MODELOS DE PROBABILIDAD

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "MODELOS DE PROBABILIDAD"

Transcripción

1 3 MODELOS DE PROBABILIDAD.- VARIABLES ALEATORIAS DISCRETAS E ocasioes, alguas variables aleatorias sigue distribucioes de probabilidad uy cocretas, coo por ejeplo el estudio a u colectivo ueroso de idividuos que se odeliza por la distribució Noral. Estudiareos alguas de las distribucioes o odelos de probabilidad ás iportates y que después os resultará uy útiles para el tea de la Estiació. Coo heos visto, las variables puede ser discretas o cotiuas; por ello, tabié las distribucioes podrá ir asociadas a variables aleatorias discretas o cotiuas...- Distribució uifore discreta Sea ua variable aleatoria discreta que toa valores x...x tales la probabilidad de toar cada uo de los valores es Ρ ( xi ). Cuado esto ocurre se dice que se distribuye coo ua variable aleatoria Uifore discreta. Esta es la distribució discreta ás secilla, la cual asiga la isa probabilidad a cada ua de las solucioes...- Distribució de Berouilli Cosiderado u experieto aleatorio e el cual solo hay dos posibles resultados icopatibles a los que se les puede deoiar éxito o fracaso, etoces se dice que es ua variable aleatoria discreta que se distribuye coo paráetro p dode p es la probabilidad de obteer éxito., y se expresa B( p)

2 3_Aputes de Estadística II 34 Por tato, se puede decir que: ---- P[éxito] p P [ ] p; P[fracaso] -p P[ 0] p. E esta distribució -p se suele deotar coo q, y tato la esperaza coo la variaza viee dadas por las siguietes expresioes: E[x] p + 0 q p; V[x] p p p (-p) p q. Ejeplo: El 0% de los trabajadores del país está desepleado, Cuál es la probabilidad de seleccioar u idividuo al azar y esté desepleado? Desepleado p 0, 0 Epleado q -p -0, 0,9 p(x)0,.3.- Distribució Bioial Es ua extesió de la distribució de Berouilli. Supogaos que se repite u experieto veces de fora idética e idepediete. Los resultados de cada realizació del experieto se clasifica e dos categorías (coo e el caso de Berouilli), ua será la probabilidad de éxito p, y otra q-p, la de fracaso. Así, por tato, sea ua variable aleatoria discreta, se dice que se distribuye coo ua distribució bioial de paráetros (,p). Siepre se debe de verificar que > y que p toe valores etre 0 y. La fució de probabilidad viee dada por la expresió: Ρ [ ] x p x i ( p) x i x,,...,. i x i Adeás, es fácil de coprobar que se verifica que V [] x p( p) pq. E [] x p y que Su fució de distribució es: 0 x 0 x i p ( p) I xi xi F(x) ( ) 0 x x > A cotiuació podeos ver varios ejeplos de variables que se distribuye co ua Bioial: úero de caras al lazar 0 veces ua oeda, úero de aprobados si

3 Modelos de Probabilidad 35 se preseta 80 aluos a u exae, úero de failias co u solo hijo e ua població de 0 failias, úero de reaccioes egativas ate u fáraco adiistrado a 40 pacietes, úero de accidetes de tráfico si ha circulado 00 autoóviles ó úero de seillas que geria de las 0 seillas que se ha platado e suelos de idética coposició. Propiedades de la distribució Bioial:. La distribució Bioial se puede obteer coo sua de variables aleatorias idepedietes Berouilli co el iso paráetro p.. Si teeos dos variables aleatorias que se distribuye segú ua Bioial co el iso paráetro p, es decir, co la isa probabilidad de éxito, B(, p) e Y B(, p), etoces siepre se verifica + Y B( +, p). Si o tiee la isa probabilidad o se puede suar. 3. Sea ua variable aleatoria e Y otra variable aleatoria que verifica que B(, p) e Y/, etoces se verifica y adeás su esperaza y variaza so Y B(, p / ) E [ Y ] p y [ Y ] pq V..4.- Distribució de Poisso Esta es ua distribució discreta de gra utilidad sobre todo e procesos biológicos, dode suele represetar el úero de evetos idepedietes que ocurre a velocidad costate e u itervalo de tiepo o e u espacio. Así, por tato, sea ua variable aleatoria discreta, se dice que se distribuye coo ua distribució de Poisso, P(λ), co λ > 0, si su fució o distribució de probabilidad viee dada por: P xi λ λ i e. x! [ x ] E esta distribució λ represeta el úero proedio de ocurrecias e u itervalo de tiepo o e u espacio. Por lo tato, para esta distribució se verifica que su esperaza y su variaza so: [] x λ [] x λ E, V. y su fució de distribució: i

