Lliçons 15: Suma de moltes variables independents: Llei dels Grans Nombres, Teorema del Limit Central; Aproximem distribucions

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

Download "Lliçons 15: Suma de moltes variables independents: Llei dels Grans Nombres, Teorema del Limit Central; Aproximem distribucions"

Transcripción

1 Lliçons 15: Suma de moltes variables independents: Llei dels Grans Nombres, Teorema del Limit Central; Aproximem distribucions Albert Satorra Probabilitat, UPF Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

2 Continguts 1 Suma de variables independents Llei dels Grans Nombres Teorema del Límit Central 2 Aproximació de distribucions 3 Exemples Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

3 Suma de variables independents Ens preguntem per la distribució aproximada (no exacte) de Y = X 1 + X X n quan n és gran, i les X j s són (mutuament) independents. Per exemple: la distribució aproximada de la binomial B(n, p) (que és suma de n de Bernouilli independents) quan n és gran; de la χ 2 n (que és la suma de N(0,1) al quadrat independents), quan n és gran; de la nota Y de Probabilitat que és el resultat de la suma de molts factors independents; etc. Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

4 Esperances, variàncies Suposem X j s independents amb la mateixa mitjana µ i variància σ 2. En aquest cas, si Y = X 1 + X X n, clarament E(Y ) = nµ; V (Y ) = nσ 2 De fet, el valor esperat i variància del promitg X n = (X 1 + X X n )/n són E(X n ) = µ; V (X n ) = σ 2 /n Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

5 Llei dels Grans Nombres Límit en probabilitat: Llei dels Grans Nombres Ens preguntem perl valor del promitg X n quan n és gran. Suposem: X j independents amb E(X j ) = µ i V (X j ) = σ 2. Per exemple, X 1,..., X j,... X n observacions independents de una X (n tirades d un dau i observar el no. X, de 1 a 6, de la cara). Llei dels Grans Nombres: Per tot ɛ > 0, lim P( X n µ > ɛ) = 0 n + Direm que X n tendeix a µ en probabilitat. Escriurem X n P µ Què vol dir??: Que el promitg d observacions independents de X tendeix a µ = E(X ) Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

6 Llei dels Grans Nombres Exemple Tirem un dau 1000 vegades: X 1,... X 1000, X i és el número (1 a 6) de la cara del dau en la tirada i èssima. Preguntem X 1000 =? La llei dels grans nombres: X 1000 µ = E(X ) = ( )/6 = 3.5 X n tan proper de 3.5 com vulguem, només cal augmentar el nombre n de tirades? R: > mean(sample(1:6, 10, replace = T)) [1] 4 > mean(sample(1:6, 100, replace = T)) [1] 3.61 > mean(sample(1:6, 1000, replace = T)) [1] > mean(sample(1:6, 10000, replace = T)) [1] > mean(sample(1:6, , replace = T)) [1] > mean(sample(1:6, , replace = T)) [1] Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

7 Teorema del Límit Central Teorema del Límit Central Si les X j tenen valor esperat µ i variància σ 2, són independents, i n és gran, la distribució de X n = (X 1 + X X n )/n és aproximadament Normal, amb valor esperat µ i variància σ 2 /n. Escriurem D σ 2 X n N(µ, n ), Direm que X n convergeix en distribució a N(µ, σ2 n ). Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

8 Teorema del Límit Central Tenim l aproximació: X n N(µ, σ2 n ) Exemple: Tirem un dau 1000 vegades: X 1,... X 1000, X i és el número (1 a 6) de la cara del dau en la tirada i èssima. Preguntem X 1000 =? el TCL ens diu que X 1000 N(3.5, σ ) = N(3.5, ) ja que σ 2 = (5 7/ = (35/12)/1000 = = Probabilitat P(3.4 X ) = P( < X < ) = 1 2 pnorm( ) = Em emprat = = Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

9 Teorema del Límit Central Figure: TCL!"#$%&'()*(+(,+%-#"$*./((+(0(((1!"#$%&'!"!!"#!"#!"#!"#!"#!"#!"!!"#!"#!"#!"#!"#!"#$%&' Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

10 Teorema del Límit Central Figure: TCL promitg de n uniformes, n = 3 Density promitg Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

11 Teorema del Límit Central Figure: TCL!"#$%&'()*(+(,+%-#"$*./((+(0(((12!"#$%&'!!!!!!!!"#!"#!"#!"#!"#!"#!"#$%&' Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

12 Aproximació de distribucions Aproximació Normal a la Binomial Pel TCL, si n és gran (depen de p, per en general per n = 25 l aproximació és bona) B(n, p) N(np, npq) de manera que P[a B(n, p) b] P[a 0.5 N(np, npq) b + 0.5] (on utilitzem el que s anomena correcció per continuitat. Si no restem/sumem 0.5 l aproximació tambés és bona si n és gran) Per exemple: Llancem 100 monedes. Sigui Y igual el # de cares obtingudes. Interesa calcular P[47 Y 52] (aproximacio normal sense correccio per continuitat) P[47 N(50, 25) 52] =.3811 (aproximacio normal amb correccio per continuitat) P[46.5 N(50, 25) 52.5] =.4495 valor exacte P[46.5 B(100, 0.05) 52.5] = Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

