UNIDAD 4 Modelos Probabilísticos Variable Discreta TEORÍA. Mg.Ing. Susana Vanlesberg Profesor Titular
|
|
- Patricia Carla Fuentes Valdéz
- hace 5 años
- Vistas:
Transcripción
1 Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeerías: Recursos Hídrcos-Ambetal-Agrmesura TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD 4 Modelos Probablístcos Varable Dscreta Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág.
2 La alcacó de la teoría de robabldad e stuacoes reales, cocretas, ue reseta ua regulardad e el desarrollo, ha orgado ua sere de modelos ue ermte resolver esas stuacoes. Los geeros realza suuestos resecto del roblema a resolver, esto los lleva a descrcoes aálogas y a formas matemátcamete guales a las de los modelos robablístcos. E este caítulo o sólo se reseta los modelos más usados e la ráctca, so ue també se brda alguas ocoes de los mecasmos or los cuales se ha orgado cada dstrbucó. Esto últmo es de suma mortaca ara u geero, ya ue la esteca de tales mecasmos uede descrbr ua stuacó físca de su terés, y ésta es ua razó más mortate ue la buea aromacó matemátca de algú modelo. MODELOS DE VARIABLE ALEATORIA DISCRETA Cuado e el desarrollo de los modelos se mecoe ruebas, éstas se referrá a observacoes sstemátcas de algú feómeo atural. Modelo Beroull Tal vez la stuacó más comú ue se reseta es auella e la ue los resultados de los eermetos uede seararse e dos categorías mutuamete ecluyetes: éto o fracaso; or eemlo llueve o o, mdo o o mdo, está cotamado o o, etc. Puede etoces defrse la varable aleatora de to Beroull y asgársele valores (arbtraros ero muy ráctcos) a los evetos ates mecoados: 0 fracaso éto La fucó de robabldad de es smlemete:, f() (), 0 robabldad de éto. Esta fucó deberá cumlr co las codcoes de ua fucó de robabldad: 0 f( ) +(- ) +- Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág.
3 Las característcas de este modelo: E ( ) f ( ) 0 ( ) () 0 V() _ ( - E() ) f( ) (- )+(- ). (0 - ) (- )+(- ). (- )(+- ) V() (- ) (3) Modelo Bomal Se realza ua sere de ruebas de to Beroull cuyos resultados so mutuamete deedetes y s la robabldad de éto ermaece varable e todas ellas se orga u uevo modelo deomado BINOMIAL. Para determar la dstrbucó corresodete se aalza el úmero total de étos e ruebas Beroull cada ua co robabldad favorable gual a. Se cosdera or eemlo 3 ruebas y se aalzará las robabldades de éto: - Ngú éto: 0 0 ; 0 ; 0 ; ( - ) 3 - U éto: ; 0 ; 0 ; ó 0 ; ; 0 ; ó 0 ; 0 ; cada secueca es u eveto, ue etre sí so mutuamete ecluyetes cuya robabldad es : ( - ) ; de esta maera la robabldad de u éto es : 3 ( - ) - Dos étos: Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 3
4 ; ; 0 ; ó ; 0 ; ; ó 0 ; ; ; uevamete cada secueca es u eveto ue es ecluyete de los restates: ( - ) y el total : 3 ( - ) - Tres étos: 3 ; ; ; ; ; 3 Esto ermte geeralzar y obteer la fucó de robabldad de este modelo: P(X ) (- ) - coefcet e bomal!!( - )! (4) El coefcete bomal tee e cueta el úmero de formas e ue eactamete étos se resete e ruebas. Los arámetros de este modelo so y ; etero y u úmero comreddo etre 0 y. El modelo se deoma BINOMIAL orue uede cosderarse como el desarrollo del bomo ( + ). La fucó debe cumlr las codcoes de ua fucó de robabldad: f( ) - 0!!( - )! -! 0! 0 +!! ( -)! !! 0! 0 + ( -)! ( -)! (+ ) Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 4