4 3_Aputes de Estadística II 36 0 x < 0 F(x) i e λ λ x xi i x > 0 Seguidaete se puede ver varios ejeplos de variables que se distribuye co ua Poisso: Núero de clietes que llega a u baco durate ua hora o ua añaa, úero de defectos e u trozo de aterial, etc. Si ebargo, de llegar uchos clietes e ua deteriada fraja horaria y pocos e otra, o o estar los defectos igualete distribuidos e el aterial, la distribució de Poisso o sería apropiada. Ejeplo: Ua cetral telefóica recibe ua edia de 480 llaadas por hora. Si el úero de llaadas se distribuye segú ua Poisso y la cetral tiee ua capacidad para ateder a lo suo llaadas por iuto, cuál es la probabilidad de que e u iuto deteriado o sea posible dar líea a todos los clietes? Si defiios Nº de llaadas por iuto etoces P (8). P ( > ) P ( ) 0,936 0, VARIABLES ALEATORIAS CONTINUAS..- Distribució Uifore Cotiua Es la ás secilla de las distribucioes cotiuas. Surge cuado cosideraos ua variable aleatoria que toa valores e u itervalo fiito de aera equiprobable. Esta se defie coo ua variable aleatoria cotiua,, se dice que se distribuye coo ua distribució uifore de paráetros a, b, tales que < a < b< + U ( a, b); siepre se verifica que su fució de desidad viee dada por la expresió: f(x) b a a x b 0 Lo ás sigificativo que vaos a destacar de esta distribució es que su esperaza viee dada por la expresió: E(x) a + b

5 Modelos de Probabilidad 37 y su variaza por V(x) ( b a). La fució de distribució dada ua variable aleatoria uifore es F(x) 0 x < a x a a x b b a x b Ejeplo: Seleccioaos al azar u úero real e el itervalo [, 6] y defiios ua variable aleatoria coo úero seleccioado. Calcula la probabilidad de que el úero seleccioado sea eor de 5 y el úero esperado. P [ E este caso 5 U (,6); Para calcular la probabilidad lo que haceos es 5 x 5] f ( x) dx dx 6 dx Esto se podía haber hecho ás rápido co la fució de distribució de la siguiete fora: x 5 3 P [ 5] F(5) b a 6 4 Para calcular la esperaza, aplicaos la forula y os queda, a + b E [ ] Distribució Noral Es ua de las distribucioes ás iportates. Es el odelo de distribució ás utilizado e la práctica, ya que ultitud de feóeos se coporta segú ua distribució oral. Esta distribució de caracteriza porque los valores se distribuye forado ua capaa de Gauss, e toro a u valor cetral que coicide co el valor edio de la distribució: Las vetajas teóricas de este odelo hace que su uso se geeralice e las aplicacioes reales. Sea ua variable aleatoria cotiua, se dice que se distribuye coo ua oral N ( μ, σ ); μ R σ > 0

6 3_Aputes de Estadística II 38 dode se verifica que < x < +, μ es el valor edio de la distribució y es precisaete dode se sitúa el cetro de la curva (de la capaa de Gauss), y σ es cualquier valor etre y +, si su fució de desidad viee dada por: ( x μ ) f ( x) e σ πσ Cuado la edia de la distribució es 0 y la variaza es, se deoia "oral tipificada", y su vetaja reside e que hay tablas, o rutias de cálculo que perite obteer esos isos valores, dode se recoge la probabilidad acuulada para cada puto de la curva de esta distribució. Es se verá co ás detalle e el siguiete apartado. Propiedades: Tiee u paráetro que es la edia [ ] μ E. Tiee otro paráetro que os da la dispersió. [ ] σ V. La edia, la oda y la ediaa coicide. Es ua fució siétrica respecto a la edia, coo se puede ver e el gráfico. Si defiios la variable Y a + b, dode se distribuye coo ua oral de paráetros N ( μ, σ );, etoces: Y N ( aμ + b, aσ );

