Módulo Teórico Estadística Básica Prof. Dr. Juan Ignacio Pastore. Unidad N

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

Download "Módulo Teórico Estadística Básica Prof. Dr. Juan Ignacio Pastore. Unidad N"

Transcripción

1 Udad N Varables aleatoras. Defcó de varable aleatora. Varable aleatora dscreta: fucó de probabldad y de dstrbucó acumulada. Varable aleatora cotua. Fucó de desdad de probabldad. Fucó de dstrbucó acumulada. Valor esperado. Varaza. Mometos. Medaa. Modo. Varables aleatoras depedetes.

2 Varable aleatora. Al descrbr el espaco muestral de u expermeto o especfcamos que u resultado dvdual ecesaramete tee que ser u valor umérco. E umerosas stuacoes expermetales deseamos asgar u úmero real x a cada uo de los elemetos s del espaco muestral S. Ejemplo: Cosderemos el expermeto: de ua ura que cotee todos los ombres de los empleados de ua empresa se extrae u ombre al azar. S={ombre de los empleados de la empresa} X: úmero de hjos del empleado. X : S RX, X() s x Y: atgüedad e el cargo del empleado. Y : S RY, Y() s y X e y so varables aleatoras. Defcó: Sea u expermeto y S el espaco muestral asocado al expermeto, Ua fucó X que asga a cada uo de los elemetos del espaco muestral S u úmero real, se llama varable aleatora. Gráfcamete: S: espaco muestral asocado a u expermeto. R X : valores posbles de X (recorrdo de la v.a). Observacó: S X () s s, es decr la fucó detdad, etoces RX S. E este caso el resultado del expermeto es ya la característca umérca que queremos estudar.

3 Ejemplo: Cosderemos el expermeto. 5 : Se arroja ua moeda tres veces y se observa la sucesó de resultados (cara (c), cruz (X)). S5 ccc,ccx,cxc, xcc, xxc, xcx,cxx, xxx Cosderemos la varable aleatora X: úmero de caras que se obtee e los tres lazametos. R,,,3, X La v.a. X : S5 RX queda defda de la sguete maera: Xccc 3 X ccx X xcc X cxc X xxc X xcx X cxx X xxx Ejemplo: Se laza dos dados ormales y se aota los resultados el resultado observado e el -ésmo dado,. x, x,6,6 S, x x dode x es Sobre este expermeto podemos estar teresados e certas característcas umércas. Por ejemplo: a) X: suma de los valores observados. R,3,, X La v.a. X : S RX X s x x queda defda de la sguete maera: b) Y: valor máxmo de los valores observados R,, 3,, 6 Y La v.a. Y : S RY queda defda de la sguete maera: max x, x Y s

4 c) Z: promedo de los valores observados R Z, 6 La v.a. Z: S R queda defda de la sguete maera: x x Z s z Cómo podemos calcular la probabldad de evetos asocados a daremos la defcó de evetos equvaletes. R X? Para esto Defcó: Sea u expermeto y S el espaco muestral asocado al expermeto. Sea X ua varable aleatora defda e S y sea R X su recorrdo. A S y B RX so evetos equvaletes s : A ss X s B A y B so evetos equvaletes sempre que ocurre jutos, esto es, sempre que A ocurre B ocurre y vceversa. S A ocurró, etoces se obtuvo u resultado s para el cual X s B y, por lo tato, ocurró B. Recíprocamete, s B ocurró, se observó u valor X s para el cual s A y por lo tato A ocurró. Defcó: Sea B u eveto e el recorrdo PA P B, dode y A S R X, etoces defmos PB como sgue. es u eveto equvalete a B, : A ss X s B Ejemplo: Cosderemos el expermeto. 5 : Se arroja ua moeda tres veces y se observa la sucesó de resultados (cara (c), cruz (X)). Supogamos que la moeda o está cargada. Por lo tato S5 ccc,ccx,cxc, xcc, xxc, xcx,cxx, xxx P C P X Cosderemos la varable aleatora X: úmero de caras que se obtee e los tres lazametos. RX,,,3, y cosderemos el eveto B RX defdo por B