13 Aproximació de distribucions Exemple: error d arrodoniment Exemple: Tenim 100 números de quatre decimals. Per sumar-los arrodonim al enter més proxim. Prob. que l error d arrodoniment sigui més gran que 5. Solució: E = e i N(0, 100σ 2 ) on e i U( 0.5, 0.5) i σ 2 = 1/12. Tenim que P( 5 < E < 5) = P( 5 < N(0, 100/12) < 5) = P( 5 10/ 12 < Z < 5 10/ ) = ( < Z < ) = 1 2P(Z 12 De manera que P(l error d arrodoniment sigui més gran que 5.) = 2 P(Z ) = 2*pnorm( )=0.083, un 8%. Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

14 Aproximació de distribucions Exemplw: Tirades repetides d una moneda Tirem una moneda (no trucada) repetidament n = 200 vegades, probabilitat que el promitg de cares p sigui a l intèrval (.48,.52). p N(0.5, 0.25 n ), de manera que: P(0.48 p 0.52) P( n Z ) 0.25 n = Φ(0.56) Φ( 0.56) = Φ(0.56) (1 Φ(0.56)) = 2 Φ(0.56) 1 = 2 pnorm( ) 1 = és a dir, el 43%. Noteu que ( )/sqrt(0.25/200) = Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

15 Aproximació de distribucions Tirades repetides d una moneda, quantes tirades calen? Quantes tirades cal per assegurar una probabilitat del 99% que el promitg p estigui a l intèrval (.48,.52)?; és a dir: P(48 < p < 52) = Seguint el raonament anterior, com que P( 3 < Z < 3) =.99, cal que = 0.02 = n n n = = = 3 n = n ( ) = Albert tirades! Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

16 Aproximació de distribucions Deures Feu Exercici 2 de la Llista 5! Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor / 18

Llei dels Grans Nombres, Teorema Central del Límit, distribucions asimptòtiques

Llei dels Grans Nombres, Teorema Central del Límit, distribucions asimptòtiques Llei dels Grans Nombres, Teorema Central del Límit, distribucions asimptòtiques Albert Satorra Probabilitat, UPF Albert Satorra ( Probabilitat, UPF ) AD/E-GRAU Tardor 2013 1 / 15 Continguts 1 Suma de variables

Más detalles

UPF, Curs Trimestre 1 Probabilitat i Estadística, Groups 1 a 4. Examen Final

UPF, Curs Trimestre 1 Probabilitat i Estadística, Groups 1 a 4. Examen Final UPF, Curs 2012-13 Trimestre 1 Probabilitat i Estadística, Groups 1 a 4 Examen Final Professors: Albert Satorra i Christian Brownlees Nom i Cognom..., Grup... NIA... Nom i Cognoms... 1 Test A Llegiu aquestes

Más detalles

Valor esperat, variància

Valor esperat, variància Valor esperat, variància 2009-10 Esperança de v.a. discretes i contínues Definició Valor esperat Si X és una v.a. discreta, amb f(m)p P[x], l esperança o valor esperat d X és Si X és una v.a. contínua,

Más detalles

UPF, Curs Trimestre 1 Probabilitat i Estadística, Examen Primer Trimestre, Probabilitat

UPF, Curs Trimestre 1 Probabilitat i Estadística, Examen Primer Trimestre, Probabilitat UPF, Curs 2015-16 Trimestre 1 Probabilitat i Estadística, Examen Primer Trimestre, Probabilitat Professors: Albert Satorra, Christian Brownlees, Mireia Besalú Nom i Cognoms: DNI: Grup: Signeu aquí 1. Ompliu

Más detalles

Distribucions bivariants, independencia, covariància, correlació

Distribucions bivariants, independencia, covariància, correlació Distribucions bivariants, independencia, covariància, correlació Albert Satorra UPF Albert Satorra ( UPF ) AD/E-GRAU Tardor 2015 1 / 29 Continguts 1 Variables aleatòries bivariants (discretes) Distribucions

Más detalles

UPF, Curs Trimestre 1 Probabilitat i Estadística, Examen Primer Trimestre, Probabilitat

UPF, Curs Trimestre 1 Probabilitat i Estadística, Examen Primer Trimestre, Probabilitat UPF, Curs 2015-16 Trimestre 1 Probabilitat i Estadística, Examen Primer Trimestre, Probabilitat Professors: Albert Satorra, Christian Brownlees, Mireia Besalú Nom i Cognoms: DNI: Grup: Signeu aquí 1. Ompliu

Más detalles

TEMA 5 Variables aleatòries: Generalitats

TEMA 5 Variables aleatòries: Generalitats TEMA 5 Variables aleatòries: Generalitats Dep. Estadística i Inv. Operativa Univ. de València Definició de variable aleatòria Una variable aleatòria (v.a.) és una funció que a cada element de l espai mostral

Más detalles

Polinomis i fraccions algèbriques

Polinomis i fraccions algèbriques Tema 2: Divisivilitat. Descomposició factorial. 2.1. Múltiples i divisors. Cal recordar que: Si al dividir dos nombres enters a i b trobem un altre nombre enter k tal que a = k b, aleshores diem que a

Más detalles

TEMA 3: Polinomis 3.1 DEFINICIONS:

TEMA 3: Polinomis 3.1 DEFINICIONS: TEMA 3: Polinomis 3.1 DEFINICIONS: Anomenarem monomi qualsevol expressió algèbrica formada per la multiplicació d un nombre real i d una variable elevada a un exponent natural. El nombre es diu coeficient

Más detalles

PROBLEMA 1 "Especifiqueu les probabilitats que heu de calcular i justifiqueu formalment els passos."

