Experimento Aleatorio: Es aquel que proporciona diferentes resultados, aun cuando se repita bajo las mismas condiciones.

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

Download "Experimento Aleatorio: Es aquel que proporciona diferentes resultados, aun cuando se repita bajo las mismas condiciones."

Transcripción

1 CAPITULO II PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD El termino probabilidad está asociado con el estudio de la aleatoriedad y la incertidumbre El objetivo es tratar de asociar a uno o varios resultados de un eperimento una medida de la posibilidad de ocurrencia de dichos resultados Eperimento Aleatorio: Es aquel que proporciona diferentes resultados, aun cuando se repita bajo las mismas condiciones Espacio Muestral: Es el conjunto de todos los posibles resultados de un eperimento aleatorio Se denota S Un Evento es cualquier colección (subconjunto) de resultados de un espacio Muestral S (simples y compuestos) Ejemplos: -Lanzamiento de una moneda no cargada S { c,s} ó S { cara, sello} - Lanzamiento de un dado no cargado, S {,, 3, 4, 5, 6} - Medición del tiempo de duración de una batería en horas, S { 0, } + - Se selecciona al azar tres artículos de la producción diaria de una empresa Cada artículo se clasifica como defectuoso ( D) ó No defectuoso ( N ) Así S NNN, NND, NDN, DNN, NDD, DND, DDN, DDD { } - Lanzamiento de dos dados no cargados S (,)(, ),,( 6,5)( 6,6) Sean los siguientes eventos A { } A : El resultado es cara { C} B : El resultado del lanzamiento del dado es par B {,4,6} C : La bombilla dura menos de 000 horas C [ 0, 000) D: Solo un artículo es defectuoso D { NDD, DND, DDN} E : La suma de los resultados al lanzar dos dados es siete ( 7) E {(,6)(,5)( 3,4)( 4,3)( 5,)( 6,) } - De la producción diaria de una empresa se eaminan al azar artículos hasta encontrar el primero defectuoso S D, ND, NND, NNND, NNNND, Si D : denota defectuoso y N : No defectuoso entonces { } Sea F : el número de artículos no defectuosos antes de un primer defectuoso es par F NND, NNNND, { } Ejemplo: Se toman al azar tres artículos de un gran lote Cada artículo es clasificado como defectuoso D, o no- defectuoso N El espacio Muestral para este eperimento es: S { NNN, NND, NDN, DNN, NDD, DND, NDD, DDD}

2 Sea E el evento dado por el conjunto de resultados en los cuales al menos dos artículos son defectuosos: E { NDD, DDN, DND, DDD} Sea E el evento dado por todos los resultados en los cuales los tres artículos son defectuosos DDD E { } Debido a que los eventos son finalmente subconjuntos de un conjunto mayor, las operaciones entre conjuntos se aplican a los eventos (unión, intersección, complemento, entre otras) Ejemplo: Se toman muestras de una pieza fundida de aluminio y se clasifican de acuerdo con el acabado de la superficie (en micro pulgadas) y con las mediciones de longitud Se presenta un resumen de los resultados obtenidos con 00 muestras Longitud Ecelente Bueno Acabado Ecelente 75 7 Superficie Bueno 0 8 Considere los siguientes eventos: A : La muestra tiene acabado ecelente B : La muestra tiene longitud ecelente Determine el numero de muestras en: A, B, A, B, A B, A B, A B, A B Grafique en un diagrama de Venn #A 85 #B 7 #A B 9 #A B 75 #A 8 #B 5 #A B 0 #A B 5 Definición: Sean A y B eventos de un espacio Muestral S Se dice que A y B ecluyentes o Disjuntos si A B (Vacío es un evento de S ) En general si E,E,, E n eventos de S, se dicen mutuamente disjuntos o ecluyentes si E E, i j i j Ejemplo: Se lanza un dado no cargado El espacio Muestral para este eperimento es S {,, 3, 4, 5, 6} Defina los siguientes eventos: E : El resultado es un número par E : El resultado es un número primo E 3 : El resultado es un número impar Identifique los eventos Cuál par de ellos son ecluyentes? Son los tres eventos mutuamente ecluyentes?

3 Solución: E {, 4, 6},E {, 3, 5},E 3 {, 3, 5} E E { },E E { },E E { 3, 5} 3 3 E y E 3 son ecluyentes, pero E,E y E 3 no son mutuamente ecluyentes, aunque E E E 3 Ejercicios propuestos Capitulo, -, -9, -0, -4, -, -4 Técnicas de conteo: En algunos eperimentos no es fácil enumerar todos los posibles resultados de este Se hace necesario entonces proponer métodos que permitan el conteo de dichos resultados Ejercicio: Se selecciona al azar un vehículo en cierta ciudad Si todas las letras de la placa del vehículo son diferentes, Cuántos autos tienen la misma característica? Cuántos autos tienen placas con todos sus dígitos impares? Ejercicio: Se lanzan 0 monedas no cargadas, Cuántos posibles resultados tienen solo tres caras? Ejercicio: Se seleccionan al azar tres personas de un grupo por 0 obreros, 4 pintores y 6 carpinteros Cuántos grupos diferentes conformados por un obrero, un pintor y un carpintero se pueden formar? Regla multiplicativa: Si una operación puede describirse como una secuencia de k pasos donde el número de maneras de completar el paso es n, para cada manera de completar el paso eisten n maneras de completar el paso, y así sucesivamente, entonces el número total de formas de completar la operación es k i n i Ejemplo: En una operación de manufactura se produce una pieza con operaciones de maquinado, pulido y pintado Eisten tres herramientas para maquinado, cuatro para pulido y tres para el pintado Cuantas rutas distintas (maquinado pulido - pintura) son posibles para fabricar una pieza? Solución: # Formas de operaciones de maquinado: 3 # Operaciones de pulido : 4 # Operaciones de pintado : 3 # Rutas diferentes: Ejemplo: En Colombia las placas de los automóviles constan de tres letras y tres números Cuántas placas diferentes se pueden tener? Cuántas con los dígitos pares? Cuántas con todas las letras diferentes? Cuántas con todas las letras y números diferentes? Solución: Placas diferentes:

4 Placas con dígitos pares: diferentes: Placas con letras Placas con letras y números diferentes: Permutaciones: Una permutación es un arreglo ordenado de un conjunto de objetos El número de permutaciones (acomodos) de n elementos diferentes es n! n! n n n El numero de permutaciones (acomodos) de r elementos seleccionados de un conjunto de n n elementos distintos se denota Pr y n n! Pr n( n )( n ) ( n r + ) n r! Ejemplo: Juan, Carlos, Ana, y Milena esperan en la parada del autobús De cuantas maneras se pueden filar para subir al bus? Si solo hay puesto para dos, De cuantas maneras se pueden organizar ellos en los primeros dos lugares? Solución: Usemos las iniciales para mayor facilidad: JCAM # Formas en que se pueden filar: 4! 4 4 4! # Formas en que se pueden acomodar en dos lugares: P! El número de acomodos de n n + n + + n k objetos de los cuales n son del tipo, n del tipo dos, del tipo k, es: P n n,,n k n k n! n!n!n! k son Ejemplo: Una pieza se etiqueta usando 4 líneas delgadas, tres líneas medianas y dos líneas gruesas Si cada ordenamiento de las nueve líneas representa una etiqueta diferente Cuántas etiquetas distintas pueden generarse con este esquema? 9 9! P 43,, 60 Solución: # de etiquetas diferentes 43!!! El numero de subconjuntos de tamaño r distintos, que pueden seleccionarse de un conjunto de n n n n n P elementos, se denota ó C r ó nc r y r n! r r r! ( n r )!r!

5 n n n n Propiedades: n 0! ; 0 n n Ejemplo: De una baraja de 5 cartas se etraen al azar dos cartas y sin reemplazo Cuántas muestras de dos cartas contienen un As y un dos? Cuántas muestras contienen un diez y una figura? Cuántas muestras contienen dos figuras? Solución: Defina los siguientes eventos: A: La carta etraída es un As; D: La carta etraída es un dos F: La carta etraída es una figura; T: La carta etraída es un diez 4 a) Maneras de etraer un As de 4 posibles: 4 Maneras de etraer un dos de 4 posibles: 4 4 Maneras de etraer un AS y un dos: 6 b) Maneras de etraer un diez y una figura: 4 48 c) Maneras de etraer dos figuras de posibles: 66 Ejercicios propuestos: - El pedido de una computadora personal digital puede especificar uno de cinco tamaños de memoria, cualquier tipo de monitor de tres posibles, cualquier tamaño de disco duro de entre cuatro posibles, y puede incluir o no una tableta para lápiz electrónico Cuántos sistemas distintos pueden ordenarse? - Un proceso de manufactura está formado por 0 operaciones, las cuales pueden efectuarse en cualquier orden Cuántas secuencias de producción distintas son posibles? - Un proceso de manufactura está formado por 0 operaciones Sin embargo, cinco de ellas deben terminarse antes de que pueda darse inicio a las otras cinco Dentro de cada conjunto de cinco, las operaciones pueden efectuarse en cualquier orden Cuál es el número de secuencias de operaciones distintas posible? - Se inspecciona un lote de 40 chips mediante la selección de una muestra de cinco de ellos Suponga que 0 chips no cumplen con los requerimientos del cliente a Cuál es el número de muestras distintas posibles? b Cuántas muestras de cinco contienen eactamente un chip que no cumple con los requerimientos? c Cuántas muestras de cinco contienen al menos un chip que no cumple con los requerimientos?

6 - El diseño de un sistema de comunicación considera las siguientes preguntas: a Cuántos prefijos de tres dígitos de teléfono pueden crearse para representar un área geográfica en particular (código de área) con los dígitos del 0 al 9? b Al igual que en el inciso a), Cuántos prefijos de tres dígitos pueden crearse de modo que el primer dígito no sea 0 ni, y el segundo sea 0 o? c Cuál es el número de prefijos de tres dígitos en los que ningún dígito aparece más de una vez en cada prefijo? Probabilidad y Aiomas de Probabilidad Introducción: En la realización de un eperimento aleatorio, la variación en las mediciones obtenidas puede ser muy pequeña o apreciable y se hace necesario determinar que tanto influye esta variación en las conclusiones que se desprendan del análisis de la información recolectada Estas decisiones varían de una muestra a otra debido a lo aleatorio del eperimento Otra componente adicional se debe tener en cuenta: La incertidumbre Ejemplo: Suponga que un fabricante de bombillas asegura a un futuro comprador que estas tienen una duración media de 570 horas El comprador requiere de un gran número de bombillas Para él resulta difícil evaluar la duración de todas las bombillas Para tomar una decisión, este decide eaminar 30 bombillas elegidas al azar y si o mas no cumple con el requisito establecido por el (duración superior a 5300 horas), el lote no es adquirido La incertidumbre acerca de elegir o no el adquirir el lote, recae en determinar de las 30 bombillas, cuantas no cumplen el requisito En un sentido amplio la Probabilidad mide el grado de Creencia de una afirmación hecha con base en la información recolectada o la posibilidad de ocurrencia de uno o varios resultados del eperimento aleatorio Si un eperimento tiene N posibles resultados, todos igualmente posibles, la probabilidad aproimada asociada a cada resultado será n Si en vez de un resultado se tiene un conjunto de resultados (digamos el evento E ), la n E probabilidad asociada al evento E después de n repeticiones del eperimento es n ; donde es el número de resultados contenidos en E de las n repeticiones n E Ejemplo: - Se lanza un dado no cargado, S {,, 3, 4, 5, 6} 6 la probabilidad asociada a cada resultado es - Se lanzan tres monedas no cargadas S { ccc, ccs, csc, scc, css, scs, ssc, sss} asignada a cada resultado es 8 La probabilidad Definición: Sea E un evento de un espacio Muestral S, la probabilidad de E, se calcula como la suma de las probabilidades de los resultados contenidos en E (Probabilidades aproimadas) Ejemplo: El espacio Muestral de un eperimento aleatorio es { a,b,c,d,e }, y las probabilidades asignadas a cada resultado son 0, 0, 0, 04 y 0, respectivamente Sean A { a,b} y B { c,d,e} La probabilidad del evento A es La probabilidad del