5 Puesto que X ccx X xcc X cxc A ccx,cxc, xcc es equvalete al eveto B. Por lo tato: PX PAPccxPxccPcxc 8 Ejercco: Calcular PX, P X, P X 3 Ejemplo: Se laza dos dados ormales y se aota los resultados el resultado observado e el -ésmo dado,. x, x,6,6 S a) X: suma de los valores observados. RX,3,, La v.a. X : S RX queda defda de la sguete maera: X s x x Determar PX para RX Veamos el caso partcular de 8 x, x dode x es 5 PX 8 P ss: X s8 P,6, 6,, 4,4, 5,3, 3,5. Dado que 36 los 36 elemeto del espaco muestral so gualmete posbles o probables. De la msma maera podemos realzar el cálculo para todo,, P X

6 b) Y: máxmo de los valores observados. Y R,,, 6 La v.a. Y : S RY queda defda de la sguete maera: max x, x Y s Determar P X para RX Veamos el caso partcular de 3 PX P ss: X s P,,,,,. Dado que los elemeto del espaco muestral so gualmete posbles o probables. De la msma maera podemos realzar el cálculo para todo,, P X

7 Varables aleatoras dscretas Defcó: Sea X ua varable aleatora, s su rago o recorrdo R X es fto o fto umerable dremos que X es ua varable aleatora dscreta. Es decr podemos escrbr 3 R x, x, x,. X Defcó: Sea X ua varable aleatora dscreta co recorrdo R X. x RX asocamos u úmero PX x llamado probabldad de x tal que: : P x P X x ss X s x P x x R a) b) Px X La fucó así defda se llama fucó de probabldad de la v. a. X. El cojuto de x, P x se llama dstrbucó de probabldades de la v. a. X. pares ordeados Iterpretacó gráfca:

8 Ejemplo: U lote de 8 calculadoras cotee 3 defectuosas. Cosderemos el sguete expermeto: Se seleccoa ua calculadora al azar y se la prueba, reptédose la operacó hasta obteer ua calculadora o defectuosa. Hallar la dstrbucó de probabldades de la v.a. X: úmero de extraccoes que se realza hasta obteer ua claculadora o defectuosa.,,,,,3,4 S D DD DDD DDDD R X x P X x P X x ) Sea X ua v. a. dscreta cuyo recorrdo es,,3. a) Probar que es ua legítma fucó de probabldades. P x se cumple por defcó x? j P X a q PX xj j b) Calculas PX es par sere geométrca de razó a 4 P X es par j j 4 3 q 4 P X x j j RX y además

9 Expermeto Beroull: es dcotómco, sólo so posbles dos resultados: éxto o fracaso. S éxto, fracaso. Podemos Su espaco muestral asocado puede defrse como: defr ua v.a. X : S, tal que X éxto y X fracaso. S la probabldad de éxto es p ( p podemos costrur la sguete dstrbucó de probabldades : ) y la probabldad de fracaso es p x p x p p p p La ateror dstrbucó de probabldades se deoma dstrbucó de Beroull. Ejemplos: a) El lazameto de ua moeda co probabldad p de cara y probabldad p de cruz. b) Que u artículo extraído al azar de ua líea de produccó sea defectuoso o o defectuoso. c) Obteer u úmero par o mpar al arrojar u dado. Fucó de dstrbucó acumulada (FDA) s x Fx p s x s x

10 Dstrbucó Bomal Ua varable aleatora Bomal puede cosderarse como ua suma de varables aleatoras Beroull depedetes, esto es, ua v. a. Bomal aparece cuado estamos teresados e el úmero de veces que u suceso A acurre (éxto) e pruebas depedetes de u expermeto de tpo Beroull. Cosderemos u expermeto y sea A u eveto o suceso asocado a. Cosderemos també que la probabldad de que A ocurra e u teto es p (probabldad de éxto), etoces la probabldad de que A o ocurra es p. Defmos la v. a. X cómo: X s A ocurre s A o ocurre X tee ua dstrbucó Beroull co dstrbucó de probabldades dada por: x p x p p Cosderemos repetcoes depedetes del expermeto. Por lo tato el espaco muestral queda defdo por S a : A,o a a A (el cardal de este cojuto es ). Defmos la v. a. X: úmeros de veces que ocurre el eveto A e las repetcoes depedetes RX,,,,, X X Cosderemos u elemeto partcular del espaco muestral del expermeto que satsfaga la codcó X, es decr, el úmero de veces que ocurre el suceso A es.