5 La fucó de dstrbucó uede obteerse alcado la defcó: F() P(X ) f( ) (5) Característcas del modelo E(X) 0 f( )! !( 0)!!! ( - )! !! ( - )! 0 ( - )! 0 + ( - )! ( ( - ) ) (+ ) - E() (6) Var(X) E[X - E(X) ] E( X ) - E (X) - E( X ) 0 ya ue el rmer termo es cero la suma se toma desde Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 5
6 ( - )!! ( - )! - - ( - )! ( - )! ( - )! - - hacedo +, ara, 0,,!( - )!!( +) ( - ( - )! )!( +)( )! ( - +) -- El dotermo dela suma es ; se aalza el º, ya - ( - )! ( - )!( - ) ue!( - - )! ( - )! ( - -( sacado factor comu ( - ), se cosgue - ))! hacedo k +, k varía de 0 a - co lo cual - 0 k - k k -- k E( X ] [( - )+] - + Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 6
7 Var(X) (7) Estos msmos resultados odría haberse obtedo de forma mucho más seclla or cosderar a la varable aleatora X como la suma de varables deedetes détcamete dstrbudas como Beroull, cuya eseraza es y varaza *: E(X) E( + Var(X) ) E( ) E( ) Var( ) (- ) La dstrbucó Bomal ha sdo tabulada, tato su fucó de cuatía como la de dstrbucó. Para el caso de la fucó masa este valores hasta 0.5. E caso de ecestarse > 0.5, se debería latear el roblema cambado el suceso e estudo or su cotraro y teer cudado e la terretacó de los resultados. També e los software ue osee fórmulas estadístcas y e los esecífcos se uede ecotrar los valores de esta dstrbucó ara cualuer valor de. Fgura Nº - Dstrbucó Bomal ara dsttos valores de y Eemlo Cada muestra de agua tee ua robabldad del 0% de coteer u cotamate orgáco artcular. Asumr ue las muestras so deedetes co resecto a la reseca del cotamate. Ecotrar la robabldad de ue e las rómas 8 muestras, eactamete cotega el cotamate y el valor medo de muestras cotamadas. Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 7
8 Solucó: La varable será: X " úmero de muestras ue cotee el cotamate" X ~ B(8; 0,) 8 6 P( X ) E( X ) Modelo Geométrco Cotuado co el msmo esuema de ruebas reetdas de to Beroull, uede teresar coocer e ue rueba ocurrrá el rmer éto. Las ruebas so reetdas, deedetes, co dos osbles resultados: ocurreca o o del eveto e estudo, co robabldad favorable costate; se derva el modelo corresodete a la varable N: úmero de ruebas hasta ue ocurre el rmer éto. Este rmer éto se roducrá sí y sólo sí e las ruebas aterores o se roduo, lo cual ocurre co robabldad gual a ( - ). Luego su fucó de robabldad es: P(N ) f()(- ) - co,,3... (8) Este modelo se deoma GEOMÉTRICO de arámetro. La fucó acumulatva se obtee a artr de la fucó ateror: F () () (- ) - (- ) - (- ) - (- ) - (- ) - desarrollo de la suma de ua rogresó geométrca Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 8
9 F( ) -(- ) (9) Esto msmo se uede obteer al cosderar la robabldad de ue N smlemete como la robabldad ue esta al meos ua ocurreca e N ruebas: P(N < )- P(o haya ocurrecas P (N )- e ruebas) F( ) -(- ) La gráfca de la fucó de cuatía: Fgura Nº -Fucó del modelo Geométrco Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. 9
10 Característcas E (N) - (- ) - (- ) (- ) + (- )+ 3(- ) + 4(- ) (- ) E (N) (0) Este resultado sgfca ue el úmero romedo de ruebas hasta ue ocurre el rmer éto es la versa de la robabldad de ocurreca del eveto. Esto se asoca al coceto de eríodo de retoro, sumamete utlzado e geería. Var(N) E ( N ) - E (N) (- ) - - (- ) [ 3 (- ) - - ] [ 3 (- ) - - ] [ - ( ) - ] - ( ) + Var(N) (+-) Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 0 Pág.
