ESTADÍSTICA MATEMÀTICA I. Recull de problemes

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

Download "ESTADÍSTICA MATEMÀTICA I. Recull de problemes"

Transcripción

1 ENSENYAMENT D ESTADÍSTICA ESTADÍSTICA MATEMÀTICA I Recull de problemes Curs prmer quatrmestre Esteba Vegas Fracesc Olva Barceloa, Setembre de 000 DEPARTAMENT D'ESTADÍSTICA Sère de Quaders Docets del Departamet d'estadístca.

2 ESTADÍSTICA MATEMÀTICA I PROBLEMES Repàs de varable aleatòra.. Sgu X ua varable aleatòra amb fucó de dstrbucó 0 s x < ( + x) 9 s x < 0 F( x) = ( + x ) 9 s 0 x < s x Calculeu: a) P( X = ) ( ) ( ) d) PX { x; x+ x > } b) PX [, 3) c) PX ( 0, ] (, ) ( ). Sgu X ua varable aleatòra amb destat f ( x) = ke x calculeu les probabltats PX, ( ) ( ) a) [ ] b) PX { x; x+ x 3 3}. Trobeu el valor de k 3. Sgu X ua varable aleatòra amb dstrbucó de Raylegh a) Calculeu la fucó de dstrbucó. x x exp x f ( x) = α α s 0 0 s x < 0 b) Calculeu l'esperaça, la medaa, la moda, la varàca la desvacó absoluta medaa. c) L'ampltud d'ua seyal de radar evada des de la superfíce del mar seguex ua dstrbucó de Raylegh. Calculeu α sabet que les mesures efectuades mostre que l'ampltud supera a x o e el 3% dels casos, esset x o = l 003..

3 4. Es coex com a fucó de rsc d'ua varable aleatòra cotua o egatva T la fucó rt () = f() t [ Ft ()], o f és la fucó de destat F és la fucó de dstrbucó. a) Determeu la fucó de dstrbucó a partr de la fucó de rsc. b)caractertzeu les varables aleatòres amb rsc costat. c) Calculeu la fucó de rsc d'ua varable amb dstrbucó de Raylegh. x 5. Sgu X ua varable aleatòra amb fucó de dstrbucó F( x) =, x (F( x) = 0 e cas cotrar). Calculeu l'esperaça la varàca. [ ] 6. La durada e muts de les trucades e u telèfo públc té la següet dstrbucó de probabltat 0 x < 0 F( x) = x/ [ x/ ] e e x s 3 3 s 0 Qua és la probabltat de que ua trucada dur més de ss muts? I de que dur tres muts?. 7. Calculeu l'esperaça la varàca d'ua varable aleatòra amb fucó de destat a) k k λx λ x e f ( x) = s x > 0 ( λ > 0; k = 345,,,...) ( k )! b) 0 s x 0 λ x e x > (, > ; =,..., ; = ) f ( x) = α λ s 0 α 0 λ 0 α = 0 s x 0 8. Sgu X ua varable aleatòra amb dstrbucó uforme e l'terval [, ]. Trobeu la destat de Y = X de Z = X. 9. Sgu X ua varable aleatòra absolutamet cotua amb fucó de dstrbucó F. Demostreu que la varable aleatòra Y = F( X) té dstrbucó uforme e l'terval [ 0, ]. 0. Sgu X ua varable aleatòra amb fucó de dstrbucó F( x) = ( x+) 3 x [ ), (F( x) = 0 s x < ; F( x) = s x ). Calculeu l'esperaça la varàca s

4 Vectors aleators: Dscrets cotus. Es llaça u dau equlbrat. Sgu X, Y les varables aleatòres defdes per: X = s el resultat és sear s el resultat és parell s el resultat és, o 3 Y = 0 s el resultat és 4 s el resultat és 5 o 6 a) Trobeu les fucos de probabltat de dstrbucó cojuta les fucos de probabltat margals. b) Calculeu P( X + Y = 0 Y 0) P( X = X + Y = ). Sgu ( XY, ) ua varable aleatòra bdmesoal dscreta amb fucó de destat: x y ( ) ( 3 ) s, {} 0 k x y N f ( x, y) = e qualsevol altre cas a) Trobeu la costat k. b) Calculeu les fucos de probabltat margals la fucó de dstrbucó cojuta. Só les varables X, Y estocàstcamet depedets? P ( 3 X 5) ( 5 Y 0). c) Calculeu [ ] 3. La fucó de destat de probabltat cojuta de dues varables aleatòres X, Y és: k( x + y) s x ( 0, ), y ( 0, ) f ( x, y) = 0 e qualsevol altre cas a) Trobeu la costat k. b) Calculeu les fucos de destat margals, l'esperaça la varàca de X Y. c) Só les varables estocàstcamet depedets? d) Trobeu la fucó de destat de Y codcoada a X = x. 4. La fucó de dstrbucó de probabltat cojuta de dues varables aleatòres X, Y és: 0 s x 0 o y 0 x ρ y F( x, y) = ( e ) ( e ) s x y > 0 x y ρ ( e )( e ) s y > x > 0

5 esset ρ u paràmetre que verfca 0 ρ. a) Trobeu les fucos de dstrbucó margals de X, Y. b) Trobeu la fucó de destat cojuta. c) Só les varables estocàstcamet depedets?. Qua relacó h ha etre les dues varables s ρ =?. 5. Doades les dues fucos de destat bdmesoals següets: 3 ( 5x+ y) ) f ( x, y) = kx y e s x 0, y 0 3 ( x+ y) ) f ( x, y) = k( x + y ) e s x 0, y 0 Trobeu e cada cas: a) la costat k. b) les fucos de destat margals. c) la fucó de destat codcoada f ( y x). Só les varables estocàstcamet depedets? 6. La fucó de destat de probabltat cojuta de dues varables aleatòres X, Y és: f ( x, y) = k(cosx+ cos y) s 0 x π/, 0 y π/ Calculeu: a) la costat k. b) la fucó de dstrbucó cojuta les fucos de dstrbucó margals. Só X, Y depedets? c) esperaça varàca de X, Y. P ( X π/ ) ( Y π/ ) PX π/ 6 Y π/ 3 d) [ 6 3 ] [ ] PX [ π/ 6 Y= π/ 3] P( X + Y ) P( X <π/ 4) 7. Sgu ( XY, ) u vector aleator amb fucó de destat uforme ds el recte delmtat per x = 0, y = 0 x+ y =. a) Trobeu la fucó de destat la fucó de dstrbucó cojuta. b) Calculeu les fucos de destat margals. Só X, Y depedets? P / Y 7/ 8 X = / 3. c) Calculeu [ ] 8. Com és sabut, e u sorteg qualsevol de la LOTO 6/49 s'extreue sese retorar ss (dexat apart el complemetar) de les 49 boles (umerades del fs al 49). Sgu les varables aleatòres X = "ombre de boles (de les ss) amb xfra sear",

