Matemática 3 Curso 2013

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

Download "Matemática 3 Curso 2013"

Transcripción

1 Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones de frecuencia de una variable aleatoria X, y para esas calcular: P(1 X 4); P(X=1); P(X 2) a) ¼ si x=1 o x=4 p(x) = ½ si x=3 b) ¼ si x=1 p(x) = ½ si x=2 c) x p(x) d) (x-2)/2 si x=1, 2, 3, 4 p(x) = 2) Un dado normal es arrojado 2 veces. Considere las variables aleatorias X = máximo de las dos tiradas, Y = el mínimo de las dos tiradas. Calcular: a) Las funciones de frecuencia de X y de Y b) Las funciones de distribución de X y de Y. c) Graficar las funciones calculadas en a) y b) 3) Al examinar los pozos de agua de un distrito buscando algunos tipos de impurezas que suelen encontrarse en el agua potable, se ha determinado que el 20\% de los pozos de ese distrito no tenían ninguna impureza, el 40\% de los pozos tenía la impureza A, y el 50\% de los pozos tenía la impureza B (naturalmente algunos tenían ambas). Si se elige un pozo al azar en ese distrito y se define Y como la variable que cuenta cuántos tipos de impurezas se encuentran en ese pozo. Encuentre la función de frecuencia de Y y grafique. 4) En una prueba aplicada a niños pequeños, se les pide que hagan corresponder cada uno de los tres dibujos de animales con la palabra que identifica a ese animal. Si un niño asigna aleatoriamente las tres palabras a los tres dibujos, encuentre la distribución de probabilidad para Y, el número de correspondencias correctas; y grafique. 5) Un examen con multiple choice está compuesto por 15 preguntas, con 5 respuestas posibles cada una, de las cuales sólo una es correcta. Supóngase que uno de los estudiantes que realiza el examen contesta las preguntas al azar. Cuál es la probabilidad de que conteste correctamente al menos 10 preguntas? 6) De un lote de 25 artículos, 5 de los cuales son defectuosos, se eligen 4 al azar. Sea X el número de artículos defectuosos entre los elegidos. a) Obtener la función de frecuencia de X si los artículos se eligen con sustitución.

2 b) Obtener la función de frecuencia de X si los artículos se eligen sin sustitución. c) Verificar que las funciones obtenidas en a) y b) son funciones de frecuencia. d) Hallar las funciones de distribución acumuladas. e) Calcular las esperanzas y varianzas de ambas variables aleatorias. 7) Un explorador de petróleo perfora una serie de pozos en cierta área hasta encontrar uno productivo. La probabilidad de que tenga éxito en una prueba es de 0.2 a) Cuál es la probabilidad de que el primer pozo productivo sea el tercer pozo perforado? b) Cuál es la probabilidad de que el explorador no encuentre ningún pozo productivo, si debe suspender la búsqueda después del décimo pozo perforado? c) Cuál es el número esperado de pozos perforados para encontrar el primer pozo productivo? 8) El número de solicitudes de asistencia recibido por un servicio de remolque de vehículos es un proceso de Poisson con tasa c=4 por hora. a) Calcule la probabilidad de que se reciban 10 solicitudes entre las 16 y las 17 hs. b) Si los operadores de las grúas se toman un descanso de 30 min. Cuál es la probabilidad de que no se pierda ninguna llamada de asistencia durante ese período? 9) El numero de colonias de bacterias de cierto tipo en unas muestras de agua contaminada tiene una distribución de Poisson con una media de 2 por cm 3. a) Cuál es la probabilidad de que una muestra de 1 cm 3 contenga dos o más colonias de bacterias b) Si se toman en forma independiente 4 muestras de un cm 3 de esa agua, encuentre la probabilidad de que al menos una muestra tenga dos o mas colonias de bacterias. c) Si se toma una muestra de 10 cm 3, cuál es la probabilidad de que tenga 16 colonias de bacterias por lo menos? 10) En determinada población la probabilidad de que un niño muera antes del primer año de vida es de Si se consideran 2000 nacimientos de esa población, sea X la variable aleatoria que representa la cantidad de niños, en ese grupo, que mueren antes de cumplir el primer año de vida. a) Cuál es el número medio de niños en ese grupo que morirá antes del año de vida? b) Cuál es la probabilidad de que a lo sumo 5 de esos niños mueran antes del año de vida? c) Cuál es la probabilidad de que mueran entre 15 y 20 de esos niños antes del año de vida? 11) Calcular las medias y varianzas de las variables aleatorias definidas en los ejercicios (2) y (3). 12) Sea X ~ B(n,p); para n fija: a) hay valores de p (0 p 1) para los cuales V(X)=0? Explique por qué esto es así. b) para que valores de p se maximiza la V(X)? 13) Consideremos una enfermedad que se detecta mediante una prueba sanguínea (la suponemos exacta); y sea p la probabilidad de que un individuo tenga esa enfermedad. Se seleccionan n individuos para analizar. Primero se toma una parte de cada muestra de sangre, se mezclan estas muestras y se realiza una sola prueba. Si ninguno tiene la