7 evento B es La probabilidad del evento A B es Si A denota el complemento de A, entonces la probabilidad de A es Definición: Una función P:S, será llamada una medida de probabilidad si satisface las siguientes condiciones: I) Si A es cualquier evento de S( AS) P( A) 0 II) PS III) Si E,E,,E n, es una colección (finita o infinita) de eventos de S, mutuamente ecluyentes, entonces P( E E E n ) P E i P( E i) i i En este caso tanto P( A) como P( E i ) Teorema: Sea E un evento de un espacio Muestral S 0P E I) II) P( ) 0 III) P( E ) P( E), siendo E el complemento de E denotan la probabilidad asociada a estos eventos Proposición: Sean A y B eventos de un espacio Muestral S Si A B, entonces P( A) P( B) Demostración: ( ) + ( ) P( A) P( B ), P( B A ) B A B A P B P A P B A pues 0 Proposición: Sean A y B eventos de un espacio Muestral S entonces P A B P A + P B P A B Ejemplo: Se etraen al azar y sin reemplazo tres cartas de una baraja de 5 cartas a) Cuál es la probabilidad de etraer un As, un dos y una figura? b) Cuál es la probabilidad de etraer dos figuras y un diez? c) Cuál es la probabilidad de etraer tres Ases? Solución: Definamos los eventos: A : Carta etraída es un As F : Carta etraída es una figura D: Carta etraída es un diez DD : Carta etraída es un dos

8 44 ( 4)( 4) P( ADD F ) P( FF D ) P( AA A ) Ejemplo: La siguiente tabla presenta la historia de 940 obleas de un proceso de fabricación de semiconductores Se elige al azar una oblea de esta tabla Sea A el evento en que la oblea tiene altos niveles de contaminación Sea B el evento en que la oblea está en el centro de instrumentación electrónica En el centro de instrumentación electrónica NO SI Contami- NO nación SI alta Solución: Calcule: P( A ),P( B ),P( AB ),P( AB ),P( AB) 358 P( A ) P( B ) P( A B ) P( A B ) P( A B) P( A B ) Ejemplo: Sean A y B eventos de un espacio Muestral S Muestre que P A B P A + P B P AB Sugerencia: A ( AB) ( A B ) ; B ( AB) ( B A) A B ( AB) ( AB) ( BA) Ejemplo: Si A y B son eventos de un espacio Muestral tales que P( A ) 03, P( B ) 0, P( A B ) 0 P A B P A B P A B P A B Calcule P( A ), ( ), ( ), ( ), Solución:

9 P( A ) P( A ) P( A B) P( A) + P( B) P( A B ) P( A B )? P( B) P( B A ) + P( A B) P( A B) P( B) P( A B ) P( A B ) P ( A B ) P( A B ) P A B P A + P B P A B Ejemplo: Con base en una muestra de 539 personas, se observaron las variables NAC : # accidentes en el año, SEXO del conductor y TIPO : tipo del vehículo según su peso: TIPO : Automóvil; TIPO : Camión o bus; TIPO 3 : Camioneta o campero; SEXO H Hombre y SEXO M : Mujer El resumen de esta información se presenta en la siguiente tabla: H N A C 0 T I P O Se M elige al azar una persona de este grupo a) N 0 A C Cuál es la probabilidad de que sea un hombre? b) Cuál es la probabilidad de que maneje un vehículo TIPO? c) Cuál es la probabilidad de que sea hombre y se haya accidentado una vez? De que sea mujer y se haya accidentado? d) Si se ha accidentado una vez, Cuál es la probabilidad de que sea un hombre y maneje un automóvil? e) Si se ha accidentado, Cuál es la probabilidad de que sea un hombre y maneje un automóvil? f) Si se ha accidentado y conduce un bus, Cuál es la probabilidad de que sea un hombre? Una mujer? g) Cuál es la probabilidad de que sea un hombre y maneje un automóvil o se haya accidentado dos veces? Solución: Defina los eventos H : Persona seleccionada es un hombre M : Persona seleccionada es una mujer Ti : Persona seleccionada maneja un vehículo Tipo i, i,, 3 Ni : Persona seleccionada ha tenido NAC i accidentes, i 0,, 39 P H a) b) P( T)

10 c) P( H N ) 000, P M ( N N ) d) P( Msi N ), P( Hsi N) P HT si N N e) ( ) P HsiT N N P( MsiT( N N ) ) f) ( ) g) P H T N P HT HN ( ( ) ) ( ) P( H T ) + P( HN ) P( HT N ) Las preguntas d), e) y f) involucran dos o mas eventos, donde la ocurrencia de uno o mas, esta condicionada a la ocurrencia de otro o de otros Este tipo de probabilidad es llamada condicional Probabilidad Condicional En muchos eperimentos la ocurrencia de un evento particular está usualmente asociada a la ocurrencia de otro u otros eventos de manera que al calcular la probabilidad de dicho eventos es necesario considerar aquellos que condicionan su ocurrencia Veamos el siguiente ejemplo Ejemplo: Un comité de dos personas va a ser seleccionado al azar de un grupo de 3 médicos y 4 sociólogos Cuál es la probabilidad de que el primer seleccionado sea médico? Sociólogo? De que los dos sean médicos? Cuál es la probabilidad de que el segundo sea médico? La última pregunta revierte cierto interés Si M : es el evento donde el segundo seleccionado es médico M : El primer seleccionado es médico S : El primer seleccionado es sociólogo Entonces para calcular P( M ) es necesario tener en cuenta que pasó con el primer seleccionado Si el primer seleccionado es médico entonces P( M ) Si el primer seleccionado es sociólogo entonces P( M ) 6 depende de lo ocurrido con la primera selección En este sentido diremos La probabilidad de M que la ocurrencia de M está condicionada a la ocurrencia de otro evento (ya sea M ó S )