6 Y = 0 s el ombre més pett ha e cas cotrar estat feror a 0 a) Costruïu les fucos de probabltat margals la cojuta. b) Só X, Y depedets? Trobeu la fucó de destat de X codcoada a Y. 9. Sgu el vector aleator ( XYZ,, ) amb fucó de destat kxyz s ( x, y, z) C f ( x, y, z) = 0 e cas cotrar C = ( x, y, z) / 0 x, 0 y, 0 z 3. Calculeu: o { } a) la costat k. b) totes les fucos de destat margals, uvarats bvarats. Só les tres varables estocàstcamet depedets? c) la fucó de destat del vector aleator ( XY, ) codcoat per la varable Z. P ( X < / ) ( Y > / ) ( < Z < ). d) [ ] 0. Sgu el vector aleator ( XYZ,, ) amb fucó de destat Trobeu: x y z { + + } kxy exp 3 s x, y, z 0 f ( x, y, z) = 0 e cas cotrar a) la costat k. b) totes les fucos de destat margals, uvarats bvarats. Só les tres varables estocàstcamet depedets? Só XY, depedets? c) PX ( < Y< Z).. Es tre puts a l'atzar e C R, o C = { x y y x } (, ) / 0. Calculeu: a) les fucos de destat de dstrbucó cojuta de la varable aleatòra bdmesoal ( XY., ) b) les fucos de destat margals les fucos codcoades. c) E( X), E( Y), Var( X ), Var( Y), E ( Y X = x) Var( Y X = x). d) Comproveu per aquesta dstrbucó bvarat les següets gualtats (certes per a qualsevol dstrbucó bvarat, suposat que E( X), E( Y), Var( X ) Var( Y) sgu ftes): [ ( )] = ( ) ( ) = [ ( )] + [ ( )] EEYX EY VarY EVarYX VarEYX

7 e) Sgu U, U dues varables aleatòres depedets amb dstrbucó uforme e l'terval [ 0, ]. Demostreu que els valors que pre el vector aleator ( max { U, U }, m { U, U }) só puts a l'atzar e C.. Sgu el vector aleator ( XY, ) amb fucó de probabltat f ( x, y) = k xy,,,, ; x y 3 x 3 y 4 = x y a) Trobeu la costat k. b) Calculeu P[ ( 0< X ) ( Y = 3) ]. c) Calculeu PX (. ) 3. Cosderem tres llaçamets d'ua moeda defm les següets varables aleatòres: X = "ombre de cares obtgudes", Y = "ombre de creus abas de la prmera cara". Calculeu: a) La fucó de probabltat cojuta les margals. b) La fucó de dstrbucó de X codcoada a Y = 0.

8 Cav de varables. 4. Sgu XY, dues varables aleatòres depedets. La destat de la varables X és f ( x) = ( x) s 0 x, metre que la de Y és f ( y) = e y s y > 0. Calculeu la probabltat de que el quocet X / Y sgu feror a. 5. Sgu XY, dues varables aleatòres depedets amb dstrbucó N( 0, ). Calculeu el valor del paràmetre a per tal de que les oves varables U X + = Y a sgu també N( 0, ) depedets. V X Y = a 6. Sgu XY, dues varables aleatòres depedets amb dstrbucó expoecal de paràmetres α β respectvamet. a) Calculeu la fucó de destat cojuta de les varables U = ax + by, V = ax by. b) Só U, Vvarables estocàstcamet depedets?. P ( U ) ( V ). c) Calculeu ( ) 7. Sgu XY, dues varables aleatòres depedets amb dstrbucó uforme e l'terval ( 0, ). Determeu la fucó de destat calculeu l'esperaça de la varable { } { } R = max X, Y m X, Y 8. Sgu X ua varable aleatòra amb dstrbucó expoecal de paràmetre α. a) Cosderem la varable aleatòra Y = X, β>0. Trobeu la dstrbucó de la varable aleatòra Y, coeguda com dstrbucó de Webull de paràmetres α, β. b) Demostreu que la varable aleatòra Z = m { Y,!, Y } seguex ua dstrbucó de Webull α, β s les varables Y,!, Y só depedets dètcamet dstrbuïdes a Y. 9. Sgu X,!, X varables aleatòres depedets dètcamet dstrbuïdes. a) Calculeu la fucó de destat cojuta de les varables W = max { X,!, X} Z = m { X,!, X} b) Suposem que la dstrbucó de X ( =,!, ) és uforme e l'terval ( 0, ). / β b.) Calculeu la dstrbucó de R = W Z b.) Calculeu la dstrbucó de Q = Z W.

9 30. Sgu XY, dues varables aleatòres depedets amb fucó de destat f ( x) = s 0< x <, f ( y) = ( + y) s y > 0 a) Calculeu la fucó de dstrbucó de la varable aleatòra "àrea del rectagle de base X alçàra Y". b) Trobeu, s exstex, l'esperaça de l'àrea del rectagle ateror. 3. Sgu XY, dues varables aleatòres depedets tals que X es dstrbuex segos ua uformemet e l'terval (, 3 ), metre que la fucó de destat de Y és y fy ( y) = e s y > Trobeu la fucó de destat cojuta de les oves varables V = X / Y W = XY. 3. Sgu XY, dues varables aleatòres depedets amb dstrbucó N( 0, ). Trobeu les fucos de destat de les oves varables Z = X + Y W = arctg( Y / X) (0 < W < π). Demostreu que Z W só depedets. Coefcet de correlacó, regressó leal corba de regressó. 33. Trobeu el coefcet de correlacó de les varables XY, del problema del problema Trobeu el coefcet de correlacó de les varables XY, del problema 7 del problema. 35. Sgu XY, dues varables aleatòres depedets amb dstrbucó uforme e l'terval ( 0, ). Calculeu el coefcet de correlacó etre les varables U = XY V = ( X)( Y). 36. Sgu XY, dues varables aleatòres amb dstrbucó uforme e l'terval (, ). a) Trobeu el cojut de possbles valors que pot predre a = Cov( X, Y). Determeu el valor de a e els següets casos: ) XY, depedets, ) X = Y. b) Sgu Z = X k, k N. Trobeu k de maera que Cov( X, Z) = 0. Iterpreteu el resultat.