3 enfermedad esta prueba da un resultado negativo y no es necesario hacer más análisis. Si por lo menos un individuo tiene la enfermedad, la prueba de la mezcla dará un resultado positivo, y en ese caso será necesario hacer las n pruebas individuales. a) Si p=0.1 y n=3, cuál es el número esperado de pruebas utilizando este procedimiento? b) Y si p=0.1 y n=5? 14) La moda de una variable aleatoria X discreta con función de frecuencia f(x) es el valor k * para el cual f(x) es máxima (el valor más probable) a) Sea X ~ B(n,p), demostrar que la moda k * es el entero que satisface (n+1)p-1 k * (n+1)p b) Sea X ~ P(λ), demostrar que la moda es el máximo entero menor que λ. Si λ es entero, demostrar que λ -1 y λ ambos son modas. 15) Sea X una variable aleatoria discreta que toma valores 2, 0, 2 con igual probabilidad. a) Encuentre la función de frecuencia de: Y = 2X + 3 Z = 3X 2 W = 2 X - 1 b) Calcule las esperanzas de X, Y, Z. c) Calcule las varianzas de X, Y, Z. 16) En un concurso de pesca cada pescador paga $100 por participar. La cantidad de peces obtenida por cada pescador durante el desarrollo del concurso tiene una distribución de Poisson con parámetro λ = 4. Hay un premio de $50 por pieza. Cada pescador tiene permitido cobrar a lo sumo 6 piezas (es decir que aunque pesque más de 6, cobrará por 6). a) Calcular la función de frecuencia de la ganancia del pescador. b) Cuánto dinero espera ganar el participante? Práctica 4: Variables aleatorias continuas. Funciones de distribución de probabilidad uniforme, exponencial, normal 1) Sea Y una variable aleatoria con función de densidad: f(y) = c(2-y) si 0 y 2 a) Determinar el valor de la constante c b) Calcular F(y) c) Graficar f(y) y F(y) d) Calcular P(1 Y 2), P( Y >1) e) Calcular E(X) y V(X) f) Calcule la mediana g) Calcule el cuantil 0.25 h) Calcule el 80% percentil 2) El período de funcionamiento hasta su primera falla (en cientos de horas) para cierto transistor, es una v. a. Y con función de distribución dada por:

4 0 si y<0 F(y) = 1 - exp(-y 2 ) si y>0 a) Demostrar que F(y) tiene las propiedades de una función de distribución b) Obtener la función de densidad f(y) c) Calcular la probabilidad de que el transistor trabaje por lo menos 200 horas hasta tener su primera falla. d) Calcule el cuantil 0.75 e) Calcule la mediana 3) Sea X una v.a. con densidad dada por: f(x) = 8/x 3 si x>2 0 si x<2 Sea W = (1/3) X. Calcule la E(W) de dos formas distintas. 4) El tiempo de vida, en horas, de cierto tipo de tubo de radio es una variable aleatoria que tiene función de densidad dada por f(x) = 0 si x /x² si x>100 a) Verificar que esta es una función de densidad b) Calcular la probabilidad de que uno de esos tubos deba ser reemplazado antes de las 150 horas de operación c) Puede calcular la media del tiempo de vida de estos tubos? d) Calcule la mediana del tiempo de vida de estos tubos. 5) Si un paracaidista cae en un sitio aleatorio de la línea entre los puntos A y B. a) Encuentre la probabilidad de que esté más cerca de A que de B b) Calcule la probabilidad de que la distancia con respecto a A sea más de tres veces la distancia con respecto a B. 6) La duración, en horas, de una lámpara de un aparato electrónico es una v.a. con distribución exponencial con λ = 1/1000 a) Hallar la probabilidad de que una lámpara dure más de 500 horas b) Cuántas horas de funcionamiento debe garantizar una compañía para que haya una probabilidad de 0.95 de que la lámpara dure por lo menos el número garantizado de horas? 7) Un sistema consta de 5 componentes idénticos conectados en serie. Cuando falla uno de los componentes, falla todo el sistema. Suponga que cada componente tiene una duración que está distribuida exponencialmente con λ=0.01 y que dicha duración es independiente para cada componente. Defina A i = {i-ésimo componente dura por lo