11 Definición: Sean A y B eventos de un espacio Muestral S La probabilidad Condicional de A P A B, esta dada por dado B, la cual se denota P( A B) P( A B ), si P( B) 0 P( B) P( A B) P( B A ), si P( A) > 0 P( A) > Análogamente De esta manera se tiene la siguiente Regla Multiplicativa ( ) ( ) ( ) P A B P A P A B P B P A B En general pueden tenerse una serie de eventos que condicionan o son condicionados por otros eventos, es decir los eventos A y B pueden ser combinaciones de otros eventos Ejemplo: Con base en una muestra de 539 personas Se observaron las variables NAC : # de accidentes en el año, SEXO : del conductor y TIPO : tipo de vehículo según su peso: TIPO Automovil ; TIPO Camión o bus TIPO 3 Camioneta o campero SEXO H Hombre SEXO M Mujer La información resumida se muestra a continuación: SEXO H N A C T 0 I P O Se elige al azar una persona de este grupo a) Cuál es la probabilidad de que tenga un vehículo tipo? b) Cuál es la probabilidad de que sea hombre? y se haya accidentado? c) Si se ha accidentado, Cuál es la probabilidad de que sea hombre? De que maneja automóvil? d) Si conduce un camión o bus Cuál es la probabilidad de que se haya accidentado? e) Cuál es la probabilidad de que sea mujer, si conduce un campero y no se ha accidentado? f) Cuál es la probabilidad de que sea un hombre dado que maneja un automóvil o se ha accidentado dos veces? Solución: Defina los siguientes eventos H : La persona seleccionada es hombre M : La persona seleccionada es mujer T : La persona seleccionada maneja un vehículo TIPO i, i 3,, i N : La persona seleccionada se ha accidentado i veces i 0,, i M N A C ( ó NAC i ; i 0,, ) 45 5 P T A: se ha accidentado 539 a)

12 b) P( H A) Si la persona se ha accidentado es porque NAC es ó Así P( H A ) P( H( N N ) ) P( H N ) + P( H N ) P H A c) P A T d) ( ) P M T A e) ( 3 ) ( ) ( ) P H TN P HT HN 47 P( H T N ) P( T N ) P T + P N P TN f) P( H T) + P( HN ) P( HTN ) P T + P N P T N ( ) P ( H T N ) Otra forma P( H T N ) Ejemplo: Considere una urna con 4 bolas blancas y 3 bolas negras Se etrae al azar una bola pero no se mira de que color es Seguidamente se etrae una segunda bola Qué tan probable es que sea blanca? La probabilidad del segundo evento depende eclusivamente del resultado en el primer eperimento (ó primera etracción) Si la primera bola es blanca, la respuesta es 3 6 Si la primera bola es negra, la respuesta es (Mayor) Por lo tanto dicha probabilidad tiene un valor diferente dependiendo del resultado en el primer eperimento Sean A A S A( B B ) ( AB) ( A B ) Como A B y A B son ecluyentes, entonces A y B eventos de un espacio Muestral Observe que

13 P( A) P( A B) + P( A B ) P( A B) P( B) + P( A B ) P( B ) Lo anterior se conoce como Teorema de Probabilidad Total Para el ejemplo, Si B : La primera bola es blanca y A : La segunda bola es blanca entonces ( ) + ( ) + P A P A B P A B P A B P B P A B P B Ejemplo: Suponga que un lote contiene 5 piezas de hierro fundido de un proveedor local y 5 de un proveedor de otro estado Se eligen al azar y sin reemplazo dos piezas del lote de 40 Sean A : el evento donde la primera pieza seleccionada es del proveedor local y B : el evento donde la segunda pieza seleccionada es del proveedor local P A? a) Cuál es el valor de b) Cuál es el valor de P( B A )? c) Cuál es el valor de P( A B)? d) Cuál es el valor de P( B A )? Solución: 5 a) P( A ) 40 4 b) P( B A ) c) P( A B) P( A) P( B A ) d) P( B A ) 39 Ejercicios propuestos Si A,B y C son eventos mutuamente ecluyentes, con P( A ) 0, P( B ) 03 y P( C ) 04 determine las siguientes probabilidades, - Si A,B y C son eventos mutuamente ecluyentes, es posible que P( A ) 03, P( B ) 04 y P( C ) 05? Por qué? - La tabla siguiente presenta un resumen del análisis realizado a las flechas de un compresor para determinar el grado con que éstas satisfacen ciertos requerimientos

14 la curvatura cumple con los requerimientos el acabado superficial cumple sí sí no con los requerimientos no a Si se toma una flecha al azar, cuál es la probabilidad de que cumpla con los requerimientos de acabado superficial? b Cuál es la probabilidad de que la flecha seleccionada cumpla con los requisitos de acabado o con los de curvatura? c Cuál es la probabilidad de que la flecha cumpla con los requisitos de acabado o que no cumpla con los de curvatura? d Cuál es la probabilidad de que la flecha cumpla con los requisitos de acabado y curvatura? - Continuación del ejercicio anterior Las flechas se clasifican, además, en términos de la máquina herramienta utilizada en su fabricación Máquina herramienta Máquina herramienta la curvatura cumple con los requerimientos el acabado superficial cumple sí no con los requerimientos si 00 no 4 la curvatura cumple con los requerimientos el acabado superficial cumple sí no con los requerimientos si 45 4 no 8 6 a Si se elige una flecha al azar, Cuál es la probabilidad de que cumpla con los requerimientos de acabado o con los de curvatura, o que provenga de la máquina herramienta? b Si se escoge una flecha al azar, Cuál es la probabilidad de que cumpla con los requerimientos de acabado o que no cumpla con los de curvatura o que provenga de la máquina herramienta? c Si se elige una flecha al azar, Cuál es la probabilidad de que cumpla con los requisitos de acabado y curvatura o que provenga de la máquina herramienta? d Si se toma una flecha al azar, Cuál es la probabilidad de que cumpla con los requisitos de acabado o que provenga de la máquina herramienta? - Un lote contiene 5 piezas de fierro fundido de un proveedor local y 5 de un proveedor de otro estado Se eligen tres piezas al azar, sin reemplazo, del lote de 40 Sean A : el evento donde la primera pieza seleccionada es del proveedor local, B : el evento donde la segunda pieza seleccionada es del proveedor local y C : el evento donde la tercera pieza seleccionada es del proveedor local P A B C? a Cuál es el valor de