11 - Var(N) () El térmo eríodo de retoro es muchas veces mal terretado ya ue se cree ue asará 00 años etre ocurrecas de valores de ua varable de terés suerores a u valor crítco; e realdad la robabldad de ue se roduzca u valor mayor al crítco ermaece varable y e este caso gual a 0.0 ara cualuer año, deedetemete de lo ue ocurró e años aterores, se está hablado de valor romedo. Eemlo Cuál sería la robabldad de ue ua crecda co eríodo de retoro 0 años ocurra ates o durate el décmo año e la cudad de Sata Fe. sedo T / / T / 0 luego P ( X 0 ) - ( - 0. ) 0 65% F(0) - ( - ) 0 Modelo Posso Cosderado las codcoes ue caracterza al modelo Bomal, es ecesaro aalzar ue sucede co la dstrbucó de la varable s el úmero de ruebas se cremeta y la robabldad de éto se hace cada vez más eueña. S se cremeta y se hace eueña, ero el úmero romedo de evetos e el tervalo total ermaece costate e gual a. deomado a esta costate λ y cosderado la fucó masa de robabldad de e el límte, esto es co 0 y y λ. a artr de la fucó del modelo Bomal: Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág.
12 Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL Pág. f )! ( )! ))( ( )...( )( (! )! (!! )!!(! ) ( La eresó etre corchetes tee térmos e el umerador y térmos e el deomador, y ara u sufcetemete grade, este térmo es gual a : / co lo cual ueda or evaluar la eresó ( - λ/ ) ue cuado es gual a la costate e -λ, esto ermte eresar a la fucó de robabldad del modelo de Posso de la sguete forma:! e f() P (X ) - () λ arámetro del modelo. Esta fucó deberá cumlr co la codcó ara ser ua fucó de robabldad:
13 0 - e! e - 0 [ ] 0!!!! 0 [ ] e 0!!!! e -.e e - + e 0 Característcas E(X) 0 e -! - - e (-)! - - e (-)! E(X) (3) Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 3 Pág.
14 Var(X) E( X ) - E (X) E( X ) 0 e - [! [ - - e ( -)! 0 ] - - e ] ( -)! s y - y+, luego [ y0 y (y+) e y! - ] [ y0 y - y e + y! y0 - y e ] y! y0 y - y e E(Y) y! y0 - y e y! luego E( X ) ( +) + Var(X) + - Var(X) (4) Geeralmete este modelo se vcula a auellos evetos ue ocurre e ua udad de temo, luego el eríodo de temo e el ue se realza el aálss costtuye ua secueca de ruebas deedetes cada ua co dstrbucó Bomal. S se tomara ara el aálss u tervalo de temo gual al doble o al trle del cal el arámetro es també gual al doble, al trle, etc., marcado esto la deedeca del temo de este modelo y or ello vculado a los rocesos estocástcos. Se etede or Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 4 Pág.
15 rocesos estocástcos a auellos e los ue teresa la secueca e el temo de ocurreca de evetos. Dado u tervalo de úmeros reales, asumedo ue ocurre al azar e todo el tervalo valores de ua varable aleatora; s el tervalo se uede dvdr e subtervalos de eueña logtud tal ue: () la robabldad de ue más de ua ocurreca e u subtervalo es cero, () la robabldad de ua ocurreca e u subtervalo es la msma ara todos los subtervalos y roorcoal a la logtud del subtervalo, y (3) el coteo e cada subtervalo es deedete de otros subtervalos, Etoces el eermeto aleatoro se deoma u roceso de Posso. Fgura Nº 3 - Dstrbucó de Posso ara dsttos valores del arámetro Eemlo E certa regó se sabe ue e u determado mes del año ocurre, e romedo, 3 tormetas cuya rectacó suera los 50 mm. Determe la robabldad de ue e u determado mes e esta zoa ocurra meos de 5 tormetas de este to. Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 5 Pág.