5 menos t horas}, i=1,...,5 (estos A i son eventos independientes). Sea X = el tiempo en que falla el sistema (esto es la duración más breve entre las cinco componentes) a) El evento (X t), es equivalente a qué evento donde aparecen las A i? b) Por medio de la independencia de las A i, calcule P(X t). Luego obtenga F(t)=P(X t) y la densidad de X 8) Sea X con distribución uniforme en el intervalo (0,1), y sea Y = a + (b-a)x, con a y b constantes, con a < b. Obtener la función de densidad de Y. 9) Sea X con distribución uniforme en el intervalo (0,1), y sea Y = -[ln (1-X)]/ λ, con λ > 0. Demostrar que la v. a. Y tiene distribución exponencial con parámetro λ. 10) La variable Z tiene distribución normal típica. i. Calcular las siguientes probabilidades: (a) P(Z 2.23), (b) P(Z>1.35), (c) P(0<Z<1.2) (d) P(0.3 < Z < 1.56), (e) P(-0.51 < Z < 1.54) ii. Hallar los valores de z que verifiquen: (a) P(Z>z) = 0.5, (b) P(Z<z) = , (c) P(Z < z) = , (d) P(z<Z<z)= ) Si X es una variable aleatoria con distribución normal con parámetros: µ=10 y σ²=36 Calcular: (a) P(X > 5), (b) P(4 < X < 16), (c) P(X 8) 12) El diámetro de los pernos producidos por una fábrica tiene una distribución normal con una media de 950 mm y un desvío estándar de 10 mm. a) cuál es el valor de c tal que la probabilidad de que un perno elegido al azar tenga un diámetro menor que c es ? b) cuál debería ser el desvío estándar en la producción de pernos para que con el c del ítem (a) la probabilidad de tener un diámetro menor que c sea 0.9? 13) La resistencia a la ruptura de cierto tipo de acero, A, es una v. a. con distribución normal con media 43 y desviación típica 4.4. Para otro tipo de acero, B, la resistencia a la ruptura tiene distribución normal con media 44 y desviación típica 6.1. Si se prueban una muestra de cada tipo de acero, para cuál de ellos es menor la probabilidad de que la resistencia sea a lo sumo 40? 14) Una fábrica produce tornillos, las especificaciones indican que el diámetro de los mismos debe estar entre 1.19 y 1.21 pulgadas. Si el proceso de producción es tal que el diámetro de los tornillos es una variable aleatoria con distribución normal con media y desviación estándar a) qué porcentaje de la producción no satisface las especificaciones? b) cuál debería ser la media para que el porcentaje que no satisface las especificaciones sea mínimo? 15) Sea X con distribución N(µ, σ 2 ) a) Determinar la constante c tal que se cumpla: P(X c) = 2P(X>c) b) Hallar la función de densidad de: i. Y = exp(x) ii. V = X iii. W = ax + b a y b constantes

6 16) Sean X, V y W como en el ejercicio anterior. a) Calcular E(V), E(W) b) Calcule V(V), V(W)

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad ½ 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 detalles

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada

Más detalles

5 Variables aleatorias contínuas

5 Variables aleatorias contínuas 5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua

Más detalles

PROBABILIDADES 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 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 detalles

0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2

0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2 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 detalles