11 Tal resultado aparecería, por ejemplo, s las prmeras repetcoes del expermeto resulta e la ocurreca de A, metras que las últmas repetcoes resulta A. AAAAAA Puesto que todas las repetcoes so depedetes la probabldad de esta secueca partcular es: p p De cuatas maeras puedo elegr poscoes para A e? Cuátos resultados P X? está asocados co Número combatoro, os permte determar el úmero de formas de escoger elemetos a partr de u cojuto de elemetos. Formalmete:!!( )! PX p p,,, Defcó: X es ua varable aleatora co dstrbucó Bomal, X B, p dstrbucó de probabldades está dada por: PX p p,,, dode p ( p costate) y es u úmero etero postvo. Característcas: s su Mde el úmero de éxtos e ua secueca de esayos depedetes de Beroull co ua probabldad fja p de ocurreca del éxto etre los esayos. Para usar el modelo se requere que haya: a) N repetcoes depedetes. b) el resultado de cada prueba es dcotómca. c) PA p, p costate, e las pruebas depedetes.

12 Veamos que P así defda es ua legítma dstrbucó de probabldades. a) PX,, por defcó. b) PX, se prueba fáclmete a partr del teorema del bomo de Newto x y x y. P X p p p p x y Ejemplo: Se sabe por experecas aterores que la probabldad de que ua máqua produzca u artículo defectuoso es.. E ua hora ua máqua produce artículos. a) Cuál es la probabldad de que ua máqua produzca algú artículo defectuoso e ua hora de produccó? Solucó/ Sea X: úmero de artículos defectuosos producdos por ua máqua durate ua hora de X B,. produccó. Al meos u artículo defectuoso, debemos calcular PX ( ) PX ( ) PX ( )...8 b) S la fábrca posee máquas, cuál es la probabldad de que a lo sumo de ellas produzca algú artículo defectuoso durate ua hora de produccó? Solucó/ Sea Y: úmero de máquas que produce al meos u artículos defectuosos durate ua Y B,.8 hora de produccó. A lo sumo dos produzca al meos u artículo defectuoso, debemos calcular PY ( ) PX ( ) PX ( ) PX ( )

13 Aálss de la gráfca de la dstrbucó bomal a partr del y p Smétrca: S p.5 la dstrbucó bomal será smétrca depedetemete del tamaño de la muestra. Sesgada a derecha: S p la dstrbucó bomal tedrá sesgo haca la derecha. Sesgada a zquerda: S p la dstrbucó bomal tedrá sesgo haca la zquerda.

14 Dstrbucó Hpergeométrca: Cuado estudamos la dstrbucó Bomal la probabldad p de éxto permaecía costate para cada ua de las pruebas depedetes. Cosderemos el sguete caso: De ua caja que cotee N bolas de las cuales a so rojas ( a N ) se escoge al azar ua bola s reemplazo o susttucó y defmos la varable aleatora: X: úmero de bolas rojas extraídas e las repetcoes, R,,, a Cuál será la probabldad de obteer bolas rojas? a X Número de casos posbles P X N de casos favorables de casos posbles dferetes formas de tomar bolas de las N. Para calcular el úmero de casos favorables observemos que N an a. De las a bolas rojas queremos y de las N a bolas o rojas queremos a dferetes formas de tomar bolas rojas de a. N a dferetes formas de tomar bolas o rojas de las N a. Por lo tato los casos favorables so an a Por lo tato: an a PX,,,, a N

15 Formalmete: Defcó: Se dce que X es ua varable aleatora co dstrbucó hpergeométrca, co parámetros Na,, s su dstrbucó de probabldades está dada por: an a PX,,, a N Dode: : Tamaño de la muestra. N: Tamaño de la poblacó a: úmero de éxtos e la poblacó. N-a: úmero de fracasos e la poblacó. : úmero de éxtos e la muestra. Observacoes: Ua varable Hpergeométrca es geerada segú las sguetes codcoes ) N pruebas o depedetes. ) El resultado de cada prueba es dcotómco. 3) PA o se matee costate, es decr, varía co cada prueba. Ejemplo: La produccó dara de 85 partes cotee 5 que o cumple co los requermetos del clete. Se toma 4 partes al azar, s susttucó, de la produccó del día, cuál es la probabldad de que gua de las partes cumpla co los requermetos del clete? X: úmero de partes que o cumple co los requermetos del clete PX ( 4)