PROBLEMA 1 Especifiqueu les probabilitats que heu de calcular i justifiqueu formalment els passos. Nom: EXAMEN FINAL PROBABILITAT I ESTADÍSTICA GENER 2014 PROBLEMA 1 "Especifiqueu les probabilitats que heu de calcular i justifiqueu formalment els passos." Tenim una moneda trucada de manera que la probabilitat

Más detalles

POLINOMIS. p(x) = a 0 + a 1 x + a 2 x a n x n,

POLINOMIS. p(x) = a 0 + a 1 x + a 2 x a n x n, POLINOMIS Un monomi és una expressió de la forma ax m, on el coeficient a és un nombre real o complex, x és una indeterminada i m és un nombre natural o zero. Un polinomi és una suma finita de monomis,

Más detalles

1. Continuïtat i ĺımit de funcions de vàries variables

1. Continuïtat i ĺımit de funcions de vàries variables Càlcul 2 1. Continuïtat i ĺımit de funcions de vàries variables Dept. de Matemàtica Aplicada I www.ma1.upc.edu Universitat Politècnica de Catalunya 12 Febrer 2012 Copyleft c 2012 Reproducció permesa sota

Más detalles

Llista 1. Probabilitat. (Amb solució)

Llista 1. Probabilitat. (Amb solució) Llista 1 Probabilitat (Amb solució 1 Descriu l espai mostral (Ω associat als següents experiments aleatoris: a Tirem dos daus distingibles i observem els números de les cares superiors b Tirem dos daus

Más detalles

MÍNIM COMÚ MULTIPLE m.c.m

MÍNIM COMÚ MULTIPLE m.c.m MÍNIM COMÚ MULTIPLE m.c.m Al calcular el mínim comú múltiple de dos o més nombres el que estem fent és quedar-nos amb el valor més petit de tots els múltiples que són comuns a aquests nombres. És a dir,

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

3. Per quantificar la incertesa, és habitual establir un marge d'error del... a).0,025. b).0,050%. c).0,050. d).0,025%.

3. Per quantificar la incertesa, és habitual establir un marge d'error del... a).0,025. b).0,050%. c).0,050. d).0,025%. Autoavaluació: Decisió Estadística i Errors Associats a una Prova de Decisió 1 1. Volem decidir quin és el nivell d'ansietat estadística dels estudiants de psicologia a la població en base als nivells

Más detalles

SI ÉS CONVEXA HA DE SER SIMPLE FME, UPC, 3/5/2017. Andreu Mas-Colell, UPF i Barcelona GSE

SI ÉS CONVEXA HA DE SER SIMPLE FME, UPC, 3/5/2017. Andreu Mas-Colell, UPF i Barcelona GSE SI ÉS CONVEXA HA DE SER SIMPLE FME, UPC, 3/5/2017 Andreu Mas-Colell, UPF i Barcelona GSE Basada en recerca conjunta amb el Professor Sergiu Hart de la Universitat Hebrea de Jerusalem (vegis: Hart i Mas-Colell:

Más detalles

Examen Final, PART II PROBLEMES

Examen Final, PART II PROBLEMES 31 de març, 2006 LLICENCIATURA EN CIÈNCIES POLÍTIQUES I DE L ADMINISTRACIÓ, UPF ASIGNATURA: Estadística per les Ciències Polítiques i de l'administració Examen Final, PART II PROBLEMES Nom i cognom...

Más detalles

Aproximar un nombre decimal consisteix a reduir-lo a un altre nombre decimal exacte el valor del qual sigui molt pròxim al seu.

Aproximar un nombre decimal consisteix a reduir-lo a un altre nombre decimal exacte el valor del qual sigui molt pròxim al seu. Aproximar un nombre decimal consisteix a reduir-lo a un altre nombre decimal exacte el valor del qual sigui molt pròxim al seu. El nombre π és un nombre que té infinites xifres decimals. Sabem que aquest

Más detalles

Examen Final 17 de gener de 2013

Examen Final 17 de gener de 2013 MATEMÀTIQUES FIB-UPC Examen Final 7 de gener de 03 a) Representeu gràficament la corba definida per l equació y = x 5x. b) Determineu si el conjunt C = { x R x 5x 6 } és fitat superiorment inferiorment)

Más detalles

DERIVADES. TÈCNIQUES DE DERIVACIÓ

DERIVADES. TÈCNIQUES DE DERIVACIÓ UNITAT 7 DERIVADES. TÈCNIQUES DE DERIVACIÓ Pàgina 56 Tangents a una corba y f (x) 5 5 9 4 Troba, mirant la gràfica i les rectes traçades, f'(), f'(9) i f'(4). f'() 0; f'(9) ; f'(4) 4 Digues uns altres

Más detalles

Sumas/promedios de variables aleatorias

Sumas/promedios de variables aleatorias Sumas/promedios de variables aleatorias Dadas unas variables aleatorias X 1,..., X n, interesa considerar las variables S n = X i o bien Z n = 1 n X i. De las variables S n y Z n querremos calcular sus

Más detalles

POLINOMIS. Divisió. Regla de Ruffini.

POLINOMIS. Divisió. Regla de Ruffini. POLINOMIS. Divisió. Regla de Ruffini. Recordeu: n Un monomi en x és una expressió algebraica de la forma a x on a és un nombre real i n és un nombre natural. A s anomena coeficient i n s anomena grau del

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

Unitat 4. Fraccions algèbriques

Unitat 4. Fraccions algèbriques Unitat 4. Fraccions algèbriques Curs d Anivellament de Matemàtiques Montserrat Corbera / Vladimir Zaiats montserrat.corbera@uvic.cat / vladimir.zaiats@uvic.cat c 2012 Universitat de Vic Sagrada Família,

Más detalles

Unitat 1. Nombres reals.