4 Variables aleatorias discretas

4 Variables aleatorias discretas 4 Variables aleatorias discretas Al realizar un experimento aleatorio, muchas veces no estamos interesados en el resultado, sino en una función del mismo. Por ejemplo si tiramos dos veces un dado, podemos

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) PRÁCTICA 3. ..,, f 0,75(1 -x2) -l<x<l fy (X) < [O en otro caso. P(X > 0) P(-0,5 < X < 0,5) P( X > 0,25) ' 0

PROBABILIDADES Y ESTADÍSTICA (C) PRÁCTICA 3. ..,, f 0,75(1 -x2) -l<x<l fy (X) < [O en otro caso. P(X > 0) P(-0,5 < X < 0,5) P( X > 0,25) ' 0 PROBABILIDADES Y ESTADÍSTICA (C) PRÁCTICA 3. Sea X una v.a. con función de densidad..,, f 0,75(1 -x2) -l

Más detalles

Guía de Modelos Probabilísticos

Guía de Modelos Probabilísticos Guía de Modelos Probabilísticos 1. Distribución Binomial 1. Una máquina produce cierto tipo de piezas de las cuales el 5 % son defectuosas. Se seleccionan en forma independiente 5 piezas al azar. Calcule

Más detalles

PROBABILIDADES Y DISTRIBUCIONES

PROBABILIDADES Y DISTRIBUCIONES PROBABILIDADES Y DISTRIBUCIONES 1. Supongamos que se lanza una moneda cuyo peso ha sido alterado de manera que P (C) = 2/3 y P (S) = 1/3. Si aparece cara, entonces selecciona un número al azar del 1 al

Más detalles

Asignatura: Probabilidad y Estadística (LM-PM)

Asignatura: Probabilidad y Estadística (LM-PM) FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA ESCUELA DE CIENCIAS EXACTAS Y NATURALES DEPARTAMENTO DE MATEMÁTICA Asignatura: Probabilidad y Estadística (LM-PM) - 2018 Docentes a cargo: Pablo Torres

Más detalles

5 Variables aleatorias contínuas

5 Variables aleatorias contínuas 5 Variables aleatorias contínuas Año 202 Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria

Más detalles

Apuntes de Clases. Modelos de Probabilidad Discretos

Apuntes de Clases. Modelos de Probabilidad Discretos 2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica

Más detalles

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18

TEMA 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 detalles

4 Variables aleatorias discretas

4 Variables aleatorias discretas 4 Variables aleatorias discretas Al realizar un experimento aleatorio, muchas veces no estamos interesados en el resultado, sino en una función del mismo. Por ejemplo si tiramos dos veces un dado, podemos

Más detalles

0 si x<0. si 1 x<2 1 si x 2. si 4 x 6 1 si x>6. 1 e x si x 0

0 si x<0. si 1 x<2 1 si x 2. si 4 x 6 1 si x>6. 1 e x si x 0 Probabilidades y Estadística (M) Práctica 3 2 cuatrimestre 2004 Variables Aleatorias. Sea X una v.a. con función de distribución (a) F X (x) = 0 si x< 3 4 si 3 x< 3 4 si x

Más detalles

Variables aleatorias 1. Problema 1

Variables aleatorias 1. Problema 1 Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También

Más detalles

LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA)

LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA) LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA) PROBABILIDAD CONDICIONAL 1. Dados P (A) = 0.4, P (B A) = 0.3 y P (B c A c ) = 0.2, determine: a) P (A c ). b) P (B A c ). c) P (B). d) P

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas VARIABLE ALEATORIA UNIFORME Definición Se dice que una variable X tiene una distribución uniforme en el intervalo [a;b] si la fdp de X es: 1 si a x b f(x)= b-a 0 en otro

Más detalles

8 Resolución de algunos ejemplos y ejercicios del tema 8.

8 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 detalles

Algunas distribuciones teóricas continuas

Algunas distribuciones teóricas continuas Algunas distribuciones teóricas continuas Dr. Pastore, Juan Ignacio Profesor Adjunto. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial

Más detalles

EJERCICIOS VARIABLES ALEATORIAS

EJERCICIOS VARIABLES ALEATORIAS EJERCICIOS VARIABLES ALEATORIAS 1.- Tenemos dos urnas, en la urna A hay 5 bolas blancas y 4 rojas y en la B hay 6 blancas y 3 rojas. Se sacan, sin reemplazamiento, dos bolas de cada urna. Sea X el nº de