16 Varable aleatora de Posso. Muchos hechos o ocurre como resultado de pruebas de u expermeto, so e putos de tempo, espaco o volume, es decr, estamos teresados e el úmero de ocurrecas (defectos) por udad de medda. Sea X ua varable aleatora que toma los valores posbles,,,. S su fucó de probabldades está dada por: e P X,,! decmos que X tee ua dstrbucó de Posso co parámetro, y se ota Po. Iterpretacó: La dstrbucó de Posso expresa, a partr de ua frecueca de ocurreca meda, la probabldad de que ocurra u determado úmero de evetos durate certa udad de medda. Veamos que P así defda es ua legítma dstrbucó de probabldades. a) P X, por defcó. P X, b)? e P X e e e!! e escte. e portaylor Observacoes: Ua varable de Posso es geerada segú las sguetes codcoes: ) El úmero de ocurrecas es depedete de ua udad a otra, es decr los sucesos ocurre depedetemete. ) La frecueca de ocurreca meda, es proporcoal al tamaño de la udad. 3) La probabldad de más de ua ocurreca e ua udad cada vez más pequeña tede a cero, es decr es desprecable.

17 Ejemplo: El sstema de estacoameto meddo mpulsado por la mucpaldad de Gral. Pueyrredo está % formatzado. Esto permtó modelar el úmero de fraccoes medate u modelo de Posso co ua tasa de cco fraccoes por hora. a) Cuál es la probabldad de que exactamete cuatro fraccoes se expda durate ua hora e partcular? Solucó: X: úmero de fraccoes e hora. X P, e.5 PX ! b) Cuál es la probabldad de que por lo meos cuatro fraccoes se expda durate ua hora e partcular? Solucó: X : úmero de fraccoes e hora. X P, 5 PX 4PX P X P X P X e.5 e.5 e.5 e.5 PX !!! 3! c) Cuátas fraccoes se espera expedr durate u período de 45 mutos? Solucó: Y P, debemos ajustar el al Y: úmero de fraccoes e 45 mutos. uevo tervalo EY 3.75 La dstrbucó de Posso como aproxmacó a la Bomal. Cuado e ua dstrbucó bomal el úmero de tetos ( ) es grade y la probabldad de éxto ( p ) es pequeña, la dstrbucó bomal coverge a la dstrbucó de Posso co parámetro p. Qué sucede co las probabldades Bomales PX p p y p de maera tal que p permaezca costate, es decr, p. cuado

18 Cosderemos la expresó geeral para ua v. a. co dstrbucó Bomal co X B, p. parámetros y p, es decr,! P X p p p p!!! p!! p p! p Lamemos p, etoces p y p. Susttuyedo todos los térmos que cotee a p por su expresó equvalete e fucó de, obteemos: PX!!! S hacemos teder PX!! e!! e Es decr e el límte obteemos la dstrbucó de Posso co parámetro p. E la práctca podemos aproxmar la dstrbucó Bomal por la dstrbucó de Posso s se verfca que 5 y p 5.

19 Varables aleatoras cotuas Defcó: Se dce que ua v.a. X es ua varable aleatora cotua, s exste ua fucó f :, llamada fucó de desdad de probabldades (fdp) de X que satsface las sguetes codcoes. a) f x x b) f xdx c) ab, tal que a b Iterpretacó gráfca: b P a X b f x dx a Alguas cosderacoes x P X x f x dx a) x La probabldad cero o sgfca que el suceso sea mposble, es decr s A es el cojuto vacío etoces P(A)=, pero el recíproco o es certo. Por lo tato Pa X b Pa X b Pa X b Pa X b * * b) S f x x y podemos covertrla de la sguete maera: f x dx etoces o es ua legtma fdp. Pero x * f f x x c) S X toma valores e el tervalo ab, podemos defr f x x ab,. d) f x o represeta gua probabldad. Sólo cuado se la tegra etre los límtes expresa algua probabldad.