Unitat 1. Nombres reals. Unitat 1. Nombres reals. Conjunts numèrics: - N = Naturals - Z = Enters - Q = Racionals: Són els nombres que es poden expressar com a quocient de dos nombres enters. El conjunt dels nombres racionals,

Más detalles

Resultat final, sense desenvolupar, dels exercicis i problemes proposats de cada unitat i de l apartat Resolució de problemes. En queden exclosos

Resultat final, sense desenvolupar, dels exercicis i problemes proposats de cada unitat i de l apartat Resolució de problemes. En queden exclosos DE S L U S RE S I V I C LES Resultat final, sense desenvolupar, dels exercicis i problemes proposats de cada unitat i de l apartat Resolució de problemes. En queden exclosos aquells exercicis que requereixen

Más detalles

Cuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.

Cuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. 1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata

Más detalles

SOLUCIONS DE LES ACTIVITATS D APRENENTATGE

SOLUCIONS DE LES ACTIVITATS D APRENENTATGE SOLUCIONS DE LES ACTIVITATS D APRENENTATGE 85 Activitat 1 Calcula l àrea de la figura prenent com a unitat d àrea la quadrícula que hi ha indicada: Activitat Ens referirem a la unitat d àrea amb el símbol

Más detalles

Unitat 2. POLINOMIS, EQUACIONS I INEQUACIONS

Unitat 2. POLINOMIS, EQUACIONS I INEQUACIONS Unitat 2. POLINOMIS, EQUACIONS I INEQUACIONS 2.1. Divisió de polinomis. Podem fer la divisió entre dos monomis, sempre que m > n. Si hem de fer una divisió de dos polinomis, anirem calculant les divisions

Más detalles

UNITAT TAULES DINÀMIQUES

UNITAT TAULES DINÀMIQUES UNITAT TAULES DINÀMIQUES 3 Modificar propietats dels camps Un cop hem creat una taula dinàmica, Ms Excel ofereix la possibilitat de modificar les propietats dels camps: canviar-ne el nom, l orientació,

Más detalles

Probabilitat Lliçons 3 & 4

Probabilitat Lliçons 3 & 4 Probabilitat Lliçons 3 & 4 Albert Satorra UPF Albert Satorra ( UPF ) AD/E-GRAU Tardor 2014 1 / 38 Probabilitat Lliçons 3 & 4 Albert Satorra UPF Albert Satorra ( UPF ) AD/E-GRAU Tardor 2014 2 / 38 Continguts

Más detalles

Part VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones

Part VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones Part VI notables El proceso de Bernoulli En cada observación se clasifica el elemento de la población en una de las dos posibles categorías, correspondientes a la ocurrencia o no de un suceso. Llamaremos

Más detalles

C.F.G.S. M06. Sistemes programables avançats UF1.: Sistemes avançats de control industrial.

C.F.G.S. M06. Sistemes programables avançats UF1.: Sistemes avançats de control industrial. C.F.G.S. Automàtica i Robòtica Industrial M06. Sistemes programables avançats UF1.: Sistemes avançats de control industrial. M06. Sistemes programables avançats UF1.: Sistemes avançats de control industrial.

Más detalles

Manual per a consultar la nova aplicació del rendiment acadèmic dels Graus a l ETSAV

Manual per a consultar la nova aplicació del rendiment acadèmic dels Graus a l ETSAV Manual per a consultar la nova aplicació del rendiment acadèmic dels Graus a l ETSAV Versió: 1.0 Data: 19/01/2017 Elaborat: LlA-CC Gabinet Tècnic ETSAV INDEX Objectiu... 3 1. Rendiment global dels graus...

Más detalles

2.5. La mesura de les forces. El dinamòmetre

2.5. La mesura de les forces. El dinamòmetre D11 2.5. La mesura de les forces. El dinamòmetre Per mesurar forces utilitzarem el dinamòmetre (NO la balança!) Els dinamòmetres contenen al seu interior una molla que és elàstica, a l aplicar una força

Más detalles

Guia docent. 1. Estimació puntual de paràmetres a. Característiques desitjables dels estimadors 2. Estimació per intervals dels paràmetres

Guia docent. 1. Estimació puntual de paràmetres a. Característiques desitjables dels estimadors 2. Estimació per intervals dels paràmetres Guia docent 1. Estimació puntual de paràmetres a. Característiques desitjables dels estimadors 2. Estimació per intervals dels paràmetres 1 1. Estimació puntual de paràmetres a. Característiques desitjables

Más detalles

TEMA 5 : Límits de funcions. Continuïtat

TEMA 5 : Límits de funcions. Continuïtat TEMA : Límits de uncions. Continuïtat.. LÍMIT D UNA FUNCIÓ EN UN PUNT... Conceptes bàsics a c signiica que pren valors cada vegada més pròims a c. Es llegei tendei a c : ;.9;.8;..., ;.9;.99;.999... c -

Más detalles

Àmbit de les matemàtiques, de la ciència i de la tecnologia M14 Operacions numèriques UNITAT 2 LES FRACCIONS

Àmbit de les matemàtiques, de la ciència i de la tecnologia M14 Operacions numèriques UNITAT 2 LES FRACCIONS M1 Operacions numèriques Unitat Les fraccions UNITAT LES FRACCIONS 1 M1 Operacions numèriques Unitat Les fraccions 1. Concepte de fracció La fracció es representa per dos nombres enters que s anomenen