Más detalles

Variables Aleatorias

Variables Aleatorias Objetivos de la práctica: Variables Aleatorias Objetivo general: Al finalizar la práctica, el estudiante deberá conocer el concepto de variable aleatoria discreta y continua, el concepto de distribución

Más detalles

Matemática 3 Curso 2014

Matemática 3 Curso 2014 Matemática 3 Curso 204 Práctica 4: Variables aleatorias continuas. Funciones de distribución de probabilidad uniforme, exponencial, normal ) El tiempo total, medido en unidades de 00 horas, que un adolescente

Más detalles

1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.

1. 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 detalles

Algunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial.

Algunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial c) Relación entre la Distribuciones de Poisson y Exponencial. d) Distribución

Más detalles

VARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.

VARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS. VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica

Más detalles

Tema 5: Modelos probabilísticos

Tema 5: Modelos probabilísticos Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Tema 4: Modelos probabilísticos

Tema 4: Modelos probabilísticos Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

ESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.

ESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes. 1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.

Más detalles

Cálculo de Probabilidades II Preguntas Tema 2

Cálculo 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 detalles

Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva:

Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva: Cátedra: Probabilidad y Estadística Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva: Atención! Para aprobar el examen se debe alcanzar

Más detalles

CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS

CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que

Más detalles

ESTADÍSTICA I, curso Problemas Tema 4

ESTADÍSTICA I, curso Problemas Tema 4 ESTADÍSTICA I, curso 007-008 Problemas Tema 4 1. En un problema de una prueba aplicada a niños pequeños se les pide que hagan corresponder tres dibujos de animales con la palabra que identifica a ese animal.

Más detalles

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función

Más detalles

VARIABLES ALEATORIAS. Ing. Andrés Álvarez Cid

VARIABLES ALEATORIAS. Ing. Andrés Álvarez Cid VARIABLES ALEATORIAS Ing. Andrés Álvarez Cid VALOR ESPERADO CASO DISCRETO Sea X una variable aleatoria discreta con un conjunto de valores posibles D y una función de probabilidad p(x). El valor esperado

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas

Más detalles

Dagoberto Salgado Horta Variables aleatorias y distribuciones de probabilidad - 1 TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Dagoberto Salgado Horta Variables aleatorias y distribuciones de probabilidad - 1 TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD Dagoberto Salgado Horta Variables aleatorias y distribuciones de probabilidad - 1 TALLER VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD 1. Sea X la variable aleatoria nivel de colesterol, en mg/dl,

Más detalles

Tema 3:Introducción a las variables aleatorias PROBLEMAS PROPUESTOS. 2. La función de densidad de la variable aleatoria X viene dada por la expresión

Tema 3:Introducción a las variables aleatorias PROBLEMAS PROPUESTOS. 2. La función de densidad de la variable aleatoria X viene dada por la expresión Tema :Introducción a las variables aleatorias PROBLEMAS PROPUESTOS. Puede ser la función de densidad de una variable aleatoria continua mayor que uno en algún punto? Sí. La función de densidad de la variable

Más detalles

El primer momento centrado en el origen (k=1) es la esperanza matemática de X

El primer momento centrado en el origen (k=1) es la esperanza matemática de X MOMENTO K-ÉSIMO PARA UNA VARIABLE ALEATORIA DISCRETA RESPECTO DEL ORIGEN E(x) n i 1 k x i.p x i El primer momento centrado en el origen (k=1) es la esperanza matemática de X También se definen momentos

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 36. Al examinar pozos de agua en un distrito con respecto a dos impurezas encontradas frecuentemente en el agua potable, se encontró que el

Más detalles

Variables aleatorias continuas y Teorema Central del Limite

Variables aleatorias continuas y Teorema Central del Limite Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R

Más detalles

a) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria

a) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES

1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES 1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1 1.- VARIABLES ALEATORIAS DISCRETAS Concepto

Más detalles

N O S I N T E R E S A S A B E R E L N Ú M E R O D E É X I T O S Q U E S U C E D E N E N N I N T E N T O S J U A N J O S É H E R N Á N D E Z O C A Ñ A