10 37. Sgu X, X dues varables aleatòres qualsevol amb la codcó de que exstex la seva varàca és o ul la. Determeu el coefcet de correlacó de les varables aleatòres Y = X + X Y = X X. Què succeex s X, X só depedets? 38. Sgu X,!, X varables aleatòres d (depedets dètcamet dstrbuïdes), amb mtjaa µ desvacó típca σ. Defm les oves varables aleatòres Y = X =,!, j= j Calculeu el coefcet de determacó (ρ ) etre Y geeraltat que k ) Y k (suposeu sese pèrdua de 39. Doades varables X,!, X qualsevol amb varàca coeguda fta, calculeu la mtjaa la varàca de la varable aleatòra Y = ( a X + b ) = 40. Sgu XY, dues varables aleatòres reduïdes amb correlacó ρ( XY, ) = 05.. Axí matex, sgu també Z, W ues altres dues varables reduïdes amb correlacó ρ( ZW, ) = Defm el parell de varables U, Vde la maera següet ( XY, ) amb probabltat p ( UV, ) = ( ZW, ) amb probabltat p ( 0< p < ). Calculeu ρ( UV, ). 4. Sgu X ua varable aleatòra amb dstrbucó uforme e l'terval ( 0, ). Cosderem la varable aleatòra Y = X a, o a ( 0, ). Calculeu el coefcet de correlacó etre X Y. Exstex algu valor de a pel qual les dues varables sgu correlacoades? 4. Sgu la fucó de destat bvarat y f ( x, y) = k( x+ e ) 0< x <, 0< y < Calculeu el coefcet de correlacó ρ( XY,, ) les rectes de regressó mím quadràtques les corbes de regressó.

11 43. Sgu la fucó de destat bvarat 3 f ( x, y) = k( x + y ) 0 x, 0 y Calculeu el coefcet de correlacó ρ( XY,, ) les rectes de regressó mím quadràtques les corbes de regressó. Iterpreteu els resultats. 44. Ua varable aleatòra bdmesoal dscreta XY, té la següet fucó de probabltat f ( x, y ) = k( + j) x =,,!, ; y =,,!, q j j a) Trobeu la costat k. b) Calculeu E( X), E( Y), Var(X), Var(X). c) Calculeu el coefcet de correlacó ρ( XY, ) 45. Sgu ( XY, ) ua varable aleatòra bdmesoal de la qual es coex que les rectes de regressó só y = ( x+ 9) 5 x = ( y+ 8) Trobeu el coefcet de correlacó etre X Y. 46. Sgu ( XY, ) ua varable aleatòra bdmesoal amb fucó de destat f ( x, y) = 3y / 8 s y 0, xy <, y < x ( f ( x, y ) = 0 e cas cotrar). Trobeu les rectes de regressó, el coefcet de correlacó les corbes de regressó.

12 Fucó geeratru de momets fucó característca. 47. Es du que ua varable aleatòra X seguex ua fucó degeerada o de Drac, D(s), qua agafa u sol valor s R amb probabltat gual a, és a dr, s x = s p( x) = 0 cas cotrar Obteu la fucó característca, la fucó geeratru de momets, el momet d'ordre k respecte a l'orge la varàca. 48. Calculeu la fucó característca la fucó geeratru de momets de les següets varables aleatòres: a) Ua uforme etre (α, β) b) Ua expoecal de paràmetre α. c) Ua ormal tpfcada. d) Ua gamma de paràmetres α r e) Ua Laplace estàdard f) Ua Cauchy estàdard 49. Demostreu que la suma de varables aleatòres Beroull de paràmetre p és ua bomal de paràmetres p, utltzat com ea, la fucó característca. 50. Utltzat la fucó característca tpfcada o estàdard que correspogu obteu la fucó característca geeral de : a) Ua ormal de paràmetres µ σ. b) Ua Cauchy de paràmetres µ λ 5. Sgu la varable aleatòra amb fucó de destat Determeu: a) Fucó característca. f ( x) = e x s x > 0 b) La varàca a través de la fucó característca c) La fucó característca de R = 0,5X + 3

13 5. Mtjaçat l aplcacó de les propetats de les fucos característques es demaa les següets pregutes: a) És la suma de dos varables depedets de Posso de paràmetres 3, ua varable de Posso de paràmetre 5? b) És la seva dfereca ua varable de Posso de paràmetre? c) És la varable ormal reproductva respecte a ambdós paràmetres? 53. La fucó de destat cojuta de dues varables XY, és ( x+ y) f ( x, y) = e s y > x > 0 Trobeu la fucó geeratru de momets bvarat, mtjaçat aquesta fucó, calculeu el coefcet de correlacó ρ( XY., ) 54. Sgu XY, dues varables aleatòres d amb fucó geeratru de momets M ( t) = e t( t+ 3) t R Calculeu la fucó geeratru de momets de la varable Z = X 3Y La fucó de destat cojuta de dues varables aleatòres XY, és (, ) = x f x y e s x > y > 0 a) Trobeu la fucó característca bvarat les margals. b) Calculeu el coefcet de correlacó ρ( XY, ) utltzat la fucó característca. c) Obteu la fucó característca cojuta de les varables R = X + Y S = X + Y 56. Sgu X ua varable aleatòra uforme sobre l'terval (-/,/). Sgu X, X,...,X ua successó de varables aleatòres depedets també uformes (-/,/). a) Qua és l expressó de la fucó geeratru de momets M X (t) de la fucó característca C X (t) de X b) Utltzat la fucó geeratru M X (t) o la fucó característca, demostra que L X N 0 (,) = qua 57. Sgu X ua varable aleatòra Posso de paràmetre λ. Sgu X, X,...,X ua successó de varables aleatòres depedets també Posso de paràmetre λ. a) Troba la fucó geeratru de momets M X (t) la fucó característca C X (t) de X.