Más detalles

RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL

RESUMEN 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 detalles

Tema 4. El model de regressió múltiple: Inferència. Joan Llull. Materials:

Tema 4. El model de regressió múltiple: Inferència. Joan Llull. Materials: Tema 4. El model de regressió múltiple: Inferència Joan Llull Materials: http://pareto.uab.cat/jllull Tutories: dijous de 11:00 a 13:00h (concertar cita per email) Despatx B3-1132 joan.llull [at] movebarcelona

Más detalles

FUNCIONS REALS. MATEMÀTIQUES-1

FUNCIONS REALS. MATEMÀTIQUES-1 FUNCIONS REALS. 1. El concepte de funció. 2. Domini i recorregut d una funció. 3. Característiques generals d una funció. 4. Funcions definides a intervals. 5. Operacions amb funcions. 6. Les successions

Más detalles

3. Calcula la probabilitat d obtenir un 1 i una X entre els dos llançaments Tenint en compte el diagrama anterior

3. Calcula la probabilitat d obtenir un 1 i una X entre els dos llançaments Tenint en compte el diagrama anterior PROBLEMES DE PROBABILITAT. Escrivim en les cares d una dau tres uns, dues X i un 2. Llancem un dau, Quina és la probabilitat de treure un? I una X? I Un 2? Solució: Espai mostral E={,x,2} No són esdeveniments

Más detalles

UNITAT 3: SISTEMES D EQUACIONS

UNITAT 3: SISTEMES D EQUACIONS UNITAT 3: SISTEMES D EQUACIONS 1. EQUACIONS DE PRIMER GRAU AMB DUES INCÒGNITES L equació x + y = 3 és una equació de primer grau amb dues incògnites : x i y. Per calcular les solucions escollim un valor

Más detalles

Universitat Pompeu Fabra Anàlisi Multivariant, curs Prof. Albert Satorra Prof. Ajudant. Ferran Carrascosa. Deure 4

Universitat Pompeu Fabra Anàlisi Multivariant, curs Prof. Albert Satorra Prof. Ajudant. Ferran Carrascosa. Deure 4 Universitat Pompeu Fabra Anàlisi Multivariant, curs 2011-2012 Prof. Albert Satorra Prof. Ajudant. Ferran Carrascosa Deure 4 Exercici 1. Considereu la matriu X següent: X = 0 1 2 1 0 3 2 3 0 3 4 1 6 3 2

Más detalles

Geometria / GE 2. Perpendicularitat S. Xambó

Geometria / GE 2. Perpendicularitat S. Xambó Geometria / GE 2. Perpendicularitat S. Xambó Vectors perpendiculars Ortogonal d un subespai Varietats lineals ortogonals Projecció ortogonal Càlcul efectiu de la projecció ortogonal Aplicació: ortonormalització

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

SOLUCIONS DE LES ACTIVITATS D APRENENTATGE

SOLUCIONS DE LES ACTIVITATS D APRENENTATGE SOLUCIONS DE LES ACTIVITATS D APRENENTATGE 59 Activitat 1 Llegeix atentament el teorema de Tales. Creus que també és certa la proporció següent? Per què? AB CD A B C D El teorema de Tales diu: AB (A B

Más detalles

VECTORS I RECTES AL PLA. Exercici 1 Tenint en compte quin és l'origen i quin és l'extrem, anomena els següents vectors: D

VECTORS I RECTES AL PLA. Exercici 1 Tenint en compte quin és l'origen i quin és l'extrem, anomena els següents vectors: D VECTORS I RECTES AL PLA Un vector és un segment orientat que és determinat per dos punts, A i B, i l'ordre d'aquests. El primer dels punts s'anomena origen i el segons es denomina extrem, i s'escriu AB.

Más detalles

UNITAT CALCULAR EN UNA BASE DE DADES

UNITAT CALCULAR EN UNA BASE DE DADES UNITAT CALCULAR EN UNA BASE DE DADES 2 Funcions bases de dades A més a més dels càlculs que s han pogut veure en altres unitats, les bases de dades de Ms Excel ens ofereixen la possibilitat d utilitzar

Más detalles

TEMA 6 Distribucions de probabilitat notables

TEMA 6 Distribucions de probabilitat notables TEMA 6 Distribucions de probabilitat notables Dep. Estadística i Inv. Operativa Univ. de València Distribucions discretes Estudiarem tres de les distribucions discretes més utilitzades: BERNOULLI, BINOMIAL

Más detalles

Unitat 2 TEOREMA DE TALES. TEOREMA DE PITÀGORES. RAONS TRIGONOMÈTRIQUES UNITAT 2 TEOREMA DE TALES.

Unitat 2 TEOREMA DE TALES. TEOREMA DE PITÀGORES. RAONS TRIGONOMÈTRIQUES UNITAT 2 TEOREMA DE TALES. Unitat 2 TEOREMA DE TALES. TEOREMA DE PITÀGORES. RAONS TRIGONOMÈTRIQUES 41 42 Matemàtiques, Ciència i Tecnologia 8. TRIGONOMETRIA UNITAT 2 QUÈ TREBALLARÀS? què treballaràs? En acabar la unitat has de ser

Más detalles

MATEMÀTIQUES APLICADES A LES CIÈNCIES SOCIALS. 1r BATXILLERAT

MATEMÀTIQUES APLICADES A LES CIÈNCIES SOCIALS. 1r BATXILLERAT MATEMÀTIQUES APLICADES A LES CIÈNCIES SOCIALS 1r BATXILLERAT Llibre utilitzat: Matemàtiques aplicades a les ciències socials 1, Editorial Castellnou UNITAT 1. ELS NOMBRES REALS 1.1 Classificació dels nombres