N O S I N T E R E S A S A B E R E L N Ú M E R O D E É X I T O S Q U E S U C E D E N E N N I N T E N T O S J U A N J O S É H E R N Á N D E Z O C A Ñ A N O S I N T E R E S A S A B E R E L N Ú M E R O D E É X I T O S Q U E S U C E D E N E N N I N T E N T O S J U A N J O S É H E R N Á N D E Z O C A Ñ A DISTRIBUCIÓN DE PROBABILIDAD Consiste en todos los

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

Tema 12: Distribuciones de probabilidad

Tema 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 detalles

1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla: (variables aleatorias) 1 1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla: 2. Se lanza tres veces una moneda

Más detalles

Tema 6 Algunas distribuciones importantes Hugo S. Salinas

Tema 6 Algunas distribuciones importantes Hugo S. Salinas Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente

Más detalles

PROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2

PROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2 PROBABILIDADES Trabajo Práctico 5 1. Sea X una variable aleatoria con función de distribución acumulada a) Calcular, usando F X, P (X 1) P (0.5 X 1) P (X >1.5) b) Hallar la mediana de esta distribución.

Más detalles

TALLER DISTRIBUCIONES DE PROBABILIDAD Y VARIABLES ALEATORIAS

TALLER DISTRIBUCIONES DE PROBABILIDAD Y VARIABLES ALEATORIAS TALLER DISTRIBUCIONES DE PROBABILIDAD Y VARIABLES ALEATORIAS 1. Sea X la variable aleatoria nivel de colesterol, en mg/dl, de los varones de 40 años. Escribir los siguientes sucesos, con notación abreviada,

Más detalles

Biometría. Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson)

Biometría. Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson) Biometría Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson) Variable aleatoria El resultado de un experimento aleatorio puede ser descripto en ocasiones

Más detalles

Juan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES

Juan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES Juan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES BIBLIOGRAFÍA Walpole, Ronal E., Myres, Raymond H., Myres, Sharon L.: Probabilidad y Estadística para Ingenieros. McGraw Hill-Interamericana. Canavos

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Ejemplos 31 En el lanzamiento de una moneda podemos tomar E = { Cara } y F = { Cruz }. Si la moneda no está trucada, p = 1.

Ejemplos 31 En el lanzamiento de una moneda podemos tomar E = { Cara } y F = { Cruz }. Si la moneda no está trucada, p = 1. Capítulo 4 Modelos de probabilidad 4.1 Modelos discretos 4.1.1 Pruebas de Bernoulli Definición 4.1.1. Una prueba de Bernoulli es un experimento aleatorio cuyos posibles resultados se agrupan en dos conjuntos

Más detalles

Tema 6: Modelos probabilísticos

Tema 6: Modelos probabilísticos Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

b) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?

b) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir? Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 4, curso 2006 2007. Ejercicio 1. Suponer que los cuatro motores de una aeronave comercial se disponen para que

Más detalles

SEGUNDO EXAMEN DE PROBABILIDAD Y ESTADÍSTICA (LISTA DE EJERCICIOS 1)

SEGUNDO EXAMEN DE PROBABILIDAD Y ESTADÍSTICA (LISTA DE EJERCICIOS 1) SEGUNDO EXAMEN DE PROBABILIDAD Y ESTADÍSTICA (LISTA DE EJERCICIOS 1) II. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS. VARIABLES ALEATORIAS DISCRETAS Sección I. Resuelva los ejercicios

Más detalles

Variables aleatorias continuas, TCL y Esperanza Condicional

Variables aleatorias continuas, TCL y Esperanza Condicional Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función

Más detalles

Tema 2 Modelos de probabilidad

Tema 2 Modelos de probabilidad Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución

Más detalles

Distribución de Probabilidad

Distribución de Probabilidad Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas

Más detalles

D I S T R I B U C I Ó N N O R M A L

D I S T R I B U C I Ó N N O R M A L D I S T R I B U C I Ó N N O R M A L 1. V A R I A B L E A L E A T O R I A C O N T I N U A. F U N C I O N E S A S O C I A D A S Variable aleatoria continua es aquella que puede tomar valores en un conjunto