20 Ejemplo: Sea f x defda por f x s, s x, x x x Halla u valor de de maera tal que f x sea ua legítma f.d.p f xdx dx x x dx dx xx dx 3 xx dx x x Ejemplo: co la f.d.p ateror hallar: a) b) 3 P x 6 xx dx 6 x x P x 3 PA B P x x 3 4 PB 97 P x A B 4 3 Fucó de dstrbucó acumulada (FDA) Sea X ua varable aleatora dscreta o cotua. La fucó de dstrbucó acumulada F se defe como: F x P X x x ) S X es ua v.a.d etoces F x P xj j que satsface x j x. xj x x ) S X es ua v.a.c etoces Fx f sds sedo X.. La suma se toma sobre todos los ídces f s la f.d.p. asocada a la v. a.

21 Propedades de la FDA - F es o decrecete, es decr s x x F x F x - lm F x y F x x lm x ' 3- S f es la fdp de X etoces f x F x x dode F es dferecable. 4- Pa X b Fb Fa Regla de Barrow. Ejemplo: Sea X ua v.a dscreta co la sguete dstrbucó de probabldades x 3 4 p x Ejemplo: Sea Hallar la FDA. s x s x 4 Fx s x s 3 x s x 4 f x x x x F x f s ds ds - S x s x, 6x x s x, - S x Fx f sds ds x x 3- S x Fx f sds ds x x 6s s dx 6 s s 3x x 3 6s s dx ds s x Fx x x x s x 3 3 s x 3 3 x 3 6 s s 3

22 Característcas umércas de las varables aleatoras: Co cada dstrbucó de probabldades podemos asocar certos parámetros que da formacó valosa acerca de la dstrbucó. Mometos: El mometo -ésmo para ua varable aleatora dscreta respecto al orge se defe como: x px E X Defcó: Sea X ua varable aleatora dscreta co fucó de probabldades x, P x para,,. Se llama valor esperado de X o esperaza matemátca de X a: x px E X E X exste s la sere x px coverge e valor absoluto, es decr, xpx. A este úmero també se lo llama valor promedo de X. Observacoes: ) S X toma u úmero fto de valores,,, x px E X Podemos terpretar la esperaza matemátca como u promedo poderado de los valores posbles de la v.a. ) S todos los valores posbles de la varable so gualmete probables, es decr, px, la esperaza matemátca queda defda como: E X x (Promedo de los x )

23 Ejemplo: U lote de 8 calculadoras cotee 3 defectuosas. Se seleccoa ua al azar y se la prueba, reptedo la operacó hasta que aparezca ua calculadora o defectuosa. La dstrbucó de probabldades de la varable aleatora X: úmero de extraccoes que se hace está dada por,,,,,3,4 S D DD DDD DDDD R X La dstrbucó de probabldades queda defda por: x 3 4 p x Ex x px 3 4, Iterpretacó: se espera que la calculadora o defectuosa aparezca etre la prmera y seguda extraccó. Observacó: s el valor esperado de ua v.a. dscreta o es exacto, la terpretacó debe hacerse etre los extremos compreddos, ya que la varable es dscreta. Ejemplo: Cosderemos el expermeto de lazar dos dados y sea X la varable aleatora suma de los valores observados., :,,6,3,, S x x x x R X La dstrbucó de probabldades queda defda por: x p x x px E x Iterpretacó: se espera que la suma de los putos obtedos al arrojar dos dados sea 7 o que la esperaza de la suma sea 7.

24 Defcó: Sea X ua v. a. cotua co f.d.p, f, defda para todo x. Se llama valor esperado de la v. a. cotua X o esperaza matemátca de X a: E x x. f x dx E X exste s exste xf. x dx. Ejemplo: Hallar la esperaza matemátca de la v. a. cotua co f.d.p dada por: f x E x x. f x dx x.dx x s x, s x, x. xdx x. dx x dx 3 Ejemplo: Hallar la esperaza matemátca de la v. a. cotua co f.d.p dada por: f x s x, 6x x s x,.. E x x f x dx x dx x.6x x dx x. dx 3 6 x x dx La esperaza matemátca cocde, e este ejemplo, co el puto medo del tervalo. Esto se da porque la fucó etre y es smétrca.