7 Modelos de Probabilidad 39 Sea dos variables aleatorias orales que se distribuye N( μ, σ ), y N( μ, σ ), se defie ua ueva variable de la fora Y +, etoces esta ueva variable se distribuye coo: Y N( μ + μ, σ + σ )..3.- Distribució Noral Tipificada o Estadarizada Coo se decía ateriorete, este es u caso particular de ua variable aleatoria cotiua que se distribuye coo ua Noral de paráetros (0,), por lo que su fució de desidad viee dada por: Propiedades: E(x)0. V(x). f ( x) e π x La iportacia de la distribució oral tipificada es que tiee la vetaja, coo ya heos idicado, de que las probabilidades para cada valor de la curva se ecuetra recogidas e ua tabla. Así, lo que se hará es trasforar cualquier variable que se distribuya coo ua oral e ua oral tipificada. Para hacer este cabio, se crea ua ueva variable Z que será igual a la aterior eos su edia y dividida por su desviació típica (que es la raíz cuadrada de la variaza). Esta ueva variable se distribuye coo ua oral tipificada, peritiédoos, por tato, coocer la probabilidad acuulada e cada valor, es decir, N ( μ, σ ); al μ defiir la ueva variable Z siepre se verifica que Z N(0; ); σ P[ x] μ x μ < P Z < σ σ x μ σ..4.- Distribució Chi-Cuadrado de Pearso Sea,, 3... variables aleatorias que se distribuye coo orales N(0,), y se defie ua ueva variable , etoces se dice que se distribuye coo ua Chi-Cuadrado o Ji-cuadrado co grados de libertad, dode es el úero de variables aleatorias orales idepedietes elevadas al cuadrado que se ha suado. Esta se represeta coo y su fució de desidad es de la fora, χ,

8 3_Aputes de Estadística II 40 f ( x) Γ ( ) e 0 > Gráficaete, la variable aleatoria Chi-cuadrado se represeta, Propiedades: Es ua fució asiétrica. E(x). V(x). Sea dos variables aleatorias chi-cuadrado que se distribuye χ, se defie ua ueva variable de la fora Y +, etoces esta ueva variable se distribuye coo: Y χ + χ Cuado el úero de variables aleatorias es uy grade, es decir, cuado, la variable se puede aproxiar por ua oral. y.5.- Distribució t- Studet Sea ua variable aleatoria que se distribuye coo N (0,) y sea Y otra variable aleatoria que se distribuye coo Y χ, tal que e Y so idepedietes, etoces podeos defiir otra variable aleatoria T, Y se dice que esta se distribuye coo ua t-studet co grados de libertad y su fució de desidad viee dada por:

9 Modelos de Probabilidad 4 f ( x) Γ( + ) π Γ( ) t < x < + Esta distribució es uy utilizada, que se costruye a partir de ua oral y u chi-cuadrado. Veaos ua gráfica coparativa co ua distribució oral y alguas de las propiedades que verifica. Propiedades: Es siétrica, está cetrada e el puto (0,0) M o M e 0 E [T] 0 si > V [T] /- si >. Cuado el úero de variables aleatorias es uy grade, es decir, cuado, la variable se puede aproxiar por ua oral..6.- Distribució F-Sedecor Sea ua variable aleatoria que se distribuye coo co grados de libertad y, otra variable aleatoria que se distribuye coo χ co grados de libertad, tal que las dos variables so idepedietes, etoces se puede defiir ua ueva variable aleatoria: que se dice que se distribuye coo viee dada por: F, χ. E este caso, su fució de desidad

10 3_Aputes de Estadística II 4 f ( x) + Γ Γ Γ x 0 ( ) ( x + ) + x > 0 x 0 Veaos alguas de las propiedades que verifica las variables aleatorias que sigue esta distribució y su represetació gráfica. Propiedades: E [ F], si >. ( + 4) V [ F], si > 4. ( ) ( 4) Si etoces la distribució χ. F, Si F, etoces la distribució F,. 3.- RELACIÓN ENTRE MODELOS A cotiuació se va a detallar las distitas relacioes que existe etre los distitos odelos estudiados Aproxiació de ua Bioial por ua Poisso Sea ua variable aleatoria discreta que se distribuye coo ua Bioial co paráetros (,p) dode tiede a ifiito y, p tiede a 0. Cuado esto ocurre podeos