Más detalles

ESTADISTICA INFERENCIAL

ESTADISTICA INFERENCIAL ESTADISTICA INFERENCIAL EJERCICIOS DE DISTRIBUCION HIPERGEOMETRICA 1.-5 fabricantes producen en determinado dispositivo cuya calidad varía de un fabricante a otro. si usted elige 3 fabricantes al azar,

Más detalles

PROBABILIDAD Y ESTADÍSTICA PROPUESTAS PARA UNA AUTOEVALUACIÓN DE LOS FUNDAMENTOS TEÓRICOS

PROBABILIDAD Y ESTADÍSTICA PROPUESTAS PARA UNA AUTOEVALUACIÓN DE LOS FUNDAMENTOS TEÓRICOS PROBABILIDAD Y ESTADÍSTICA PROPUESTAS PARA UNA AUTOEVALUACIÓN DE LOS FUNDAMENTOS TEÓRICOS En lo que sigue le presentamos 50 puntos que fueron incluidos en diferentes evaluaciones finales de los fundamentos

Más detalles

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. Introducción al Tema 7 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos

Más detalles

Distribución de Probabilidad

Distribución de Probabilidad Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una

Más detalles

Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II

Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se

Más detalles

ETSI de Topografía, Geodesia y Cartografía

ETSI de Topografía, Geodesia y Cartografía Distribuciones (discretas y continuas) EVALUACIÓN CONTINUA (Tipo I) 14-XII-11 1. Una prueba del examen de Estadística consiste en un cuestionario de 10 preguntas con tres posibles respuestas, solamente

Más detalles

Tema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:

Tema 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 detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento

Más detalles

Algunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson

Algunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución

Más detalles

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad de: Binomial, Hipergeometrica y Poisson

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas 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 detalles

Distribuciones de probabilidad Discretas

Distribuciones de probabilidad Discretas Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene

Más detalles

ESTADÍSTICA (Química) PRÁCTICA 4 Sumas de variables aleatorias

ESTADÍSTICA (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 detalles

Introducción al Diseño de Experimentos.

Introducción al Diseño de Experimentos. Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas

Más detalles

Probabilidad, Variables Aleatorias y Distribuciones

Probabilidad, 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 detalles

Profesores: M. Guerrero - J. Pérez - C. Olivares - J. Rozas 09 de julio de Examen Probabilidad y Estadísticas

Profesores: M. Guerrero - J. Pérez - C. Olivares - J. Rozas 09 de julio de Examen Probabilidad y Estadísticas 09 de julio de 013 Examen Probabilidad y Estadísticas 1) Una cadena de tiendas de pintura produce y vende pinturas de látex y esmaltes. Con base en las ventas de largo plazo, la probabilidad de que un

Más detalles

Probabilidad y estadística

Probabilidad y estadística UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO Probabilidad y estadística Teorema central del límite Año: 2017 En este material le presentamos ocho problemas que requieren de la aplicación

Más detalles

10 0,1 12 0,3 14 0, , ,15

10 0,1 12 0,3 14 0, , ,15 1. Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0., 0.1 y 0.3. Represente en una tabla la función de probabilidad P(X=x), y la función de distribución de probabilidad,

Más detalles

PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS

PROBLEMAS 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

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme

Más detalles

GUÍA DE CÁLCULO INTEGRAL. 2. De la siguiente tabla del peso en kilogramos de 40 personas.

GUÍA DE CÁLCULO INTEGRAL. 2. De la siguiente tabla del peso en kilogramos de 40 personas. INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE EDUCACIÓN MEDIA SUPERIOR CENTRO DE ESTUDIOS CIENTÍFICOS Y TECNOLÓGICOS NARCISO BASSOLS GUÍA DE CÁLCULO INTEGRAL 1. Las puntuaciones siguientes

Más detalles

Curso de Probabilidad y Estadística

Curso de Probabilidad y Estadística Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica

Más detalles

INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005

INGENIERÍA 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 detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. 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 detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas 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 detalles

Variables aleatorias continuas y Características numéricas

Variables aleatorias continuas y Características numéricas Variables aleatorias continuas y Características numéricas 2ºC 2018 Clase Nº 7 Mg. Stella Figueroa Variable aleatoria continua X es una VAC si existe una función f(x), llamada función de densidad de probabilidad

Más detalles