15 b Cual es el valor de P( A B C )? - Considere los datos sobre contaminación de obleas y posición en un instrumento de deposición electrónica, dados a continuación Suponga que de este conjunto se toma al azar una oblea Sean A : el evento donde la oblea contiene cuatro o más partículas, y B : El evento donde la oblea está en el centro del instrumento de deposición P A? a Cuál es el valor de b Cuál es el valor de P( A B )? c Cuál es el valor de P( B )? d Cuál es el valor de P( B A )? e Cuál es el valor de P( A B)? P A B? f Cuál es el valor de - Si P( A B ), Puede concluirse que A su respuesta B? Dibuje un diagrama de Venn para eplicar - Suponga que A y B son eventos mutuamente ecluyentes Construya un diagrama de P A C y P( B C ) 0 Venn que contenga los eventos A, B y C, tales que Teorema de Probabilidad Total Sean A,A, A n, eventos no vacíos de un espacio Muestral mutuamente ecluyentes que constituyen una partición de S, es decir, n n ( i ) ( i) ( i) P B P A B P A P B A i i n i A i S Si B es un evento cualquiera de S, entonces Ejemplo: Considere una urna que contiene 4 bola blancas y 3 negras De la urna se etrae una bola sin mirar de qué color es y se etrae una segunda bola Qué tan probable es que ésta sea blanca? Indudablemente todo depende de cuál bola fue etraída primero Si la bola etraída primero es blanca, la respuesta es 3 6 Si la bola etraída primero es negra, la respuesta es Para resolver este problema, observe que para cualquier par de eventos A y B de un espacio Muestral S : A A S A( B B ) ( AB) ( A B ) como A B y A B son ecluyentes, entonces: P A P A B + P A B P A B P B + P A B P B Para el ejercicio en cuestión sean B : La primera bola etraída es blanca y A : La segunda bola etraída es blanca

16 Ahora, Este resultado se conoce como Regla de Probabilidad Total Así, P( A) Ejemplo: La irregularidad del corte de productos de papel aumenta a medida que las hojas de las cuchillas se desgastan Se sabe que el % de los productos cortados con cuchillas nuevas tienen cortes irregulares, el 3% de los cortados que se cortan con cuchillas de filo promedio tienen cortes irregulares y el 5% de los cortados con cuchillas desgatadas tienen cortes irregulares Además, el 5% de las cuchillas son nuevas, el 60% tienen filo promedio y el 5% están desgastadas, Cuál es la proporción de productos con cortes irregulares? Solución: Defina I : Producto presenta cortes irregulares N : Las cuchillas son nuevas P : Las cuchillas tienen filo medio D: Las cuchillas están desgastadas Según el enunciado se tiene que: P( N ) 05 P( P ) 06 P( D ) 05 NP D 5 además son mutuamente disjuntos P I N 00, P I P 003, P I D 005 Ahora ( ) + ( ) P( A B) P( B) + P( A B ) P( B ) P A P A B P A B + + ( 00 )( 05 ) + ( 003 )( 06 ) + ( 005 )( 05 ) P I P I N P N P I P P P P I D P D 008 El 8% de los productos cortados presenta cortes irregulares Definición: Sean A y B eventos de un espacio Muestral Se dice que A y B son estadísticamente independientes si y solo si, cualquiera de las siguientes proposiciones se cumple: P A B P A P B A P B P A B P A P B a) b) c) En general, una colección de eventos E,E, E n de un espacio Muestral S, se dicen Mutuamente Independientes, si y solo si, la intersección de cualquier subconjunto de eventos de esta colección cumple que la probabilidad de dicha intersección es el producto de las probabilidades de los eventos involucrados Ejemplo: La probabilidad de que una muestra de laboratorio contenga altos niveles de contaminación es 0 Se analizan 3 muestras de este tipo Se asume que los resultados obtenidos del análisis de cada muestra son independientes a) Cuál es la probabilidad de que ninguna muestra contenga altos niveles de contaminación? b) Cuál es la probabilidad de que al menos una los tenga?

17 Solución: Sea N : La muestra tiene altos niveles de contaminación P N, sin importar cuál sea la muestra 0 a) b) 3 3 P N N N P N (( ) ( ) ( )) 3 ( ) P N N N N N N N N N P N N N 3P N P N Eactamente los contenga P( al menos una) P( Ninguna) c) Ejemplo: El siguiente circuito trabaja si y solo si, eiste una trayectoria de dispositivos en funcionamiento de izquierda a derecha Suponga que los dispositivos fallan de manera independiente Cuál es la probabilidad de que el circuito funcione? Los números al interior de los recuadros son las probabilidades de falla de cada dispositivo P I P I 0 099! " # Ejemplo: Retomando el ejemplo de la irregularidad en los cortes de productos de papel, si el producto presenta cortes irregulares, que tan probable es que se hayan utilizado cuchillas nuevas Solución: Usando los mismos eventos definidos previamente se pide: P( N I) P( N) P( I N) P( N I) P( I) P( I) Como P( N ) 05 P( I N ) 00 y P( I ) 008 Así: ( 05 )( 00 ) ( 06 )( 003 ) P( N I ) , P( P I ) ( 008 ) 008 ( 05 )( 005 ) P( D I ) Teorema de Bayes Sean A,A, A n eventos no vacíos de un espacio Muestral S, mutuamente ecluyentes y tales que A S Si B es un evento de S ; entonces: i ( j ) P A B ( ) i P B A P B A P A P B A P A n P( B) P( B) P B A j j j j j P( A ) i i

18 Ejemplo: (Ejercicio - 9) Los clientes se encargan de evaluar los diseños preliminares de varios productos En el pasado, el 95% de los productos con mayor éito en el mercado recibieron buenas evaluaciones, el 60% de los productos con éito moderado recibieron buenas evaluaciones y el 0% de los productos con poco éito recibieron buenas evaluaciones Además, el 40% de los productos han tenido mucho éito, el 35% un éito moderado y el 5% una baja aceptación a) Cuál es la probabilidad de que un producto obtenga una buena evaluación? b) Si un nuevo diseño obtiene una buena evaluación, Cuál es la probabilidad de que se convierta en un producto de gran éito? c) Si un producto no obtiene una buena evaluación, Cuál es la probabilidad de que se convierta en un producto de gran éito? Solución: Defina los siguientes eventos G : Un producto es catalogado como de gran éito M : Un producto es catalogado como de éito moderado E : Producto catalogado como de baja aceptación (éito escaso) B : La evaluación del producto es buena [ ] [ ] [ ] [ ] P G, P M, P E PB G 095, PB M 06, PB E 0 a) b) c) + + ( 095 )( 04 ) + ( 06 )( 035 ) + ( 0 )( 05 ) P B P B G P G P B M P M P B E P E 065 ( 095)( 04) P B G P G PG B [ ] 0679 P B 065 [ ] [ ] ( PB G [ ]) PG ( ) PB G PG B [ ] 005 PB PB 0 65 Ejercicios propuestos - La probabilidad de que falle un conector eléctrico que se mantiene seco durante el período de garantía, es % Si el conector se humedece, la probabilidad de falla durante el período de garantía es 5% Si el 90% de los conectores se mantienen secos, y el 0% se humedece, qué proporción de conectores fallará durante el periodo de garantía? - Las muestras de vidrio de un laboratorio se colocan en empaques pequeños y ligeros o en empaques pesados y grandes, respectivamente, se rompen durante el trayecto a su destino Si el 60% de las muestras se envían en empaques grandes, y el 40% en empaques pequeños, Cuál es la proporción de muestras que se romperán durante el envío? - Si P( A ) 0 y P( B ) 0, y los eventos A y B son mutuamente ecluyentes, puede afirmarse que son independientes?