14 b) S sabet que λ =, utltzat la fucó geeratru de momets o la fucó característca, demostra la covergèca e probabltat de p X qua = 58. Obteu la fucó de destat o probabltat de massa, segos el cas, a partr de la fucó característca utltzat el teorema d versó e el següet casos. a) Dstrbucó de Cauchy estàdard b) Dstrbucó Beroull

15 Covergèces estocàstques. Lles dels gras ombres. Teorema cetral del límt. 59. Sgu X, X,..., X varables aleatòres uformes (a, b) depedets. a) Demostreu que Y = m{x, X,..., X } covergex e probabltat al valor a b) Demostreu que Y = max{x, X,..., X } covergex e probabltat al valor b 60. Sgu X, X,..., X varables aleatòres depedets gualmet dstrbuïdes. Cosderem les successos Y = max{x, X,..., X } Z = (- Y ) a) Prova que s la dstrbucó comú de X, X,..., X és uforme (0,) aleshores Z covergex e lle a ua varable amb dstrbucó expoecal de paràmetre α=. b) Prova que s la dstrbucó comú de X, X,..., X és expoecal de paràmetre α, aleshores W = m{x, X,..., X } és també expoecal per a qualsevol. Dscutex la dferèca amb el cas ateror. 6. Cosdere la successó de varables aleatòres depedets X, X,..., X o cada X és Posso de paràmetre λ = /. a) Demostra la covergèca X 0 especfcat el tpus de covergèca: ordàra, e probabltat, e dstrbucó, etc b) Estuda s la successó de v. a. {Y } tal que Y = X, Y = X + X,..., Y = X + X,+...+ X,... també covergex. 6. Sgu (X, Y) dues varables aleatòres depedets amb dstrbucó absolutamet cotua o E(X) = /3, E(Y) = 7/6, Var(X) = /36 Var(Y) = /36. Sgu (X, Y ), (X, Y ),..., (X, Y ) parelles de v.a. depedets amb la matexa dstrbucó que (X, Y). Suposem gra. Calcula la probabltat: P(X + X X + (/) < Y + Y Y )

16 63. Quates vegades s haurà de llaçar u dau per tal que la probabltat de l esdevemet {que la freqüèca relatva del ombre de vegades que surt el 6 sgu dferet de /6 e meys de 0.0 } sgu més gra o gual que 0.95 a) Utltzat la desgualtat de Tchebychev b) Utltzat el teorema de Laplace-Movre. c) Cometa els resultats. 64. Sgu ua successó de varables aleatores {X } defdes com: P X = = P X = = Covergexe e probabltat? Covergexe cas seguramet? 65. Sgu ua successó de varables aleatores {U } amb dstrbucó uforme [-, ]. Estudar s aquesta successó covergex e dstrbucó. 66. Demostreu que s es complex: aleshores també es cert que X X d c p c 67. Sgu {X, } ua successó de varables aleatòres depedets amb fucó de massa p (k) = P(X = k), k = 0,,,...; =,,... sgu p(k) = P(X = k) la fucó de massa d'ua varable aleatòra X. Demostreu que ua codcó ecessàra sufcet per a que X covergex e dstrbucó cap a X és que p (k) p(k), k 68. Demostreu que la dstrbucó bomal (, p) covergex cap a la dstrbucó de Posso (λ=p) qua p Sgu {X, } ua successó de varables aleatòres amb dstrbucó χ amb graus de llbertat. Demostreu que X / covergex e dstrbucó a. 70. Sgu {X, } ua successó de varables aleatòres amb dstrbucó t Studet amb graus de llbertat. Demostreu que X covergex e dstrbucó a ua varable aleatòra X amb dstrbucó ormal tpfcada.

17 Dstrbucos multvarats otables. 7. Sgu XY, dues varables aleatòres amb dstrbucó N( 0, ) amb coefcet de correlacó 0.5. Suposem edemés que la dstrbucó cojuta és ormal bvarat. a) Qua és la dstrbucó de la varable aleatòra Z = X 7Y + 8? b) Calculeu P( Y > X + ). 7. Sgu X ua varable aleatòra amb dstrbucó N( 0, ). Suposem que la dstrbucó d'ua altra varable aleatòra Y codcoada a X = x seguex ua dstrbucó N( x, ). És cert que la varable bdmesoal ( XY, ) seguex ua dstrbucó ormal bvarat? 73. Sgu ( XY, ) ua varable aleatòra amb dstrbucó ormal bdmesoal de paràmetres µ = Σ = 6 ( 50 45) 4 Trobeu la dstrbucó cojuta de les varables aleatòres U = 4X + Y V = X + 4Y calculeu les probabltats PU ( 50) PV ( > 0). 74. La dstrbucó cojuta del vector aleator X = ( X X X3 ) és N ( µ, Σ ), o 9 µ = ( 0) Σ = 3 a) Calculeu la matru de correlacos. b) Calculeu P( X + X + X ). 3 3 c) Trobeu a de maera que la varable Z = ax + X sgu estocàstcamet depedet de X L'ESA (Agèca Europea de l'espa) està preparat u vol o trpulat a Mart. Sgu XY, les desvacos e els dos exos del pla respecte al put d'aterratge. Suposem que XY, só dues varables aleatòres depedets amb dstrbucó ormal, amb esperaça zero varàces guals. Qua ha de ser la desvacó estàdard màxma permesa per tal de que puguem assegurar amb ua probabltat del 99% de que el vehcle espacal aterrarà a meys de 00 metres del lloc escollt?

18 76. A ua poblacó, els quatre grups sagus es trobe dstrbuïts segos els percetatges: O = 45% A = 43% B = 8% AB = 4% a) Escollm a l'atzar e codcos depedets 0 dvdus de la poblacó. Calculeu la probabltat de que quatre sgu del grup O, tres del A, dos del B u de l'ab. b) Qua és la probabltat de que dels 0 dvdus al meys u sgu del grup AB?. c) Qua és la probabltat de que dels 0 dvdus al meys u sgu del grup B o del grup AB?.

19 ESTADÍSTICA MATEMÀTICA I SOLUCIÓ DELS PROBLEMES Repàs de varable aleatòra.. (a) /3 (b) 7/8 (c) 3/36 (d) 9/36. k = / (a) - e - (b) /(-e -3 + ) x 3. (a) F( x) = exp α, x 0 (b) E( x) =α π Moda(x) = α Med( x) =α l( ) E( x - Med(x) ) = α Var x α π ( ) = ( ) Med( x) l( ) + π 5, ( 0, ) F α N (c) α= 4. t (a) F() t = exp rxdx ( ), t 0 (b) Ft () = exp( ct), t 0 t (c) r()= t, t 0 α 5. E(x) = Var (x) = 6. P(X > 6) = e -, P(X = 3) = /( - e - ) 0 7. (a) E(x) = k λ, Var (x) = k (b) E(x) = α α α, Var (x) = λ = λ = λ = λ y 8. f ( y) = y [ 0,, ] f () z = z [ 0, ] 9. F(y) = P(Y y) = P(F(x) y) = E(x) = 43, Var (x) =0,844 3