Más detalles

Valeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)

Valeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química) Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables

Más detalles

TEMA 2: Múltiples i Divisors

TEMA 2: Múltiples i Divisors TEMA 2: Múltiples i Divisors 4tESO CB Concepte de múltiple 6 és múltiple de 2 perquè 2 3 = 6 24 és múltiple de 8 perquè 8 3 = 24 25 NO és múltiple de 3 perquè no hi ha cap nombre que multiplicat per 3

Más detalles

ELS NOMBRES REALS. MATEMÀTIQUES-1

ELS NOMBRES REALS. MATEMÀTIQUES-1 ELS NOMBRES REALS. MATEMÀTIQUES- ELS NOMBRES REALS.. Els nombres reals.. Intervals de la recta real.. Valor absolut d un nombre real. 4. Notació científica.. Aproximacions i errors. 6. Potències i radicals.

Más detalles

Equacions i sistemes de segon grau

Equacions i sistemes de segon grau Equacions i sistemes de segon grau 3 Equacions de segon grau. Resolució. a) L àrea del pati d una escola és quadrada i fa 0,5 m. Per calcular el perímetre del pati seguei els passos següents: Escriu l

Más detalles

Generalitat de Catalunya Departament d Ensenyament Institut Obert de Catalunya. Avaluació contínua. Cognoms. Centre: Trimestre: Tardor 11

Generalitat de Catalunya Departament d Ensenyament Institut Obert de Catalunya. Avaluació contínua. Cognoms. Centre: Trimestre: Tardor 11 Generalitat de Catalunya Departament d Ensenyament Institut Obert de Catalunya valuació contínua Qualificació prova TOTL Cognoms una lletra majúscula a cada casella: Nom: Centre: Trimestre: Tardor 11 M4

Más detalles

Probabilitat, probabilitat condicionada, independència

Probabilitat, probabilitat condicionada, independència Probabilitat, probabilitat condicionada, independència Curs 2010-11 Continguts Conjunts Dels conjunts a la probabilitat Axiomes de la probabilitat; Conseqüències Mètodes de recompte Probabilitat condicionada

Más detalles

MECANISMES DE TRANSMISSIÓ DE MOVIMENT.

MECANISMES DE TRANSMISSIÓ DE MOVIMENT. MECANISMES DE TRANSMISSIÓ DE MOVIMENT. 1. El títol d aquest capítol fa referència a elements que s encarreguen de transmetre moviments entre dos o més punts. En els següents dibuixos es representen diversos

Más detalles

Introducció a la probabilitat. Curs

Introducció a la probabilitat. Curs Introducció a la probabilitat Curs 2009-10 Continguts Conjunts Dels conjunts a la probabilitat Axiomes de la probabilitat; Conseqüències Mètodes de recompte Probabilitat condicionada i Independència Experiments

Más detalles

Tema 1: TRIGONOMETRIA

Tema 1: TRIGONOMETRIA Tema : TRIGONOMETRIA Raons trigonomètriques d un angle - sinus ( projecció sobre l eix y ) sin α sin α [, ] - cosinus ( projecció sobre l eix x ) cos α cos α [ -, ] - tangent tan α sin α / cos α tan α

Más detalles

UNITAT FUNCIONS D ÚS AVANÇAT

UNITAT FUNCIONS D ÚS AVANÇAT UNITAT FUNCIONS D ÚS AVANÇAT 2 Funcions Matemàtiques i Estadístiques II Les funcions matemàtiques realitzen càlculs matemàtics sobre cel les en concret i sobre un rang de valors determinat. En aquest tema

Más detalles

SOLUCIONS DE LES ACTIVITATS D APRENENTATGE

SOLUCIONS DE LES ACTIVITATS D APRENENTATGE SOLUCIONS DE LES ACTIVITATS D APRENENTATGE 3 Activitat Completa els productes següents. a) 0 = 5... e) 0 = 5... b)... = 5 3 f) 25 =... 5 c) 5 =... g) 55 = 5... d) 30 = 5... h) 40 =...... a) 0 = 5 0 e)

Más detalles

LA FUNCIÓ EXPONENCIAL I LA FUNCIÓ LOGARÍTMICA. FUNCIONS DEFINIDES A TROSSOS. Funció exponencial

LA FUNCIÓ EXPONENCIAL I LA FUNCIÓ LOGARÍTMICA. FUNCIONS DEFINIDES A TROSSOS. Funció exponencial LA FUNCIÓ EXPONENCIAL I LA FUNCIÓ LOGARÍTMICA. FUNCIONS DEFINIDES A TROSSOS. Funció eponencial La funció eponencial és de la forma f () = a, on a > 0, a 1 El valor a s anomena base de la funció eponencial.

