha 1 de Febrero de 2006
EXAMEN PARCIAL DE ESTADÍSTICA Universidad de Castilla-La Mancha 1 de Febrero de 2006 1. La distribución por edades de personas activas en condición de ocupados en España según EPA-2005, Encuesta de Población
Más detallesESTADÍSTICA (Química) PRÁCTICA 4 Sumas de variables aleatorias
ESTADÍSTICA (Química) PRÁCTICA 4 Sumas de variables aleatorias 1. Se realizan mediciones independientes del volumen inicial y final en una bureta. Supongamos que las mediciones inicial y final siguen el
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 23 de enero de 2018 1hora y 1 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. En la siguiente tabla se muestra la temperatura máxima T, en grados Celsius,
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
GRUPO A Prueba de Evaluación Continua 5-XII-.- Tres plantas de una fábrica de automóviles producen diariamente 00, 00 y 000 unidades respectivamente. El porcentaje de unidades del modelo A es 60%, 0% y
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesInferencia estadística en la EBAU de Murcia INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA
INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA 1. (Septiembre 2017) El consumo de carne por persona en un año para una población es una variable aleatoria con distribución normal con desviación típica igual
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS TEMA 1 (20 puntos): RUBRICA La magnitud de temblores registrados en una región de América
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesInferencia Estadística. Estimación y Contrastes
y y M Dolores Redondas dolores.redondas@upm.es E.U. Arquitectura Técnica U.P.M. Curso 2009-2010 Introducción Identicación del comportamiento de una variable El reconocimiento del comportamiento de una
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
Ejercicio 1 AÑO 013- OPCIÓN A mx + y + z = m 1 m 1 x + my = 1 } (A) = ( 1 m 0 ) (A ) = ( 1 m 0 1 ) 6y z = 1 1 Calculamos el det(a) e igualamos a cero para sacar los valores en los que el determinante se
Más detallesApellidos Nombre.. grupo..
Examen TODO 005-06 resuelto Apellidos Nombre.. grupo.. 1.-El salario medio de los trabajadores de la construcción en España es de 1000 euros, con una varianza de 1400 euros al cuadrado. El salario medio
Más detallesSoluciones a los nuevos ejercicios propuestos
Soluciones a los nuevos ejercicios propuestos 1 Soluciones a los nuevos ejercicios propuestos 1. Sea X la cantidad de calcio en sangre del paciente (en mg. por cada 100 ml. de sangre). X N(µ, σ 2 ). Tenemos
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0,75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesPráctica 4. Contraste de hipótesis
Práctica 4. Contraste de hipótesis Estadística Facultad de Física Objetivos Ajuste a una distribución discreta uniforme Test χ 2 Comparación de muestras Ajuste a una distribución normal 1 Introducción
Más detallesESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO
ESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO El examen presentará dos opciones diferentes entre las que el alumno deberá elegir una y responder
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesCDEE. Selección de cuestiones del Primer Ejercicio.
- En unas oposiciones, el temario consta de 85 temas. Se eligen tres temas al azar de entre los 85. Si un opositor sabe 35 de los 85 temas cuál es la probabilidad de que sepa al menos uno de los tres temas?
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesESTADÍSTICA Y PROBABILIDAD
(distribución normal) 1 1.- Calcular las probabilidades de los siguientes intervalos, empleando para ello las tablas de la distribución de probabilidad normal estándar N(0, 1): (1) P(z 2 14) (2) P(z 0
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
rueba de Evaluación Continua Grupo A -XI-6.- El despertador de un trabajador no funciona bien, pues el % de las veces no suena. Cuando suena, el trabajador llega tarde con probabilidad., pero si no suena,
Más detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesEstimación por intervalos
Capítulo 9 Estimación por intervalos 9.1. Introducción En este capítulo se desarrolla la estimación por intervalos donde el proceso de inferencia se realiza de la forma θ C, donde C = Cx) es un conjunto
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detalles4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
Más detallesTratamiento de datos experimentales
Tratamiento de datos eperimentales Densidad del agua a 8ºC d d d 0.998 595 000... d 0.998 60 0.998 60 g cm /(g cm 3 3 0.998 605 000... pero no estamos muy seguros de si el intervalo de confianza es éste
Más detallesINSTRUCCIONES. Lee cuidadosamente cada pregunta antes de contestarla
INSTRUCCIONES 1. Las cuestiones respondidas correctamente valen un punto. Hay una única respuesta correcta para cada cuestión. Las respuestas fallidas tienen una penalización de 0. puntos, por tanto, es
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS
Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesPráctica 2. Números y variables aleatorias
Práctica. Números y variables aleatorias OBJETIVOS DE LA PRÁCTICA 1. Realizar varios contrastes empíricos sobre la bondad de ajuste de generadores de números aleatorios. Analizar la aleatoriedad de un
Más detallesLEC/LADE/LECD/LADED CURSO 2006/07 HOJA DE PROBLEMAS 3 INTERVALOS DE CONFIANZA
LEC/LADE/LECD/LADED CURSO 2006/07 HOJA DE PROBLEMAS 3 INTERVALOS DE CONFIANZA 1.-Los dirigentes de una empresa agroalimentaria piensan que el éxito de venta de su producto en Andalucía es el mismo que
Más detalles