19 - Se toman muestras de espuma de dos proveedores y se hace una evaluación a éstas paara determinar el grado con el que cumplen ciertas especificaciones A continuación se resumen losa resultados obtenidos con 6 muestras Sí No Proveedor Sean A : el evento en que la muestra es del proveedor, y B : el evento donde la muestra cumple con las especificaciones a Los eventos A y B son independientes? b Los eventos A y B son independientes? - En la prueba de la tarjeta de un circuito impreso en la que se utiliza un patrón de prueba aleatorio, un arreglo de 0 bits tiene la misma probabilidad de ser uno o cero Suponga que los bits son independientes a Cuál es la probabilidad de que todos los bits sean uno? b Cuál es la probabilidad de que todos los bits sean cero? c Cuál es la probabilidad de que eactamente cinco bits sean uno, y los otros cinco, cero? - Las ocho cavidades de una máquina de moldeo por inyección producen conectores plásticos que caen en una banda de transporte común Se toma una muestra de conectores cada determinado tiempo Suponga que las muestras son independientes a Cuál es la probabilidad de que cinco muestras sucesivas hayan sido producidas en la cavidad uno del molde? b Cuál es la probabilidad de que cinco muestras sucesivas hayan sido producidas en la misma cavidad del molde? c Cuál es la probabilidad de que cuatro de cinco muestras sucesivas hayan sido producidas en la cavidad uno del molde? - Un lote de 500 contenedores para jugo de naranja de congelado contiene cinco que están defectuosos Se escogen dos al azar, sin reemplazo Sean A y B los eventos donde el primero y el segundo contenedor son defectuosos, respectivamente a Los eventos A y B son independientes? b Si el muestreo se hace con reemplazo, Los eventos A y B son independientes? - El circuito siguiente trabaja si, y solo si, eiste una trayectoria en funcionamiento, de izquierda a derecha El dibujo indica la probabilidad de que cada dispositivo funcione Suponga que la probabilidad de que un dispositivo funcione no depende del funcionamiento de los demás dispositivos Cuál es la probabilidad de que el circuito funcione?

20 - El siguiente circuito trabaja si, y solo si, eiste una trayectoria en funcionamiento, de izquierda a derecha En el dibujo se indica la probabilidad de que cada dispositivo funcione Suponga que la probabilidad de que un dispositivo trabaje no depende del funcionamiento de los demás dispositivos Cuál es la probabilidad de que el circuito funcione? - Suponga que P( A B ) 08 P( A ) 05 y P( B ) 0 Calcule P( B A) - Los láseres de semiconductor utilizados en los productos para almacenamiento óptico requieren niveles de potencia mucho mayores para las operaciones de escritura que para las de lectura Entre más grande es el nivel de potencia menor es la duración del láser Los láseres utilizados en productos para el respaldo de discos magnéticos de alta velocidad se utilizan principalmente para escribir, y la probabilidad de que su vida útil sea mayor que cinco años es 095 Los láseres que se emplean en productos para almacenamiento, invierten aproimadamente el mismo tiempo en operaciones de lectura y escritura, y la probabilidad de que la vida útil de éstos sea mayor que cinco años es 0995 El 5% de los productos de cierto fabricante se utilizan para operaciones de respaldo, mientras que el 75% restante se emplea para almacenamiento Sean A : el evento donde la vida útil de láser es mayor que cinco años, y B : el evento donde el producto que emplea el láser se utiliza para respaldar información Utilice un diagrama de árbol para determinar lo siguiente P B a b P( B ) c P( A B) d P( A B ) e P( A B) f P( A B ) g P( A) - En una operación de llenado automático, la probabilidad de que el volumen de llenado sea incorrecto es 000 cuando el proceso se realiza a baja velocidad Cuando el proceso se efectúa a alta velocidad, la probabilidad de un llenado incorrecto es 00 Suponga que el 30% de los contenedores se llena cuando el proceso se efectúa a alta velocidad, mientras que el resto se ejecuta el proceso se lleva a cabo a baja velocidad a Cuál es la probabilidad de encontrar un contenedor lleno con un volumen incorrecto? b Si se encuentra un contenedor lleno con un volumen incorrecto, Cuál es la probabilidad de que haya sido llenado cuando el proceso se realizaba a alta velocidad? - Un lote de 50 arandelas espaciadoras contiene 30 que son más gruesas que la dimensión requerida Suponga que del lote se escogen tres arandelas al azar, sin reemplazo

Tema 3 Probabilidades

Tema 3 Probabilidades Probabilidades 1 Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas que hacen afirmaciones

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Clase 4: Probabilidades de un evento

Clase 4: Probabilidades de un evento Clase 4: Probabilidades de un evento Definiciones A continuación vamos a considerar sólo aquellos experimentos para los que el EM contiene un número finito de elementos. La probabilidad de la ocurrencia

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Y DISTRIBUCIONES DE PROBABILIDAD Plan Común de Ingeniería 1.

Más detalles

Explicación de la tarea 3 Felipe Guerra

Explicación de la tarea 3 Felipe Guerra Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La

Más detalles

Diana del Pilar Cobos del Angel. Experimento: Es una prueba o ensayo. Es el proceso de obtener una observación.