16 3 P( 5) e 3! Modelo Hergeométrco Este modelo surge cuado se realza u muestreo s reoscó de ua oblacó fta y co sus elemetos clasfcados e dos categorías. S N es el total de elemetos de los cuales hay k de ua categoría y N-k de otra, al realzar ua etraccó de elemetos, s reoscó, cada etraccó ue se realce osterormete es deedete del resultado de la etraccó ateror co lo cual va cambado la robabldad de éto. Para dervar la fucó corresodete a la varable aleatora : úmero de étos o elemetos erteecetes a la categoría ue se estuda, e ua etraccó, se deberá cosderar todas las maeras osbles o combacoes, de etraer elemetos de la categoría deseada, de los etraídos y los restates ue erteezca a la otra categoría. El total de casos se obtee de las combacoes del total N etraídos de a. Luego la fucó de robabldad ara este modelo es: k N - k P (X ) f() - N (5) Característcas Para obteer las característcas es osble decr ue la varable aleatora X es la suma de varables como e el caso Bomal, ero co la dfereca ue auí las so deedetes. Como ara sumar las eserazas o se ecesta ue las varables aleatoras sea deedetes es osble obteer la eseraza de la sguete forma: E(X) E( )+ E( )+...+E( ) dode e cada E( ) la robabldad de e la ésma rueba es k/n, s o se sabe ue ha ocurrdo e ruebas aterores o osterores, luego: Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 6 Pág.
17 k N E(X) (6) La varaza: N - Var(X) * * * (7) N - N - sedo el factor de correccó or muestreo s reoscó y oblacó fta. N - Cuado 0. 05la dstrbucó Hergeométrca se aroma a la Bomal. N Fgura Nº 4 - Dstrbucó Hergeométrca ara dsttos valores de N, y K Eemlo U euo cluye cco geeros ambetales y ueve agrmesores. S se elge al azar cco rofesoales y se les asga u royecto, cuál es la robabldad de ue el euo del royecto cluya eactamete a dos geeros ambetales?. Solucó: X: "úmero de g. ambetales cludos e el royecto". P(Ig. Amb.) 5/4 P(Agrm.) 9/4 Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 7 Pág.
18 P(X ) P(X ) 0,4 Igeerías Recursos Hídrcos-Ambetal-Agrmesura- FICH-UNL 8 Pág.
Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería en Informática
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería e Iformátca Mg. Ig. Susaa Valesberg Profesor Ttular MODELOS DE VARIABLE ALEATORIA DISCRETA SITUACIONES A RESOLVER I- El
Más detallesX / 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 detallesTema 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 detallesESTADÍSTICA. 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 detallesLa 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 detalles3 Metodología de determinación del valor del agua cruda
3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos
Más detallesTema 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 detalles6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
Más detallesDada 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 detallesUNIDAD 4 MODELOS PROBABILÍSTICOS
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería
Más detallesV 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 detallesOrden 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 detallesGRADO 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 detallesREGRESIÓN 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 detallesVARIABLE 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 detallesLECTURA 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 detallesNOMBRE. 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 detallesSEMESTRE 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 detallesModelos 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 detalles5- VARIABLES ALEATORIAS BIDIMENSIONALES
Parte Varables aleatoras bdmesoales Prof aría B Ptarell 5- VARIABLS ALATORIAS BIDISIOALS 5 Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales sto es el resultado del eermeto
Más detallesInferencia 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 detalles3 = =. 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 detallesSIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33
SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio
Más detallesTEMA 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 detallesINSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
Más detallesIntensificación 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 detallesPARTE SEGUNDA: INFERENCIA ESTADÍSTICA
ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos
Más detallesPosible solución del examen de Investigación Operativa de Sistemas de septiembre de 2011
Posble solucó del exame de Ivestgacó Oeratva de Sstemas de setembre de 2 Problema : ( utos Dos bolas blacas está colocadas e ua mesa al lado de ua bolsa que cotee ua bola blaca y dos egras. Reteradamete
Más detallesProblemas de Polímeros. Química Física III
Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesEstadística. 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 detalles02 ) 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 detalles5- VARIABLES ALEATORIAS BIDIMENSIONALES
Parte - Probabldades Prof. María B. Ptarell 5- VARIABLS ALATORIAS BIDIMSIOALS 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. sto es el resultado del eermeto de terés
Más detallesque 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 detallesI. 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 detallesFUNCIONES ALEATORIAS
Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode
Más detallesTEMA 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 detallesMEDIDAS 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 detallesESTADÍSTICA 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 detalles6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.
Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral
Más detallesx x x x x Y se seguía operando
. INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces
Más detallesProblemas discretos con valores iniciales
Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co
Más detallesTema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre
Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesPROBABILIDAD Y ESTADÍSTICA
FCULTD DE INGENIERÍ U N M ROILIDD Y ESTDÍSTIC Iree atrca Valdez y lfaro reev@servdor.uam.mx T E M S DEL CURSO. álss Estadístco de datos muestrales. 2. Fudametos de la Teoría de la probabldad. 3. Varables
Más detallesGUÍA 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 detalles4º 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 detallesCurso 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 detallesTrata 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 detallesERRORES 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 detallesDISTRIBUCIÓN 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 detalles10 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 detallesEstadística 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 detalles1.3. 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 detalles2.5. 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 detallesANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS
UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,
Más detalles10 Un trabajador cobra por horas según el siguiente baremo:
Udad REPASO DE ESTADÍSTICA! 0 U trabajador cobra or horas segú el sguete baremo: Hora ormal (lues a veres):.000 tas. Hora etra (lues a veres): e.000 tas. Hora etra de semaa:.00 tas. Sabedo que etre semaa
Más detallesMEDIA 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 detalles7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
Más detallesUNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA.
IES Padre Poveda (Guad) Matemátcas Alcadas a las CCSS II UIDAD 0: MUESTREO E IFERECIA ESTADÍSTICA.. ITRODUCCIÓ. DEFIICIOES BÁSICAS. Cada 0 años se reala e Esaña u estudo ehaustvo de todos sus habtates
Más detallesTEMA 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 detalles2. Censura y truncamiento
2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete
Más detallesAPROXIMACIÓN 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 detallesn 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 detallesSistemas de Ecuaciones No Lineales
Matemátca Sueror alcada Sstemas de Ecuacoes No Leales Profesor: Dr. Alejadro S. M. Sata Cruz JTP: Dr. Jua Igaco Maassald Au. da: Sr. Alejadro Jesús Ladreyt Au. da: Sra. Amala Rueda Itroduccó Volvemos u
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesMétodos 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 detallesAproximación 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 detallesMEDIDAS DE TENDENCIA CENTRAL
Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos
Más detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto
Más detallesVARIABLES 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 detallesTransformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas
5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal
Más detallesMg. Ing. Susana Vanlesberg Profesor Titular
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES
Más detallesEstadística 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 detallesal nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
Más detallesEscrito. 1) Transforma a las bases indicadas:
Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b
Más detallesX = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN
0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto
Más detallesLa Metodología de la Verosimilitud Empírica
La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la
Más detallesLos 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 detallesAGRO 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 detalles6. 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 detallesIncertidumbre en las mediciones directas e indirectas
Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:
Más detallesAnálisis 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 detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Epermeto aleatoro.- Se llama epermeto aleatoro a todo feómeo cuyos resultados o se puede predecr de atemao, au cuado cada prueba se repta bajo las msmas codcoes. Ejemplos de
Más detallesNúmeros Complejos PREGUNTAS MÁS FRECUENTES
Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?
Más detallesCAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en
CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo
Más detallesLOS 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 detalles1 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 detallesMatemáticas Discretas
Coordacó de Cecas Computacoales - INAOE Matemátcas Dscretas Cursos Propedéutcos 0 Cecas Computacoales INAOE Dr. Erque Muñoz de Cote jemc@aoep.m http://ccc.aoep.m/~jemc Ofca 80 Dapostvas basadas e prevas
Más detallesUNIDAD 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 detallesProbabilidad. 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 detallesApéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )
Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess
Más detallesEXAMEN 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 detallesProblemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011
Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos
Más detallesRespuesta. 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 detallesDel correcto uso de las fracciones parciales.
Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos
Más detalles1 m n x y f xy. 1 n x x y y f x x y y
.4. Mometos bdmesoales o cetrales cetrales Dada la dstrbucó bdmesoal de la varable (X, Y) observada sobre ua oblacó de tamaño se defe: Mometo o cetral, o resecto el orge, de órde (r, s) de la varable (X,
Más detallesx 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 detallesProbabilidad. 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