20 Vectors aleators: Dscrets cotus. /, s y = -. (a) P(x) = /, x = -, ; Py ( ) = / 6, s y = 0 / 6, s y = xy ( Pxy (, ) = /6, s (, ) = -, -) / 6, s ( xy, ) = (-, ), (, -), (, 0), (, ), s x, y /, s - x <, y o x, - y < 0 F( x, y) = / 3, s - x <, - y < / 3, s x, 0 y < 0, s x < o y < - (b) P( X + Y = 0 Y 0) = /4, P( X = X + Y = ) = x. (a) k = / (b) Px ( ) = x N {} 0 ; Py ( ) = y N {} ; 4 4 F( x, y) = 0 [ y] [ x] ( (3/ 4) ) ( / 3) ( ) (c) P[ ( 3 X 5) ( 5 Y 0) ] = 0,00458 s x, y ; S s x < o y < 3. (a) k = 6/5 6 6 (b) f ( x) = x + s x ( 0, ) ; f ( y) = y+ s y ( 0, ) E(x) = E(y) = 3/5, Var (x) = /5, Var (y) = / 50, (c) No x + y s y ( 0, ) (d) f ( y X = x) = x + / 0 e qualsevol altre cas 4. (a) x ( e ) s x > 0 F( x) = 0 y ( ) e qualsevol altre cas ; e F( y) = 0 y s y > 0 e qualsevol altre cas

21 0 s x 0 o y 0 x ρ ( x+ y) e e s x y > 0 (b) f ( x, y) = ( ρ)( ) ( ρ)( ) (c) No, ρ = X = Y y ρ ( x+ y) e e s y > x > 0 5. Fucó : (a) k = 500/3 5 5x 8 3 y (b) f ( x) = x e s x 0; f ( y) = y e s y 0 3 (c) f ( y X = x) = f ( y) Fucó : (a) k = /8 x (b) ( ) (c) 6. (a) k = /π (b) f ( x) = e x + 6 x ( + ) y 3 s ; ( ) f ( y) = e y + s y 0 8 y x y e f ( y X = x) = s x 0, y 0 x + 6, No 0 e qualsevol altre cas 0 ( y se x + x se y) π π π F( x, y) = ( se x + x se ) π π π ( se y + y se ) π 0 s x < 0 se x x F ( x) = + s 0 x π/, π s x > π/ s x < 0 o s x > π /, s x > π /, y < 0 s 0 x π /, s 0 x π /, 0 y π / y > π / 0 y π / y > π / 0 se y y F( y) = + π s y < 0 s 0, y π/ s y > π/ No so depedets (c) E(x) = E(y) = 3 π 5 π 3 5, Var (x) =Var (y) = + π P ( X π/ ) ( Y π/ ) PX π/ 6 Y π/ 3 = 0,5477 (d) [ 6 3 ] = 0,80, [ ] PX [ π/ 6 Y= π/ 3] = 0,5733, P( X + Y ) = 0,97, P X ( <π/ 4 ) = 0,6036

22 7. (a) f(x,y) = s 0 x, 0 y - x 0 s x < 0 o y < 0 ( - xx ) s 0 x<, y> ( - y)y s x > 0, y < F( x, y) = ( y) x + x x y s + xy s 0 x + y < s x, y (b) f ( x) = ( x) x ( 0, ) (c) P[ / Y 7/ 8 X = / 3] s ; ( ) = 0,5 f ( y) = y s y ( 0, ); No 8. (a) X H(49, 5, 6); P(Y = 0) = 0,7, P(Y = ) = 0,73; f(x, y) = f(y) f(x y) o f(x y = 0) H(40, 0, 6) (b) No 9. (a) k = /9 (b) f ( x) = x y 0 x ; f ( y) = 0 y ; f ()= z z 9 0 z 3 f ( x, y) = xy 0 x, 0 y, 4 f ( x, z) = xz 9 0 x, 0 z 3; f ( y, z) = yz 9 0 y, 0 z 3, S (c) f ( x, y z) = xy 0 x, 0 y,( 0 z 3) (d) P[ ( X < / ) ( Y > / ) ( < Z < )] 0. (a) k = /43 x ( x 3) (b) f ( x) = e x 0; 9 = 0,0785 y ( y 3) f ( y) = e y 0; 9 xy ( x+ y) 3 y ( y+ z) 3 f ( x, y) = e x, y 0, f ( y, z) = e y, z 0; 8 7 ( z 3) f ()= z e z 0 3 x ( x+ z) 3 f ( x, z) = e x, z 0, S, S (c) PX ( < Y< Z) = 7/08 7. (a) f(x,y) = s 0 y x 0 x F( x, y) = y(x y) y( y) s x < 0 s x y, s x >, s x, o y < 0 0 x < s 0 y x < 0 y y

23 (b) f ( x) = x 0 x ; f ( y) = ( y) 0 y f ( x y) = ( y) s x [ y, ], ( y [ 0, ]) ; f ( y x) = s y [ 0, x], ( x [ 0, ]) x (c) E( X) = /3; EY ( ) = /3; Var( X )= Var( Y)= /8; x x (d) E( YX = x) = ( x [0, ]) ; Var( Y X = x) = ( x [0, ]) (e) F(x,y) = P{( max { U, U} x) ( m { U, U} y)}=.... (a) k = /0 (b) P[ ( 0< X ) ( Y = 3) ] = 0 (c) PX ( ) = 85/0 /, s y = 0 3. (a) X B(3, 0.5); Py ( ) = / 4, s y = /8, s y =, 3 xy ( Pxy (, ) = / 8, s (, ) =, 0) / 8, s ( xy, ) = (0, 3), (, 0), (, ), (, ), (, 0), (, ), (3, 0) 0 s x < s x < 4 F( x y) = 3 s x < 3 4 s x 3

24 Cav de varables. 4. P(X/Y < ) = 0,85 5. a = ± u αv β u 6. (a) f ( u, v) = αβexp + uv, v + > 0; a b ab( v + ) (b) E geeral o (c) P( ( U ) ( V )) = αβ a α ab α β a aβ bα α a αb+ βa a b exp ( ) exp 3 7. f () r = ( r) 0 r ; E(R) = /3 αy β 8. (a) F( y) = e y > 0 (b) F(z) = P(Z, z) = P( m { Y,, } β αy β αβ, > 0, f ( y) = αβe y y > 0 α, β > 0! Y, z) = (a) (, ) ( ) ( ) ( )[ ( ) ( )] f w z = f z f w F w F z a z w b X X X X (b.) f () r = ( )( r) r 0< r < (b.) f ( q) = ( )( q) 0 q zl +z s z > (a) F()= z z 0 s z 0 (b) No exstex la E(Z) 3. (a) f v w v e wv 9 (, ) = w ; w > 4v 4 v v z z e s z 0, 0< w< π 3. (a) f (, z w)= π 0 e qualsevol altre cas z f ()= z ze s z 0 0< w < π ; f ( w) = π 0 s z < 0 0 e qualsevol altre cas