Diana del Pilar Cobos del Angel. Experimento: Es una prueba o ensayo. Es el proceso de obtener una observación. Diana del Pilar Cobos del Angel Términos básicos Experimento: Es una prueba o ensayo. Es el proceso de obtener una observación. Eventos Simples: Cualquier resultado básico de un experimento. Un evento

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera

Más detalles

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral. Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida

Más detalles

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA

Más detalles

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II Soluciones de los ejercicios de Selectividad sobre Probabilidad de Antonio Francisco Roldán López de Hierro * Convocatoria de 2008 Las siguientes páginas contienen las soluciones de los ejercicios propuestos

Más detalles

1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en

1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en 1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en las sucesivas tiradas, se repite el experimento en condiciones similares

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD www.siresistemas.com/clases Ing. Oscar Restrepo DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 1. Debido a las elevadas tasas de interés, una empresa reporta que el 30% de sus cuentas por cobrar de otras empresas

Más detalles

Inferencia Estadística

Inferencia Estadística EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre

Más detalles

Probabilidad. Relación de problemas 5

Probabilidad. Relación de problemas 5 Relación de problemas 5 Probabilidad 1. Una asociación consta de 14 miembros, de los cuales 6 son varones y 8 son mujeres. Se desea seleccionar un comité de tres hombres y tres mujeres. Determinar de cuántas

Más detalles

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones

Más detalles

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0) 1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A OPCIÓN A (3 puntos) Una imprenta local edita periódicos y revistas. Para cada periódico necesita un cartucho de tinta negra y otro de color, y para cada revista uno de tinta negra y dos de color. Si sólo

Más detalles

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S. Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados

Más detalles

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL. REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer

Más detalles

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde

Más detalles

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

PARTE 1 PROBLEMAS PROPUESTOS FACTORIAL. 2. 31 Calcular:

PARTE 1 PROBLEMAS PROPUESTOS FACTORIAL. 2. 31 Calcular: PARTE 1 FACTORIAL 2. 31 Calcular: PROBLEMAS PROPUESTOS i. 9!, (9)(8)(7)(6)(5)(4)(3)(2)(1) = 362880 ii. 10! (10)(9)(8)(7)(6)(5)(4)(3)(2)(1) = 3628800 iii. 11! (11)(10)(9)(8)(7)(6)(5)(4)(3)(2)(1) = 39916800

Más detalles

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D.

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D. UNIVERSIDAD DE PUERTO RICO FACULTAD DE ADMINISTRACION DE EMPRESAS INSTITUTO DE ESTADISTICA ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus, Ph.D. Presentación Este curso ofrece al estudiante, la posibilidad

Más detalles

Variables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Variables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Variables Aleatorias Distribuciones de Probabilidad UCR ECCI CI-5 Probabilidad Estadística Pro. M.Sc. Krscia Daviana Ramírez Benavides Variable Aleatoria Una variable aleatoria es una unción que asocia

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito,

1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito, 1 1.4 Cálculo de Probabilidades con Métodos de Conteo Considerere un espacio muestral finito, y defina, Luego, Ω = {ω 1,..., ω n }, P ({ω i }) = p i, i = 1,..., n P (A) = ω i A p i, A Ω Ω se dice equiprobable

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

ANALISIS COMBINATORIO.

ANALISIS COMBINATORIO. ANALISIS COMBINATORIO. TEOREMA FUNDAMENTAL: Si un suceso puede tener lugar de m maneras distintas y cuando ocurre una de ellas se puede realizar otro suceso inmediatamente de n formas diferentes, ambos

Más detalles

Práctica No. 1. Materia: Estadística II Docente: Lic.Emma Mancilla Semestre : Sexto A1. Septiembre de 2011

Práctica No. 1. Materia: Estadística II Docente: Lic.Emma Mancilla Semestre : Sexto A1. Septiembre de 2011 Práctica No. 1 Materia: Estadística II Docente: Lic.Emma Mancilla Semestre : Sexto A1 Septiembre de 2011 1. Repaso:Conjuntos - Cálculo combinatorio. 1. Dado el conjunto A = {6, 2, 8, 4, 3} encontrar todos

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD.

INTRODUCCIÓN A LA PROBABILIDAD. INTRODUCCIÓN A LA ROBABILIDAD. Departamento de Matemáticas Se denomina experimento aleatorio a aquel en que jamás se puede predecir el resultado. El conjunto formado por todos los resultados posibles de

Más detalles

Contenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS

Contenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier

Más detalles

2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24

2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios

Más detalles

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida

Más detalles

DE VIDA PARA EL DESARROLLO DE SISTEMAS

DE VIDA PARA EL DESARROLLO DE SISTEMAS MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Modelos de distribuciones discretas y continuas Discretas En la versión actual de Rcdmr podemos encontrar las distribuciones discretas estudiadas en este curso y para cada una de ellas están disponibles

Más detalles

ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos

ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:

Más detalles

ESTIMACION DE INTERVALOS DE CONFIANZA

ESTIMACION DE INTERVALOS DE CONFIANZA pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones

Más detalles

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada

Más detalles

Elementos de Combinatoria

Elementos de Combinatoria Elementos de Combinatoria 1 Introducción Previamente al estudio de la probabilidad en sí, conviene dedicar algún tiempo al repaso de las técnicas combinatorias. Recordemos que la Combinatoria es la parte

Más detalles

6. VECTORES Y COORDENADAS

6. VECTORES Y COORDENADAS 6. VECTORES Y COORDENADAS Página 1 Traslaciones. Vectores Sistema de referencia. Coordenadas. Punto medio de un segmento Ecuaciones de rectas. Paralelismo. Distancias Página 2 1. TRASLACIONES. VECTORES

Más detalles

Algunas Distribuciones de Probabilidad

Algunas Distribuciones de Probabilidad Relación de problemas 7 Algunas Distribuciones de Probabilidad 1. En un hospital se ha comprobado que la aplicación de un tratamiento en enfermos de cirrosis produce una cierta mejoría en el 80 % de los

Más detalles

Cifras significativas e incertidumbre en las mediciones

Cifras significativas e incertidumbre en las mediciones Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

Control Estadístico de Procesos

Control Estadístico de Procesos Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

El azar y la probabilidad. Un enfoque elemental

El azar y la probabilidad. Un enfoque elemental El azar y la probabilidad. Un enfoque elemental Experimentos al azar El azar puede percibirse fácilmente cuando se repite muchas veces una acción cuyo resultado no conocemos, como tirar dados, repartir

Más detalles

Tema 1 con soluciones de los ejercicios. María Araceli Garín

Tema 1 con soluciones de los ejercicios. María Araceli Garín Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un

Más detalles

Tema 6 Algunos modelos de distribuciones discretas.