25 Ejemplo: la duracó e horas de certo dspostvo electróco es ua v. a. co fucó desdad de probabldades dada por: f x x e s x s x Supoedo que el costo de fabrcacó de tal dspostvo es de $ y que el fabrcate vede el artículo e $5, pero garatza u reembolso total del dero s la duracó e horas es meor a. y devuelve la mtad s la duracó e horas es mayor o gual a. y meor o gual a.4. cuál es la utldad eta esperada por artículo? X: duracó e horas del dspostvo. U: utldad R,5,3 U El suceso x. es equvalete a U=- El suceso. x.4 es equvalete a U=5 El suceso x.4 es equvalete a U=3 u p u x x.. PU P x. f xdx e dxe e x x PU5 P.x.4 f xdx e dxe e e.5 x x PU3 P x.4 f xdx e dx dxe e e.67 Luego, EU ,5 Iterpretacó: S se produce u gra úmero de dspostvos electrócos, el fabrcate espera gaar 7,5 por dspostvo, ya que perderá $ el 8% de las veces, gaará $5 alrededor del 5% de las veces y gaará $3 el 67% de las veces.

26 Propedades del valor esperado: ) S X cte etoces E X c ) E cx ce X para toda costate c. 3) E X Y EX EY, (X e Y v.a.) 4) E X Y EX EY 5) E XY E X E Y s X e Y so v.a. depedetes. 6) Cosderado las propedades, y 3 teemos que E ax bae X b Demostracó: etoces E X c Por defcó de E X teemos que: ) S X cte E X x f x dx c f x dxc f x dxc por fdp ) E cx ce X Por defcó de E X teemos que: para toda costate c. E cx cx f x dx c x f x dx c x f x dx ce X E x 3) E X Y EX EY, (X e Y v.a.) 4) E X Y EX EY E X Y EX ( Y) E X EY E X EY

27 Meddas de Varabldad: Defcó: Llamaremos desvacó respecto de la meda a la v. a. Propedad de la desvacó: D X E X Demostracó: E D E X E X ED EX EX EXE EX E X E X cte Defcó: La varaza de ua v. a. X se defe como: V X E X E X E palabras, la varaza de ua v. a. X es la esperaza matemátca del cuadrado de la desvacó de X respecto de su esperaza. a) S X es ua v.a.d b) S X es ua v.a.c V X x E X p x V X x E X f x dx Defcó: La dspersó o desvacó estadar de ua v.a. X se defe como X V X. Ambos valores mde la dspersó de los datos. Observar que la dspersó lo hace co las msmas udades de los datos.

28 Otra forma de expresar la varaza es la sguete: Dem/ V X E X E X V X E X E X E X XE X E X E X E X E E X E E X E X E X E X E X E X cte cte Propedades de la Varaza: ) S X cte etoces V X ) V X c V X para toda costate c. 3) V cx c V X para toda costate c. 4) VX YVX VY, (X e Y v.a. depedetes) 5) VX YVX VY Demostracó/ ) S X cte etoces V X V X E X E X E c E c c c ) V X cvxpara toda costate c. V X c E X c E X c E X cx c E X c E X ce X c E X ce X c E X E X V X

29 Ejemplo: cosderemos el ejemplo de las calculadoras: U lote de 8 calculadoras cotee 3 defectuosas. Se seleccoa ua al azar y se la prueba, reptedo la operacó hasta que aparezca ua calculadora o defectuosa. La dstrbucó de probabldades de la varable aleatora X: úmero de extraccoes que se hace está obteer ua calculadora o defectuosa está dada por: S D, DD, DDD, DDDD R X,,3,4 La dstrbucó de probabldades queda defda por: x 3 4 p x V x,5,5 3,5 4,5, V x EX EX 3 4,5, EX Luego X,5357,739. Ejemplo: Calcular la varaza y la dspersó de la v.a. X cuya f.d.p está dada por: f x V X E X E X 3 8 x s x, s x, E x x. f x dx x.dx x. xdx x. dx Ejercco: calcular la varaza utlzado la otra defcó 3 4 x dx x V x x.xdx 3