25 Coefcet de correlacó, regressó leal corba de regressó. 33. () Corr (X, Y) = -0,486; (3) Corr (X, Y) = -0, (7) Corr (X, Y) = -0,5; () Corr (X, Y) = 0,5 35. Corr (U, V) = -5/ /3 Cov (X, Y) /3; (a.) Cov (X, Y) = 0; (a.) Cov (X, Y) = -/3 (b) Cov (X, Z) = 0 s k és parell Var( X ) Var( X ) 37. Corr (Y, Y ) = ( ) Var( X ) + Var( X ) 4Cov ( X, X ) S X, X só depedets: Corr (Y, Y ) = Var ( X Var X ) ( ) Var( X ) + Var( X ) 38. ρ (Y, Y k ) = k/ 39. E(Y) = ( aµ + b ) = Var(Y) = a Var( X ) + a a Cov( X, X ) = > j j j 40. ρ(u, V) = -0,5p + 0,75 4. ρ(x, Y) = 4. ρ(x, Y) = 3 a a + 3 ; a = 0,5 4 3 a + a a + e( e+ 3) [( 3e 6e+ )( 8e 4e+ 48) ] 5 e( e+ 3) 5 rectes M.Q.O.: Y X y k = x k 4 e 3e 6e+ 6 e 5 e( e+ 3) 5 X Y x k = y k 6 e 8e 4e e x + corbes de regressó: Y X y = E( Y X = x) = e + x e y e X Y x = E X Y = y = ( ) + y e + ; 3 ( 0< x < ) ( 0< y < )

26 43. ρ(x, Y) = -0,4; rectes M.Q.O.: Y X 9 9 / 490 y = x / X Y x = 9 / y / corbes de regressó: Y X X Y y = E( Y X = x) = x = E( X Y = y) = ( x + ) ( 3x + ) ( 5y + ) ( 4y + ) ( 0 x ) 3 ( 0 y ) 44. (a) k = q( + q + ) (b) E(x) = kq ( + ) 4 ( + q) ; E(y) = kq ( + q ) 4q ( + ) , Var (x) = kq ( + ) ( + q)( + ) kq( ) 4 ( + ) + ( q) Var (y) = kq ( + q ) ( + )( + q) kq( q) 4q q( + q) + ( ) (c) Cov (X, Y) = kq( + q)( + ) kq( + ) 4 kq( q) 4q ( + q + ) ( + q) ( ) Corr (X, Y) = No exstex la Corr (X, Y). Tampoc les rectes de regressó. 4 x ( 0< x < ) 3 corbes de regressó: Y X y = E( Y X = x) = 4 ( x ) 3x 4 X Y x = E( X Y = y) = = + y ( 0< y < ) 4y

27 Fucó geeratru de momets fucó característca. 47. M X (t) = e ts t R; C X (t) = e ts t R; k µ ' k = s ; var(x) = a) M X (t) = tβ tα e e t( β α) t R C X (t) = tβ tα e e t( β α) t R b) M X (t) = -α/(t- α) t < α C X (t) = -α/(t- α) t R c) M X (t) = exp(t /) t R C X (t) = exp(-t /) t R d) M X (t) = e) M X (t) = t r ( t / α ) t < α C X (t) = t < C X (t) = t + r ( t / α) t R t R f) No es calcule drectamet. No exstex M X (t) C X (t) = exp(- t ) t R 49. Teòrc 50. a) C X (t) = e t µ t σ t R b) C X (t) = e µ t t λ t R 5. a) C X (t) = (-t) - t R b) var(x) = /4 c) C R (t) = 4e t3 (4 t) t R 5. a) Sí b) No c) Sí 53. M (X,Y) (t, t ) = / {(t -)(t + t )} t <, t + t < ρ( XY, ) = M Z (t) = e t(3t +) t R 55. a) C (X,Y) (t, t ) = C X (t) = (t ) (t + t -)(t ) t R C Y (t) = t, t R t R (t ) b) ρ( XY, ) = / c) C (R,S) (t, t ) = t e (3t + t -)(t + t ) t, t R 56. a) M X (t) = e e t t / t / t R ; C X (t) = e e t t / t / t R

28 57. a) M X (t) = ( e t ) e λ t R ; C X (t) = t ( e ) e λ t R ; 58. Calculeu la tegral

29 Covergèces estocàstques. Lles dels gras ombres. Teorema cetral del límt. 59. Teòrc 60. a) Covergex e probabltat b) No covergex a) 7778 b) Covergex e probabltat cas seguramet al valor zero 64. Covergex e dstrbucó al valor ½ 65. Teòrc 66. Teòrc 67. Teòrc: Aplqueu el resultat de l exercc ateror 68. Teòrc 69. Teòrc, Aplqueu propetats del quocet de successos de v.a. 70. Teòrc

30 Dstrbucos multvarats otables. 7. (a) Z N(8, 39 ) (b) P( Y > X + ) = 0,5 7. S, (X, Y) N 0 0, 73. (U, V) N , PU ( 50) = 0, 38; PV ( > 0) = 0, (a)r = (b) P( X + X + X ) = 0,587 (c) a = (a) P(O = 4, A = 3, B =, AB = ) = 0,005 (b) P(AB ) = 0,335 (c) P({B } {AB }) = 0,75

31

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UIDIMESIOAL L estadístca és u mètode per predre decsos, per axò s utltza e molts estuds cetífcs. L estadístca es pot dvdr e estadístca descrptva, que s ocupa de comptar, ordear classfcar les

Más detalles

ESTADÍSTICA. Objectius 1. ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA. Objectius 1. ESTADÍSTICA DESCRIPTIVA Departamet de Matemàtques Escola Tècca Professoal del Clot ESTADÍSTICA Objectus Freqüèces d ua sère estadístca. Càlcul represetacó. Estud dels paràmetres estadístcs: o Mesures de cetraltzacó: Mtjaa artmètca