11 Modelos de Probabilidad 43 aproxiar ua distribució Bioial por edio de ua distribució de Poisso, es decir, P( λ p). Por coveio se realizará esto cuado se verifique ua de estas codicioes:. Cuado se verifique > 30 y p < 0.. p < Aproxiació de ua Bioial por ua Noral Sea ua variable aleatoria discreta que se distribuye coo ua Bioial co paráetros (,p), etoces De Moivre deostró que cuado y, p es aproxiadaete 0 5, esa variable aleatoria se puede aproxiar coo ua distribució oral. El criterio que se toa es que >50 y p 0 5. Cuado esto ocurre se verifica que B(, p) se dice que N( μ p; σ pq) Aproxiació de ua distribució de Poisso por ua Noral Sea ua variable aleatoria discreta que se distribuye coo ua Poisso de paráetro ( λ ), se deuestra que cuado λ es uy grade, se puede aproxiar por edio de ua distribució oral, coo ocurría ateriorete. Así, si P(λ) y La codició es que se verifique λ > 6. λ etoces N ( μ λ; σ λ ) Correcció por cotiuidad Es evidete que e ua distribució Bioial o Poisso, que so variables discretas, cuado se aproxia por ua Noral, que es ua variable cotiua, surge u problea e el cálculo de deteriadas probabilidades. Así, la probabilidad de que este etre dos valores, Ρ ( a b), o tiee por qué ser igual a Ρ ( a < < b) e el caso discreto. E la distribució oral, por el cotrario, estas probabilidades coicide. Para solucioar este problea cuado aproxiaos ua variable aleatoria discreta por ua cotiua y se desea que la aproxiació de la probabilidad sea lo ás adecuada posible, tedreos que evitar este problea. E ua distribució cotiua, la probabilidad de que la variable toe algú valor copredido etre dos cosiderados coo cosecutivos es cero, de odo que toda la regió copredida etre ellos o tiee asigada igua probabilidad. Si quereos cotiuidad e todos los putos, parece lógico repartir la probabilidad asigada a x i, a toda la regió ás cercaa a x i ; la probabilidad asigada a x i+, a toda la regió ás cercaa a x i+, etc...esto os coduce al gráfico (histograa) siguiete:

12 3_Aputes de Estadística II 44 AreaP[x i ] x - x i x + Los valores que adopta ua Bioial o Poisso, so eteros positivos (0,,,..., k..). Cualquier rectágulo cetrado e u valor k, será de la fora: k-/, k+/; de aera que deteriar la probabilidad de P(x) e ua Bioial o Poisso, será equivalete a deteriar la probabilidad e el itervalo (x-0.5; x+0.5) utilizado la fució de distribució de la oral. Por tato, para calcular la P(x i ) se adopta el criterio de calcular: ( 0,5 < < x + 0,5) Ρ x. i i

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

ESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA

ESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA UNP-Facultad de Igeiería Carreras: Ig. Electróica y Electricista CAPÍTUO 6 ESTIMACIÓN DE VARIANZAS PROPORCIONES POBACIONAES MEDIANTE INTERVAOS DE CONFIANZA 6.1 Itervalo de cofiaza ara la variaza de ua

Más detalles

ÁREA DE INGENIERÍA QUÍMICA Prof. Isidoro García García. Operaciones Básicas de Transferencia de Materia. Tema 4

ÁREA DE INGENIERÍA QUÍMICA Prof. Isidoro García García. Operaciones Básicas de Transferencia de Materia. Tema 4 ÁRE DE IGEIERÍ QUÍMIC Operacioes Básicas de Trasferecia de Materia Tea 4 Operacioes Básicas de Trasferecia de Materia ITRODUCCIÓ a aoría de las corrietes de u proceso quíico está costituidas por varios

Más detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

OPERACIONES CON POLINOMIOS.