Tema 6 Algunos modelos de distribuciones discretas. Tema 6 Algunos modelos de distribuciones discretas. Una vez epuesta la teoría general sobre variables aleatorias y sus distribuciones de probabilidad, vamos a describir algunas distribuciones particulares

Más detalles

Ejemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1

Ejemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1 Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar

Más detalles

Clase 8: Distribuciones Muestrales

Clase 8: Distribuciones Muestrales Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA PROBLEMAS RESUELTOS DE PROBABILIDAD

CURSO DE ESTADÍSTICA DESCRIPTIVA PROBLEMAS RESUELTOS DE PROBABILIDAD CURSO DE ESTADÍSTICA DESCRIPTIVA PROBLEMAS RESUELTOS DE PROBABILIDAD I. Encuentre los errores en cada uno de los siguientes planteamientos: a. Las probabilidades de que un vendedor de automóviles venda

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Página 4 REFLEXIONA Y RESUELVE Recorrido de un perdigón Dibuja los recorridos correspondientes a: C + C C, + C + C, + C C C, + + + +, C+CC

Más detalles

Divisibilidad y números primos

Divisibilidad y números primos Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 2: PROBABILIDADES Profesor: Hugo S. Salinas Segundo Semestre 2010 1. Describir el espacio muestral

Más detalles

Ejercicios distribuciones discretas probabilidad

Ejercicios distribuciones discretas probabilidad Ejercicios distribuciones discretas probabilidad 1. Una máquina que produce cierta clase de piezas no está bien ajustada. Un porcentaje del 4.2% de las piezas están fuera de tolerancias, por lo que resultan

Más detalles

MOOC UJI: La Probabilidad en las PAU

MOOC UJI: La Probabilidad en las PAU 3. Definición intuitiva de probabilidad: ley de Laplace La palabra probabilidad, que usamos habitualmente, mide el grado de creencia que tenemos de que ocurra un hecho que puede pasar o no pasar. Imposible,

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Suponga que, conversando con su cuate, surge la idea de hacer una apuesta simple. Cada uno escoge decir cara ó sello. Se lanza una moneda al aire, y si sale cara, quien dijo sello le paga a quien dijo

Más detalles

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en

Más detalles

Probabilidad Hoja de trabajo #1. Actividad: Buscando todos los resultados de un experimento

Probabilidad Hoja de trabajo #1. Actividad: Buscando todos los resultados de un experimento Probabilidad Hoja de trabajo #1 Actividad: Buscando todos los resultados de un experimento Instrucciones: En cada uno de los siguientes experimentos determina todos los posibles resultados al llevarlo

Más detalles

DETERMINACIÓN DEL VOLUMEN DE PEDIDO.

DETERMINACIÓN DEL VOLUMEN DE PEDIDO. Lote económico de compra o Lote Optimo DETERMINACIÓN DEL VOLUMEN DE PEDIDO. Concepto que vemos en casi todos libros de aprovisionamiento, habitualmente la decisión de la cantidad a reaprovisionar en las

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3, Opción

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS

PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y

Más detalles

COMBINATORIA VARIACIONES. Las variaciones son aquellas formas de agrupar los elementos de un conjunto teniendo en cuenta que:

COMBINATORIA VARIACIONES. Las variaciones son aquellas formas de agrupar los elementos de un conjunto teniendo en cuenta que: COMBINATORIA La Combinatoria es la parte de las Matemáticas que estudia las diversas formas de realizar agrupaciones con los elementos de un conjunto, formándolas y calculando su número. Existen distintas

Más detalles

5.4 Una flecha será ensamblada en un cojinete como se muestra a continuación.

5.4 Una flecha será ensamblada en un cojinete como se muestra a continuación. PROBLEMAS 5.1. El famoso juego 7-11, requiere que el jugador lance dos dados una v. más veces hasta tomar la decisión de que se gana o se pierde el juego. El juego se gana si en el primer lanzamiento los

Más detalles

MATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125.

MATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125. MATEMÁTICAS º BACH CCSS - DISTRIBUCIÓN BINOMIAL ˆ EJERCICIO En una ciudad se han elegido al azar 7 habitantes. ¾Cuál es la probabilidad de que cuatro de ellos hayan nacido el 7 de mayo? p = P (haber nacido

Más detalles

Selectividad Septiembre 2013 OPCIÓN B

Selectividad Septiembre 2013 OPCIÓN B Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR

Más detalles

Relación de problemas: Variables aleatorias

Relación de problemas: Variables aleatorias Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución

Más detalles

Un problema sobre repetidas apuestas al azar

Un problema sobre repetidas apuestas al azar Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

Unidad 6 Cálculo de máximos y mínimos

Unidad 6 Cálculo de máximos y mínimos Unidad 6 Cálculo de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Utilizará la derivada para decidir cuándo una función es creciente o decreciente. Usará la derivada para calcular los etremos

Más detalles

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II Soluciones de los ejercicios de Selectividad sobre Probabilidad de ntonio Francisco Roldán López de Hierro * Convocatoria de 2007 Las siguientes páginas contienen las soluciones de los ejercicios propuestos

Más detalles

En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10).

En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). MODELOS DE PROBABILIDAD En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). (a) Si tomamos dos manzanos al azar, cuál

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadística Matemáticas B º E.S.O. TEMA 9 ESTADÍSTICA TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS EJERCICIO : En un grupo de personas hemos preguntado por el número

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación.

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación. Laboratorio 1 Medición e incertidumbre La descripción de los fenómenos naturales comienza con la observación; el siguiente paso consiste en asignar a cada cantidad observada un número, es decir en medir

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

Probabilidad de dos ó más eventos

Probabilidad de dos ó más eventos Probabilidad de dos ó más eventos Experimento se define como cualquier proceso que genere resultados bien definidos. Experimento Resultados del experimento Lanzar una moneda Sol, águila Seleccionar una

Más detalles

Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009

Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009 Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones

Más detalles

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL 1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Distribuciones discretas. Distribución Binomial

Distribuciones discretas. Distribución Binomial Boletín: Distribuciones de Probabilidad IES de MOS Métodos estadísticos y numéricos Distribuciones discretas. Distribución Binomial 1. Una urna contiene 3 bolas blancas, 1 bola negra y 2 bolas azules.

Más detalles