30 Característcas umércas de alguas dstrbucoes teórcas Dstrbucó de Beroull. x p x p p p p Esperaza matemátca: Varaza: E X x p x p p p V X E X E X E X x p x p p p V X E X E X p p p p Esperaza y varaza de matemátca de la dstrbucó bomal EXPX p p p p p p! p p!!! pp!! p Llamemos y y,,, y teemos: E X!! y y pp p p p p p!! y! y! y

31 Otra forma: cosderemos a X como ua suma de varables aleatoras p V X p p Beroull depedetes cada ua co E X y varaza 3 X X X X X X E X E X EX X X3 X EX EXp V X V X V X X X3 X V X V X p p Esperaza y varaza de matemátca de la dstrbucó hpergeométrca E X a N p a a N V X N N N Esperaza y varaza de matemátca de la dstrbucó hpergeométrca Sea X ua v. a. tal que X P EXV X e e EXPX!! t! t t! e e e e e por Taylor De forma aáloga se prueba que V X Cuatles de ua v. a. cotua: e! E estadístca descrptva djmos, por ejemplo, que el percetl deja aproxmadamete el % de los datos a la zquerda. O equvaletemete el % de los datos so meores que el percetl. S X es ua varable aleatora cotua, su percetl es el valor que deja u área de, a la zquerda e la fdp de la varable. E geeral se llama cuatl al valor x tal que: x P X x f x dx

32 Ejemplo: la demada semaal de ua determada marca de gaseosas, medda e mles de ltros, es ua v.a. cotua co fdp dada por: x x s x, s, f x a) Determar la demada esperada semaal e terpretar... E x x f x dx x dx x. x dx x. dx 3 4 x dx x Rta: se espera que la demada semaal sea del, 6 mles de ltros. b) Cuátos ltros correspode al meos al 75% de la demada semaal? q P X q f x dx, 5 Ejemplo: La sguete fdp represeta el tempo de lleado de certo recpete, expresado e horas: 3 x x, f x x, 5 x 35 e otro caso a) Determar e forma aalítca el percetl 85. P85 P X P85 f x dx,85 Veamos e que tramo se ecuetra..5 3 x dx,8 Por lo tato el P85 está e el otro tramo. 45 P85 P85,5,5 P xdx,85 xdx.5 x Buscado las raíces de la ecuacó cuadrátca teemos que P (descartamos el valor por o perteecer al tervalo) Cómo determaría el P 85 gráfcamete? Buscamos la FDA

33 Medaa de ua v.a. cotua: La medaa de ua v.a cotua es el valor m e tal que m e e,5 o e,5 P X m f x dx P X m f x dx Ejemplo: Ua v.a. cotua X tee la sguete fdp f x 3, 4 x, x x a) Determar aalítcamete la medaa. m e 3 PX me f xdx dx 3x dx x x me me me me 4me mme, me 4 me m e m e Moda de ua v.a cotua: es el valor de X para el cual máxmo (s la fdp tee u solo máxmo) f x toma su valor S f y ' f so dervables e a, a es u máxmo relatvo o local s cumple f a ) ' ) '' f a Ejercco: determar la moda de la v.a. cotua cuya fucó desdad de probabldades está dada por: f x mo s x, 6x x s x,

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

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

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

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

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

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

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

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

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

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. 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

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

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

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

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

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

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

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

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 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

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

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

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

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

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

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

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

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

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

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

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

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

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

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

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

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

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

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

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

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

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

5- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

5- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 33 5- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 5. Suma de varables aleatoras depedetes Cuado se estudaro las varables

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

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

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

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

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

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

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

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

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

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

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

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

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 Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

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

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

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

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

PROBABILIDAD. Dos grupos son distintos si se diferencian en algún elemento ó en el orden de colocación de éstos.

PROBABILIDAD. Dos grupos son distintos si se diferencian en algún elemento ó en el orden de colocación de éstos. PROBABILIDAD CPR. JORGE JUAN Xuva-Naró Para determar la catdad de grupos que se puede formar que cumpla determadas codcoes exste los sguetes métodos de recueto: Dagrama de árbol Varacoes ordaras Dados,

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

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

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

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

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

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