OPERACIONES CON POLINOMIOS. OPERACIONES CON POLINOMIOS. EXPRESIONES ALGEBRAICAS. Ua epresió ateática que usa úeros o variables o abos para idicar productos o cocietes es u tério. Los térios,, (ab), so todos epresioes algebraicas.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Soluciones problemas del Tema 2

Soluciones problemas del Tema 2 1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2 Cojutos coveos Ejeplos de cojutos coveos e R CONVEXIDAD Cojutos coveos Coveidad de fucioes DEFINICION: U cojuto A es coveo cuado, y A y λ [0,] se cuple λ + ( λ) y A R λ + ( λ) y λ = / y λ = 0 Cojuto coveo:

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

Estadística para Química - 1er. cuat. 2007 - Marta García Ben

Estadística para Química - 1er. cuat. 2007 - Marta García Ben Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

COLEGIO CRISTIANA FERNÁNDEZ DE MERINO Trípoli No. 112, Col. Portales, México, D. F. Tel. 5604-3628, 5605-1509

COLEGIO CRISTIANA FERNÁNDEZ DE MERINO Trípoli No. 112, Col. Portales, México, D. F. Tel. 5604-3628, 5605-1509 COLEGIO CRISTIANA FERNÁNDEZ DE MERINO Trípoli No. 112, Col. Portales, México, D. F. Tel. 5604-3628, 5605-1509 MATEMATICAS SEGUNDO GRADO SECCIÓN SECUNDARIA ACTIVIDADES PARA DESARROLLAR EN CLASE CURSO 2015-2016

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

REFRACCIÓN. OBJETIVOS Después de completar el estudio de este tema podrá usted:

REFRACCIÓN. OBJETIVOS Después de completar el estudio de este tema podrá usted: REFRACCIÓN OBJETIVOS Después de copletar el estudio de este tea podrá usted:. Defiir el ídice de refracció y expresar tres leyes que describe el coportaieto de la luz refractada.. Aplicar la ley de Sell

Más detalles

1º Bachillerato Capítulo 7: Probabilidad

1º Bachillerato Capítulo 7: Probabilidad Mateáticas Aplicadas a las Ciecias Sociales I: 1º Bachillerato Capítulo 7: Probabilidad Autor: David Mirada 277 Probabilidad 1. PROBABILIDAD Ídice 1.1. INTRODUCCIÓN A LA PROBABILIDAD 1.2. ÁLGEBRA DE SUCESOS

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

Tema 9. Combinatoria

Tema 9. Combinatoria Tea 9. Cobiatoria. Defiició de cobiatoria. Estrategias de resolució.. Estrategia del producto y la sua.. Diagraa de árbol. Variacioes y perutacioes.. Variacioes siples u ordiarias.. Perutacioes.. Variacioes

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

Capítulo 5 Distribución de esfuerzos en el suelo debido a cargas

Capítulo 5 Distribución de esfuerzos en el suelo debido a cargas Capítulo 5 Distribució de esfueros e el suelo debido a cargas 5. INTRODUCCIÓN Coo ya se ha explicado ateriorete ua cietació tiee el trabajo de trasferir las cargas de la estructura al suelo, cuado esto

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

8 Funciones, límites y continuidad

8 Funciones, límites y continuidad Solucioario 8 Fucioes, límites y cotiuidad ACTIVIDADES INICIALES 8.I. Copia y completa la siguiete tabla, epresado de varias formas los cojutos uméricos propuestos. Gráfica Itervalo Desigualdad Valor absoluto

Más detalles

4. CONCEPTO BASICOS DE PROBABILIDADES

4. CONCEPTO BASICOS DE PROBABILIDADES 4. CONCEPTO BASICOS DE PROBABILIDADES Dr. http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 41 4.1 Espacio Muestral y Evetos 4.1.1 1 Experimetos Aleatorios y Espacios

Más detalles

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS AEXO I COCEPTOS SÍSMICOS BÁSICOS E este aeo se compila alguos de los coceptos sísmicos básicos pero ecesarios. Se itroduce los tipos de movimietos vibratorios, así como su descripció y otació matemática.