Más detalles

MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL

MATEMÁTICAS 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 detalles

Proves d accés a la universitat per a més grans de 25 anys Abril 2017

Proves d accés a la universitat per a més grans de 25 anys Abril 2017 Pàgina 1 de Proves d accés a la universitat per a més grans de anys Abril 017 èrie 1 Part 1 Resoleu QUATRE de les cinc qüestions proposades. [4 punts: 1 punt per cada qüestió] Qüestió 1 Completeu la taula

Más detalles

Prova d accés a la Universitat (2013) Matemàtiques II Model 1. (b) Suposant que a = 1, trobau totes les matrius X que satisfan AX + Id = A, on Id

Prova d accés a la Universitat (2013) Matemàtiques II Model 1. (b) Suposant que a = 1, trobau totes les matrius X que satisfan AX + Id = A, on Id UIB Prova d accés a la Universitat () Matemàtiques II Model Contestau de manera clara i raonada una de les dues opcions proposades. Es disposa de 9 minuts. Cada qüestió es puntua sobre punts. La qualificació

Más detalles

Tema 12. L oferta de la indústria i l equilibri competitiu. Montse Vilalta Microeconomia II Universitat de Barcelona

Tema 12. L oferta de la indústria i l equilibri competitiu. Montse Vilalta Microeconomia II Universitat de Barcelona Tema 12. L oferta de la indústria i l equilibri competitiu Montse Vilalta Microeconomia II Universitat de Barcelona 1 L oferta de la indústria L oferta de la indústria indica quina quantitat de producte

Más detalles

ALUMNES QUE HAN FET 3R ESO A MATEMÀTIQUES

ALUMNES QUE HAN FET 3R ESO A MATEMÀTIQUES MATEMÀTIQUES de la prova de recuperació de setembre a l hora especificada per a la matèria De cada un dels temes següents del teu llibre de text fes un petit resum i fes els exercicis múltiples de cinc

Más detalles

GUIÓ DE L ACTIVITAT ELS AMICS D UN NÚMERO. Material: Multicubs, llapis de colors, fulls quadriculats

GUIÓ DE L ACTIVITAT ELS AMICS D UN NÚMERO. Material: Multicubs, llapis de colors, fulls quadriculats GUIÓ DE L ACTIVITAT ELS AMICS D UN NÚMERO. Material: Multicubs, llapis de colors, fulls quadriculats Amb un número determinat de multicubs, per exemple 12 es demana a alumnat que els enganxin formant un

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 4 : Matrius i Determinants

TEMA 4 : Matrius i Determinants TEMA 4 : Matrius i Determinants MATRIUS 4.1. NOMENCLATURA. DEFINICIÓ Una matriu és un conjunt de mxn elements distribuïts en m files i n columnes, A= Aquesta és una matriu de m files per n columnes. És

Más detalles

Astronomia Fonamental La radiació electromagnètica: qüestions

Astronomia Fonamental La radiació electromagnètica: qüestions Astronomia Fonamental La radiació electromagnètica: qüestions V.J. Martínez, J.A. Miralles, E. Marco i D. Galadí-Enríquez 1. Quina és la diferència entre la magnitud aparent i l absoluta d una estrella

Más detalles

TEMA 2: Múltiples i Divisors. Activitats. 25 NO és múltiple de 3 perquè no hi ha cap nombre que multiplicat per 3 ens doni 25

TEMA 2: Múltiples i Divisors. Activitats. 25 NO és múltiple de 3 perquè no hi ha cap nombre que multiplicat per 3 ens doni 25 TEMA 2: Múltiples i Divisors Activitats Concepte de múltiple 6 és múltiple de 2 perquè 2 3 = 6 24 és múltiple de 8 perquè 8 3 = 24 25 NO és múltiple de 3 perquè no hi ha cap nombre que multiplicat per

Más detalles

NO, la divisió no és exacta. SI, la divisió és exacta. SI, la divisió és exacta. NO, la divisió no és exacta. NO, la divisió no és exacta.

NO, la divisió no és exacta. SI, la divisió és exacta. SI, la divisió és exacta. NO, la divisió no és exacta. NO, la divisió no és exacta. 1. Comprova si hi ha relació de divibilitat entre aquestos nombres. a) 224 i 40 1 NO, la divisió no és exacta. b) 450 i 50 c) 400 i 16 d) 654 i 32 NO, la divisió no és exacta. e) 568 i 46 NO, la divisió

Más detalles

Les Arcades. Molló del terme. Ermita la Xara. Esglèsia Sant Pere

Les Arcades. Molló del terme. Ermita la Xara. Esglèsia Sant Pere Les Arcades Molló del terme Ermita la Xara Esglèsia Sant Pere Pàg. 2 Monomi Un monomi (mono=uno) és una expressió algebraica de la forma: *+,-=/, 1 on R N., rep el nom d indeterminada o variable del monomi,

Más detalles

INTERACCIÓ GRAVITATÒRIA

INTERACCIÓ GRAVITATÒRIA INTERACCIÓ GRAVITATÒRIA REPÀS FÓRMULES DE MOVIMENT MRU MRUA CAIGUDA LLIURE MRUA on MCU LLEIS DE KEPLER 1ª. Tots els planetes es mouen al voltant del sol seguint òrbites el líptiques. El Sol està a un dels

Más detalles

Matemàtiques 1 - FIB

Matemàtiques 1 - FIB Matemàtiques 1 - FIB 8-1-016 Examen F1 Grafs JUSTIFIQUEU TOTES LES RESPOSTES 1 (a) [05 punts] Doneu la definició de la matriu d incidències d un graf (b) [15 punts] Enuncieu i proveu el Lema de les encaixades

Más detalles

Distribuciones de probabilidad más usuales

Distribuciones de probabilidad más usuales Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y

Más detalles

REPRESENTACIÓ DE FUNCIONS

REPRESENTACIÓ DE FUNCIONS 1. FUNCIONS PRINCIPALS REPRESENTACIÓ DE FUNCIONS 1.1 Rectes Forma: 4 5 1.2 Paràboles Forma: 1.3 Funcions amb radicals Forma: 1.4 Funcions de proporcionalitat inversa Forma: 1.5 Exponencials Forma: 2 1.6

Más detalles

MÚLTIPLES I DIVISORS

MÚLTIPLES I DIVISORS MÚLTIPLES I DIVISORS DETERMINACIÓ DE MÚLTIPLES Múltiple d un nombre és el resultat de multiplicar aquest nombre per un altre nombre natural qualsevol. 2 x 0 = 0 2 x 1 = 2 2 x 2 = 4 2 x 3 = 6 2 x 4 = 8

Más detalles

Un sistema lineal de dues equacions amb dues incògnites és un conjunt de dues equacions que podem representar de la manera:

Un sistema lineal de dues equacions amb dues incògnites és un conjunt de dues equacions que podem representar de la manera: Un sistema lineal de dues equacions amb dues incògnites és un conjunt de dues equacions que podem representar de la manera: ax + by = k a x + b y = k Coeficients de les incògnites: a, a, b, b. Termes independents:

Más detalles

.../... Atenció l'examen continua a l'altra pàgina

.../... Atenció l'examen continua a l'altra pàgina Generalitat de Catalunya Departament d Ensenyament Institut Jaume Balmes Departament de Matemàtiques 1r BATX MA 2n quadrimestral (Global del 2n BLOC) Nom i Cognoms: Grup: Data: Nota molt important: S han

Más detalles

Esquema Matemáticas CCSS

Esquema Matemáticas CCSS Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer

Más detalles

Matemàtiques 3 Curs /Q1 - Primer Parcial. 31/10/13 Grup M4 Professor/a: Núria Parés

Matemàtiques 3 Curs /Q1 - Primer Parcial. 31/10/13 Grup M4 Professor/a: Núria Parés Matemàtiques 3 Curs 2013-2014/Q1 - Primer Parcial. 31/10/13 Grup M4 Professor/a: Núria Parés Nom: Calculadora: [Competència Genèrica - 5% de la nota final de l assignatura] a) Expresseu el nombre 9.625

Más detalles

1. SISTEMA D EQUACIONS LINEALS

1. SISTEMA D EQUACIONS LINEALS 1. SISTEMA D EQUACIONS LINEALS 1.1 Equacions lineals Una equació lineal està composta de coeficients (nombres reals) acompanyats d incògnites (x, y, z,t..o ) s igualen a un terme independent, i les solucions

Más detalles

Función característica. Sean X e Y v.a. en (Ω, A, P), Z = X + iy es una variable aleatoria compleja, es decir, Z : Ω C.

Función característica. Sean X e Y v.a. en (Ω, A, P), Z = X + iy es una variable aleatoria compleja, es decir, Z : Ω C. Función característica Sean X e Y v.a. en (Ω, A, P), Z = X + iy es una variable aleatoria compleja, es decir, Z : Ω C Z(w) =X(w)+i Y(w) w Ω La esperanza de Z se define: si E(X)

Más detalles

Universidad Nacional de La Plata

Universidad Nacional de La Plata Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.

Más detalles

operacions inverses índex base Per a unificar ambdues operacions, es defineix la potència d'exponent fraccionari:

operacions inverses índex base Per a unificar ambdues operacions, es defineix la potència d'exponent fraccionari: Potències i arrels Potències i arrels Potència operacions inverses Arrel exponent índex 7 = 7 7 7 = 4 4 = 7 base Per a unificar ambdues operacions, es defineix la potència d'exponent fraccionari: base

Más detalles

Examen FINAL M2 FIB-UPC 11 de gener de 2017

Examen FINAL M2 FIB-UPC 11 de gener de 2017 Examen FINAL M FIB-UPC 11 de gener de 017 1. (3 punts) Sigui {a n } la successió tal que: a 1 = 56 i a n+1 = a n per a tot n > 1. a) Proveu que 1 a n 56, per a tot n 1. b) Proveu que {a n } és decreixent.

Más detalles

A.1 Dar una expresión general de la proporción de componentes de calidad A que fabrican entre las dos fábricas. (1 punto)

A.1 Dar una expresión general de la proporción de componentes de calidad A que fabrican entre las dos fábricas. (1 punto) e-mail FIB Problema 1.. @est.fib.upc.edu A. En una ciudad existen dos fábricas de componentes electrónicos, y ambas fabrican componentes de calidad A, B y C. En la fábrica F1, el porcentaje de componentes

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

Variables aleatòries

Variables aleatòries Variables aleatòries 2009-10 Variables aleatòries Definicions bàsiques i propietats Funció (de massa) de probabilitat PF (o FP) Variables aleatòries discretes Funció de distribució (acumulativa) DF (o

Más detalles

Variables aleatòries

Variables aleatòries Variables aleatòries 2010-11 Variables aleatòries Definicions bàsiques i propietats Variables aleatòries discretes, funció (de massa) de probabilitat, exemples, funció de distribució Variables aleatòries

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

Solució de l Examen final 22 de juny de 2012

Solució de l Examen final 22 de juny de 2012 ETS d Enginyeria de Telecomunicació de Barcelona PROBABILITAT, PROCESSOS ESTOCÀSTICS I ESTADÍSTICA Solució de l Examen final 22 de juny de 22. En un sistema multiprocessador amb n processadors P,P 2,...,P

Más detalles

MATEMÀTIQUES Versió impresa ESTADÍSTICA

MATEMÀTIQUES Versió impresa ESTADÍSTICA MATEMÀTIQUES Versió impresa ESTADÍSTICA 1. RepÀs d estadística unidimensional 1.1. Freqüències absoluta i relativa Si ho recordeu, una de les primeres magnituds que es calcula en un estudi estadístic és

Más detalles