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

MASTER S DEGREE IN SUPPLY CHAIN, TRANSPORT AND LOGISTICS

MASTER S DEGREE IN SUPPLY CHAIN, TRANSPORT AND LOGISTICS CURS 08-9 Aàls de Dades de Trasport Logístca (40ST04) REÀS ROBABILITATS I VARIABLES ALEATÒRIES HABITUALS: Bloc 3 ROFESSOR: Lída Motero Setembre 08 Versó. MASTER S DEGREE IN SULY CHAIN, TRANSORT AND LOGISTICS

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

INGENIERIA TECNICA EN DISEÑO INDUSTRIAL INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso

INGENIERIA TECNICA EN DISEÑO INDUSTRIAL INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso IGEIERIA TECICA E DISEÑO IDUSTRIAL IGEIERIA TECICA IDUSTRIAL-MECAICA Forularo de Etadítca. Curo 00-005 ESTADÍSTICA DESCRIPTIVA Dato agrupar eda c Dato agrupado : º clae : º dato por clae c : arca de clae

Más detalles

INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso

INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso IGEIERIA TECICA IDUSTRIAL-MECAICA Forularo de Etadítca. Curo 009-00 ESTADÍSTICA DESCRIPTIVA Dato agrupar eda c Dato agrupado : º clae : º dato por clae c : arca de clae devacó típca de la poblacó ( μ (

Más detalles

MODELS DE CAPTACIÓ, ANÀLISI Y INTERPRETACIÓ DE DADES

MODELS DE CAPTACIÓ, ANÀLISI Y INTERPRETACIÓ DE DADES MODELS DE CATACIÓ, ANÀLISI Y INTERRETACIÓ DE DADES MASTER DE LOGÍSTICA, TRANSORT Y MOBILITAT MASTER D ESTADÍSTICA INVESTIGACIÓ OERATIVA AUNTS DE CLASSE ROF. LÍDIA MONTERO: TEMA : REÀS DE CÀLCUL DE ROBABILITATS

Más detalles

TEMA 5. POLINOMIS - I

TEMA 5. POLINOMIS - I 1 EXPRESSIÓ ALGEBRAICA TEMA POLINOMIS - I Professor de r ESO Roger Maurco Grañó Ua epressó algebraca és s u cout de ombres lletres llgats amb els símbols, -,, : ( )) a : ( ) S les epressos algebraques

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

FIB Q PARCIAL 2 DE PE 20 de desembre de 2010 NOM:

FIB Q PARCIAL 2 DE PE 20 de desembre de 2010 NOM: FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 NOM: Poseu el om cotesteu cada preguta e el seu lloc reservat. Eplcteu ustfqueu els passos e les respostes Problema. Baar ua caçó del ostre grup de rock prefert

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

PE Q EXAMEN FINAL 20 de gener de 2012

PE Q EXAMEN FINAL 20 de gener de 2012 PE Q1 011-1. EXAMEN FINAL 0 de gener de 01 Problema 1 Durant alguns anys un professor d estadístca a la FIB ha estudat el nombre de consultes per part dels estudants al llarg dels quadrmestres. La nformacó

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Observacions: Mai es pot saber el valor exacte d una variable aleatòria contínua.

Observacions: Mai es pot saber el valor exacte d una variable aleatòria contínua. ESTADÍSTICA 3. VARIABLES ALEATÒRIES CONTÍNUES O GENERALS 3. Itroducció a la Variable aleatòria cotíua. Ua variable aleatòria cotíua ( sobre u espai probabilitzat (Ω, (Ω, P amb Ω o umerable, és ua fució

Más detalles

FIB Q PARCIAL 2 DE PE 31 de maig de 2012

FIB Q PARCIAL 2 DE PE 31 de maig de 2012 SOLUCIÓN PROBLEMA 1 FIB Q 011-1. PARCIAL DE PE 31 de mag de 01 Se desea estudar el tempo que fucoa certa compoete de u sstema hasta que comeza a presetar fallos sstemátcos. A f de estmar el tempo medo

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Estadística Descriptiva. Estadística. Dades qualitatives. Dades quantitatives. Recollida d informació. Primeres nocions. Resum idees bàsiques

Estadística Descriptiva. Estadística. Dades qualitatives. Dades quantitatives. Recollida d informació. Primeres nocions. Resum idees bàsiques Estadístca Descrptva Estadístca Resum dees bàsques 008 Cojut de tècques per orgatzar, smplcar resumr la ormacó cotguda e u cojut de dades. Les dades pode prover de varables quattatves o de varables categòrques.

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

ESTADÍSTICA FACULTAT D INFORMÀTICA

ESTADÍSTICA FACULTAT D INFORMÀTICA ETADÍTICA FACULTAT D INFORMÀTICA APUNT DE CLAE PROF. LÍDIA MONTERO: TEMA 5: ETIMACIÓ I INFERÈNCIA AUTORA: Lída Motero Mercadé Departamet d Estadístca Ivestgacó Operatva Versó. etembre del.4 TABLA DE CONTENIDO

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Distribució dels estadístics mostrals

Distribució dels estadístics mostrals 4 Dtrbucó del etadítc motral 4.. Dtrbucó de la mtjaa motral 4.. La dtrbucó t-studet 4.3. Itèrval de cofaça -α per la µ 4.4. La lle de Ch-Quadrat 4.5. Dtrbucó de la varaça motral 4.6. Itèrval de cofaça

Más detalles

ESTADÍSTICA TEÓRICA: DISTRIBUCIONES DE PROBABILIDAD

ESTADÍSTICA TEÓRICA: DISTRIBUCIONES DE PROBABILIDAD Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez ESTADÍSTICA TEÓRICA: DISTRIBUCIONES DE PROBABILIDAD Dstrbucoes

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

BLOQUE II: CALCULO DE PROBABILIDADES

BLOQUE II: CALCULO DE PROBABILIDADES LOQUE II: CALCULO DE PROAILIDADES TEMA 4. FUNDAMENTOS DE LA PROAILIDAD. Cocepto de probabldad. Defcó aomátca Epermeto aleatoro: u epermeto se dce aleatoro s o se puede predecr el resultado del msmo ates

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

MODELS DE CAPTACIÓ, ANÀLISI I INTERPRETACIÓ DE DADES

MODELS DE CAPTACIÓ, ANÀLISI I INTERPRETACIÓ DE DADES MODEL DE CAPTACIÓ ANÀLII I INTERPRETACIÓ DE DADE MATER DE LOGÍTICA TRANPORT I MOBILITAT MATER D ETADÍTICA I INVETIGACIÓ OPERATIVA APUNT DE CLAE PROF. LÍDIA MONTERO: TEMA : INTRODUCCIÓ A L ANÀLII DE DADE.

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Successió. Una successió és un conjunt ordenat d infinits nombres a1,a2,a3,...,an,...

Successió. Una successió és un conjunt ordenat d infinits nombres a1,a2,a3,...,an,... Mª Àgels Lojedo SUCCESSIONS. PROGRESSIONS ARITMÈTIQUES. PROGRESSIONS GEOMÈTRIQUES. Successió. Ua successió és u cojut ordeat d ifiits ombres a,a,a,...,a,... que represetem { } a. Cadascu d ells s aomea

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Psicometria. Tema 2. Distribucions unidimensionals. Joan Carles Martori Psicologia. Departament de Psicologia

Psicometria. Tema 2. Distribucions unidimensionals. Joan Carles Martori Psicologia. Departament de Psicologia Pscometra Tema Dstrbucos udmesoals Joa Carles Martor (martor@uvccat) Pscologa Departamet de Pscologa UVIC Grau de Pscologa Itroduccó E aquest Tema estudarem el tractamet de les dades udmesoals, és ad r

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

Àlgebra lineal (Mètodes Matemàtics I) Enginyeria Química Curs 2002/03 Prova parcial.( )

Àlgebra lineal (Mètodes Matemàtics I) Enginyeria Química Curs 2002/03 Prova parcial.( ) Àlgebra lieal (Mètodes Matemàtics I) Egiyeria Química Curs 00/03 Prova parcial.(--00) I. Propietats bàsiques dels ombres.. Quis elemets so {x R tal que (x ) (x + ) 3}?( put) com el valor absolut compleix

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

9.1. Funcions lineals. Solució gràfica. Les funcions lineals, també anomenades rectes són expressions algebraiques del tipus

9.1. Funcions lineals. Solució gràfica. Les funcions lineals, també anomenades rectes són expressions algebraiques del tipus Tema 9. Fucios lieals i quadràtiques Tema 9. Fucios lieals i quadràtiques 9.. Fucios lieals. Solució gràfica. Les fucios lieals, també aomeades rectes só epressios algebraiques del tipus m ; m, R o m s

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

Districte Universitari de Catalunya

Districte Universitari de Catalunya Proves dʼaccés a la Universitat. Curs 2009-2010 Matemàtiques Sèrie 1 Responeu a CINC de les sis qüestions següents. En les respostes, expliqueu sempre què és el que voleu fer i per què. Cada qüestió val

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

= 1+ β, essent α i β paràmetres reals. a la recta r 2. i el pla Π d equació

= 1+ β, essent α i β paràmetres reals. a la recta r 2. i el pla Π d equació Problema A Setembre 0 + y z = En l espai es té la recta r i el pla Π d equacions r x + mz = 0, on x y z = 0 m és un paràmetre real a) Un vector director de la recta r b) El valor de m per al qual la recta

Más detalles

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i

Más detalles

PROBLEMES DE SELECTIVITAT - MATEMÀTIQUES I - SOLUCIONS

PROBLEMES DE SELECTIVITAT - MATEMÀTIQUES I - SOLUCIONS Si a=, compatible indeterminat amb un grau de llibertat (una recta) Si a, compatible determinat (un punt) x+y-z=6 Per a positiu: 6a) No b) Es demostra (Bolzano) 7a) Si a=-, són paral lels Si a -, es tallen

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

INTRODUCCIÓ Llibre amb continguts de Combinatòria, Probabilitat i Estadística Descriptiva adreçat als alumnes de Secundària i Batxillerat.

INTRODUCCIÓ Llibre amb continguts de Combinatòria, Probabilitat i Estadística Descriptiva adreçat als alumnes de Secundària i Batxillerat. Xaver Rabasa INTRODUCCIÓ Llbre amb cotguts de Combatòra, Probabltat Estadístca Descrptva adreçat als alumes de Secudàra Batllerat. Xaver Rabasa Arévalo Professor de Matemàtques Xaver Rabasa ÍNDEX COMBINATÒRIA

Más detalles

1.- Sabem que el vector (2, 1, 1) és una solució del sistema ax + by + cz = a + c bx y + bz = a b c. . cx by +2z = b

1.- Sabem que el vector (2, 1, 1) és una solució del sistema ax + by + cz = a + c bx y + bz = a b c. . cx by +2z = b Oficina d Organització de Proves d Accés a la Universitat Pàgina de 5 PAU 0 - Sabem que el vector (,, ) és una solució del sistema ax + by + cz = a + c bx y + bz = a b c cx by +z = b Calculeu el valor

Más detalles

Derivació Funcions Vàries Variables

Derivació Funcions Vàries Variables Derivació Funcions Vàries Variables Jordi Villanueva Departament de Matemàtica Aplicada I Universitat Politècnica de Catalunya 24 de febrer de 2016 Jordi Villanueva (MA1) Derivació Funcions Vàries Variables

Más detalles

MODELOS DE REGRESIÓN. Prof. Susana Martín Fernández

MODELOS DE REGRESIÓN. Prof. Susana Martín Fernández MODELOS DE REGRESIÓN Prof. Susaa Martí Ferádez REGRESIÓN SIMPLE Objetvo Sea..., valores de la varable umérca X. Sea Y(y, y,..., y ) u vector aleatoro de varables aleatoras depedetes, el modelo de regresó

Más detalles

Els nombres complexos

Els nombres complexos Els ombres complexos Els ombres complexos Defiició Oposat Represetació Forma bioòmica z = a + bi, o bé z = (a, b) esset a la part real i b, la part imagiària. a = r cos α b = r si α z = a bi Cojugat z

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

Más detalles

( 2 3, utilitzeu la matriu inversa B 1 ( 1 4 ( 2 1. Matrius i determinants Sèrie 3 - Qüestió 4. Donada la matriu B =

( 2 3, utilitzeu la matriu inversa B 1 ( 1 4 ( 2 1. Matrius i determinants Sèrie 3 - Qüestió 4. Donada la matriu B = 1998 - Sèrie 3 - Qüestió 4 Donada la matriu B = ( 2 3, utilitzeu la matriu inversa B 1 1 1) B X B = ( 1 4 3 2). per trobar una matriu X tal que 2004 - Sèrie 1 - Qüestió 3 Considereu les matrius Trobeu

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2013 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2013 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 01 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO 1 a) (5 puto) Racoalce la epreoe 5 8 b) (5 puto) Halle el cojuto de olucoe de la ecuacó 5 8 EJERCICIO

Más detalles