Más detalles

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010)

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010) UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferecial Parcial 3 (27/10/2010) 1. Cosidere la fució f (x) = 3(x 1) 2/3 (x 1) 2 a) Halle el domiio b) Ecuetre los putos críticos,

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 2002 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) U cliete de u supermercado ha pagado u total de 156 euros por 24 litros de leche,

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+ IES Fco Ayala de Graada Sobrates 009 (Modelo 3 Juio) Solucioes Germá-Jesús Rubio Lua+ MATEMÁTICAS CCSS JUNIO 009 (MODELO 3) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea la igualdad A X + B = A, dode

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

REGÍMENES FINANCIEROS

REGÍMENES FINANCIEROS EGÍMEES FIAIEOS are Badía, Hortèsia Fotaals, Merche Galisteo, José Mª Lecia, Mª Agels Pos, Teresa Preixes, Dídac aírez, F. Javier Sarrasí y Aa Mª Sucarrats DEPATAMETO DE MATEMÁTIA EOÓMIA, FIAIEA Y ATUAIAL

Más detalles

(PROBABILIDAD) (tema 15 del libro)

(PROBABILIDAD) (tema 15 del libro) (PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

4.1. Introducción a la Programación Lineal Entera (PLE)

4.1. Introducción a la Programación Lineal Entera (PLE) C APÍTULO 4 PROGRAMACIÓN ENTERA 4.. Itroducció a la Prograació Lieal Etera (PLE) Los prieros itetos para resolver u problea de prograació lieal etera surgiero de la etodología utilizada e la resolució

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:

Más detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN 3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,

Más detalles

Propuesta de un modelo para la gestión de los neumáticos de una flota de vehículos

Propuesta de un modelo para la gestión de los neumáticos de una flota de vehículos 5 th Iteratioal oferece o Idustrial Egieerig ad Idustrial Maageet XV ogreso de Igeiería de Orgaizació artagea, 7 a 9 de Setiebre de 2 Prouesta de u odelo ara la gestió de los euáticos de ua flota de vehículos

Más detalles

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia) Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

10 Cálculo de las tasas centrales de mortalidad a partir de los dos años de edad. 10 Cálculo de las probabilidades de muerte.

10 Cálculo de las tasas centrales de mortalidad a partir de los dos años de edad. 10 Cálculo de las probabilidades de muerte. INDICE Págias Presetació. 2 I. La costrucció de las tablas de ortalidad para Cuba y provicias 2005-2007. 5 - Iforació básica utilizada. 5 - Aspectos relacioados co el étodo de costrucció de las tablas

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros

Más detalles

FEE02-15 FÓRMULAS Y EJEMPLOS. Incluye a los productos:

FEE02-15 FÓRMULAS Y EJEMPLOS. Incluye a los productos: FEE02-5 FÓRMULAS Y EJEMPLOS cluye a los productos: - Epresariales - Credifácil - El tiepo vale oro - Micro agropecuario - Agro crédito - Credigaadero - Credicostruye - Mi terreito - Multioficios - Crédito

Más detalles

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1 IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial

Más detalles

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1 Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

Ley de los números grandes

Ley de los números grandes Capítulo 2 Ley de los úmeros grades 2.. La ley débil de los úmeros grades Los juegos de azar, basa su sistema de gaacias, fudametalmete e la estabilidad a largo plazo garatizada por las leyes de la probabilidad.

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito. MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA. Curso 2012. Práctico I Introducción a los Métodos Estadísticos. Fecha de Entrega: 5 de Setiembre de 2012.

INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA. Curso 2012. Práctico I Introducción a los Métodos Estadísticos. Fecha de Entrega: 5 de Setiembre de 2012. INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA Curso 01 Práctico I Itroducció a los Métodos Estadísticos. Fecha de Etrega: 5 de Setiembre de 01. 1 Parte A: Ejercicios Teóricos: Ejercicio N o 1 Pruebas de Beroulli

Más detalles

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

10. Estimadores 7 11. Estimación de las precisiones 8

10. Estimadores 7 11. Estimación de las precisiones 8 Ídice Págia 1. Objetivo de la ecuesta 1. Població objetivo 1 3. Cobertura geográfica 1 4. iseño de la uestra 1 4.1 Marco de la ecuesta 1 4. Foració de las uidades priarias de uestreo (UPM) 1 a) E urbao

Más detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 00 (Modelo 5 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A (3 putos) Para fabricar tipos de cable, A y B, que se vederá a 50 y 00 pts el metro, respectivamete,

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A

Más detalles

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es, VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles