Profesores: M. Guerrero - J. Pérez - C. Olivares - J. Rozas 09 de julio de Examen Probabilidad y Estadísticas
|
|
- María Elena Vidal Moreno
- hace 5 años
- Vistas:
Transcripción
1 09 de julio de 013 Examen Probabilidad y Estadísticas 1) Una cadena de tiendas de pintura produce y vende pinturas de látex y esmaltes. Con base en las ventas de largo plazo, la probabilidad de que un cliente compre látex es 75%, que compre esmalte es 60%. De los que compran pintura de látex, 60% compran rodillos para pintar, de los compran esmalte el 70% compra rodillos y de aquellos que compran los dos tipos de pintura solo el 50% compra rodillos. Suponga que una persona que entra a la tienda compra al menos uno de los tipos de pintura. a) Al observar un cliente al azar, sabiendo que compro un rodillo para pintar, qué probabilidad hay que haya comprado solo pintura látex? Solución: 1/ Sean los sucesos: L El cliente compra pintura tipo Látex E El cliente compra pintura tipo Esmalte R El cliente compra Rodillos / Datos: P(L) = 0,75 ; P(E) = 0,60 ; P(R L) = 0,60 ; P(R E) = 0,70 ; P(R L E) = 0,50 Además, como la persona que entra a la tienda compra por lo menos uno de los tipos de pintura, tenemos que: Ω = L E P(L E) = P(L) + P(E) P(L E) = 1 P(L E) = 0,35 3/ Piden P(L E c R) = P(L E c R) P(R) = [P(L R) P(L E R)] P(R) = [P(L) P(R L) P(L E) P(R L E)] P(R) = [0,75 0,60 0,35 0,50] P(R) 4/ P(R) = P(R L E) = P(R [L E]) P(L E) = P( [R L] [R E] ) P(Ω) P(R) = [P(R L) + P(R E) P(R L E)] 1 P(R) = P(L) P(R L) + P(E) P(R E) P(L E) P(R L E) P(R) = (0,75)(0,60) + (0,60)(0,70) (0,35)(0,50) = 0,695 5/ Finalmente: P(L E c R) = [0,75 0,60 0,35 0,50] 0,695 = 0,75 0,695 0,3956 b) Si se observa independientemente a dos personas que ingresan a comprar, qué probabilidad hay que solo uno de ellos compre los dos tipos de pintura? Solución_1: 1/ Sea X: N de personas que compran los dos tipos de pintura / X Binomial(n = ; p = P(L E) = 0,35) 3/ f(x) = ( n x ) px q n x = ( x ) 0,35x 0,65 x ; x = 0, 1, 4/ Piden P(X = 1) = ( 1 ) 0,351 0,65 1 = 0,35 0,65 = 0,455 1
2 09 de julio de 013 Solución_: 1/ Sean los sucesos: C k El cliente k-ésimo compra los dos tipos de pintura; k = 1, / P(C k ) = P(L E) = 0,35 ; k = 1, 3/ Piden P(sólo uno de los clientes compre los dos tipos de pintura) = P(sólo el cliente 1 ó sólo el cliente compran los dos tipos de pintura) = P([C 1 C ] [C 1 C ]) = P(C 1 C ) + P(C 1 C ) = P(C 1 ) P(C ) + P(C 1 ) P(C ) = 0,35 0,65 + 0,65 0,35 = 0,455 Por ser sucesos independientes ) Un organismo de asesoría técnica selecciona personal para empresas mediante un test que entrega un puntaje X la cual es una variable aleatoria con distribución normal de media 50 puntos y varianza. Un candidato con preparación especial puede lograr un puntaje dado por la función: Y 1,0X,5 Se sabe que la probabilidad de que un candidato sin preparación especial alcance 67,94 puntos es de 0,9641. a) De 100 candidatos con preparación especial observados independientemente, cuántos se espera tengan un puntaje superior a 60 puntos? Solución: 1/ Sea X : Puntaje obtenido por candidato sin preparación especial / X N( μ x = 50 ; σ x = σ ) 3/ P(X 67,94) = 0,9641 Φ([67,94 50] σ x ) = 0, ,94 σ = Z 0,9641 = 1, σ x = 17,94 1, 9,9667 4/ Sea W : N de candidatos con preparación especial que obtienen un puntaje superior a 60 puntos 5/ W Binomial( n = 100 ; p = P(Y > 60)) ; Y : Puntaje de candidato con preparación especial (*) p = P(Y > 60) = P( 1,0 X +,5 > 60 ) = P(X > [60,5] 1,0) = 1 P(X < 56,3755) p = 1 Φ([56, ] 9,9667) 1 Φ(0,64) = 1 0,739 = 0,611 (**) Una alternativa para el cálculo de esta probabilidad es usando la propiedad de distribución Normal, que dice que cualquier combinación lineal de una variable distribuida Normalmente, también tiene distribución Normal. Esto es: Si X ~ N( μ x ; σ x ) Y = ax + b ~ N( μ y = a μ x + b ; σ y = a σ x ) ; así de esta forma:
3 09 de julio de 013 Y ~ N( μ y = 1,0 50 +,5 ; σ y = 1,0 9,9667 ) N( μ y = 53,5 ; σ y = 103,34473) Luego, p = P(Y > 60) = 1 Φ( [60 53,5] 103,34473 ) 1 Φ(0,64) = 1 0,739 = 0,611 6/ Piden E(W) = n p = 100 0,611 = 6,11 6 candidatos b) Cuál es la probabilidad que un sujeto no preparado especialmente alcance un puntaje mayor a 65? Piden P(X > 65) = 1 Φ([65 50] 9,9667) 1 Φ(1,51) = 1 0,9345 = 0,0655 3) La unidad de control de calidad de una fábrica de artículos de vestir, se encarga de encontrar y cuantificar todo tipo de defecto relevante para considerarlo defectuoso, en la forma, en el peso, en el diámetro, etc. Si un artículo posee al menos un defecto, se considera entonces como defectuoso. Si el número de defectos que pueden encontrarse en un artículo es considerado como un proceso de Poisson, con una tasa de 0,05 defectos por artículo, determine: a) La probabilidad que en 5 artículos seleccionados aleatoriamente se encuentren al menos defectos. 1/ Sea X: N de defectos encontrados en 5 artículos / X Poisson(α = λ t) ; i) λ = 0,05 defectos/artículo ; ii) t = 5 artículos α = 0,05 (defectos/artículo) 5 artículos = 0,5 3/ f(x) = 0,5 0,5 x x! ; x = 0, 1,,, 1 x=0 4/ Piden P(X ) = 1 P(X 1) = 1 f(x) = 1 0,5 (0,5 0 0! + 0,5 1 1! ) = 1 0,5 (1 + 0,5) = 1 1,5 0,5 1 0,9735 = 0,065 b) La probabilidad que tengan que seleccionarse consecutivamente 5 artículos para encontrar al primero considerado como defectuoso. 1/ Sea Y : N de artículos necesarios a seleccionar para encontrar el primero considerado como defectuoso / Y Pascal(r = 1 ; p = P(X 1 ; en un artículo) = 0,0477) Geométrica(p = 0,0477) (*) P(X 1) = 1 P(X = 0) = 1 0,05 0,0477 3/ f(y) = p q y 1 = 0,0477 0,9513 y 1 ; y = 1,, 3,, 4/ Piden P(y = 5) = 0,0477 0, ,04 3
4 09 de julio de 013 4) En cada proceso de fabricación de un cereal se agregan nutrientes necesarios para mejorar el producto. La cantidad de estos nutrientes (grs) que contiene cada caja de cereal que fabrica una empresa se puede modelar mediante la siguiente función de densidad: x f(x) = { k x 0 t. o. l. El Servicio de Salud Metropolitana decide multar a la empresa si la cantidad de nutrientes que contiene cada caja es menor a la esperada (por no estar en condiciones aptas para consumo). Este producto alimenticio es consumido principalmente por niños y adolescentes. a) El departamento de control de calidad de la empresa extrae una muestra aleatoria de envases de cereales y los observa. Determine la probabilidad de que la séptima caja de cereal extraída corresponda a la quinta apta para consumo. 1/ Sea Y : N de envases de cereales necesarios a seleccionar para encontrar la quinta apta para su consumo / Y Pascal(r = 5 ; p = P(X > E[X])) x= (1) f(x)dx = x k dx = x k = 30 k = 1 k = 30 f(x) = x 30 ; x () E(X) = x f(x)dx = x 30 dx = x 3 90 = 5 = 5,6 5,6 5,6 (3) P(X > E[X]) = P(X > 5,6) = f(x)dx = x 30 dx = x 60 5,6 = 0,544 3/ f(y) = ( y 1 r 1 ) pr q y r = ( y 1 4 ) 0,5445 0,456 y 5 ; y = 5, 6, 7,, 4/ Piden P(y = 7) = ( 6 4 ) 0,5445 0,456 0,146 b) La empresa despacha estos cereales en cajas de 0 unidades, 1 unidades de cereales Berry, el resto cereales y frutos secos, Si de una caja se eligen aleatoriamente 9 de estas unidades y son vendidas a un cliente. Determine la probabilidad de que a lo más unidades de cereales Berry estén dentro de las vendidas. 1/ Sea W : Número de unidades Berry seleccionadas de los 9 cereales en la muestra / W~Hipergeométrica( N = 0 ; A = 1 ; n = 9 ) 3/ f(w) = ( A A ) (N w n w ) (N n ) = (1 w ) ( 9 w ) (0 9 ) ; w = 1,, 3, 4, 5, 6, 7, 4/ Piden P(w ) = f(1) + f() = [ ( 1 1 ) ( ) + (1 ) ( 7 ) ] (0 9 ) 4
5 09 de julio de 013 = [ ] = ,03 5
Tema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesProbabilidad, Variable Aleatoria Pag 1 de 26 PROBABILIDAD
Probabilidad, Variable Aleatoria Pag 1 de 6 PROBABILIDAD Actualmente la teoría de probabilidades desempeña un papel importante en el campo de los negocios, la investigación, específicamente en la toma
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
GRUPO A Prueba de Evaluación Continua 5-XII-.- Tres plantas de una fábrica de automóviles producen diariamente 00, 00 y 000 unidades respectivamente. El porcentaje de unidades del modelo A es 60%, 0% y
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesMatemática 3 Curso 2013
Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones
Más detallesPROBABILIDADES (TELE-00031)
PROBABILIDADES (TELE-0003) Tema. Variable aleatoria en una dimensión Abril 06. La unción de probabilidad de la variable aleatoria discreta N viene dada por N n p (n) = K.r, n = 0,,.... Calcule el valor
Más detallesPROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº4 MODELOS PARA VARIABLES ALEATORIAS
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARIA DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA MAT-041 Profesor: Sr. Patricio Videla Jiménez. GUIA Nº4 MODELOS PARA VARIABLES ALEATORIAS 1. En una población
Más detallesTEMA 6. Distribuciones
TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detalles10 0,1 12 0,3 14 0, , ,15
1. Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0., 0.1 y 0.3. Represente en una tabla la función de probabilidad P(X=x), y la función de distribución de probabilidad,
Más detallesEstadística I Ejercicios Tema 4 Curso 2015/16
Estadística I Ejercicios Tema 4 Curso 2015/16 1. En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar y observamos el número que tiene. a) Describe los sucesos, escribiendo todos sus
Más detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesETSI de Topografía, Geodesia y Cartografía
Distribuciones (discretas y continuas) EVALUACIÓN CONTINUA (Tipo I) 14-XII-11 1. Una prueba del examen de Estadística consiste en un cuestionario de 10 preguntas con tres posibles respuestas, solamente
Más detalles11.5. Septiembre Opción A
.5. Septiembre 200 - Opción A Problema.5. (3 puntos) Se considera el siguiente sistema lineal de ecuaciones dependiente de un parámetro real a: 2 x + 3 2 4 a ( y z a) Discútase el sistema para los diferentes
Más detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesb) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 4, curso 2006 2007. Ejercicio 1. Suponer que los cuatro motores de una aeronave comercial se disponen para que
Más detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesCada pregunta de teoría vale un punto. Cada apartado de los problemas vale 0,5 puntos.
SEGUNDO PARCIAL DE TÉCNICAS CUANTITATIVAS I. GADE GRUPO C. --0. APELLIDOS: NOMBRE: DNI: Cada pregunta de teoría vale un punto. Cada apartado de los problemas vale 0, puntos.. Propiedades de la unión e
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detalles4.1. Definición de variable aleatoria. Clasificación.
Capítulo 4 Variable aleatoria Una variable aleatoria es un valor numérico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: número de caras obtenidas al lanzar seis veces
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesGeneralidades 1. Sea X una variable aleatoria continua con función densidad dada por
Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada
Más detalles85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 20?
Ejercicios T10a- MODELOS ESPECÍFICOS UNIVARIANTES A 85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 20? X= número de
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS TEMA 1 (20 puntos): RUBRICA La magnitud de temblores registrados en una región de América
Más detalles4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
Más detalles[ ] [ 0,5( )] [ ] 0,5
85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 0? X número de piezas defectuosas de 0 x B(0,0,05) Px ( > 0) Px ( 1)
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2010) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 200) Selectividad-Opción A Tiempo: 90 minutos Problema (3 puntos) Se considera el siguiente sistema lineal de ecuaciones dependiente de
Más detallesTema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detallesGuía de Modelos Probabilísticos
Guía de Modelos Probabilísticos 1. Distribución Binomial 1. Una máquina produce cierto tipo de piezas de las cuales el 5 % son defectuosas. Se seleccionan en forma independiente 5 piezas al azar. Calcule
Más detallesAlgunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson
Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesDISTRIBUCIONES DE PROBABILIDAD. es una representación gráfica que permite visualizar un experimento de pasos múltiples.
es una representación gráfica que permite visualizar un experimento de pasos múltiples. Considere un experimento que consiste en lanzar dos monedas. Defina los resultados experimentales en términos de
Más detallesApuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesTALLER 1 ESTADISTICA II
TALLER 1 ESTADISTICA II Profesor: Giovany Babativa Distribuciones Muestrales 1. Suponga que la variable aleatoria Z sigue una distribución normal estándar, Halle: a. P (Z < 1,2) b. P (Z > 1,2) c. P ( 1,7
Más detallesz es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ 2 =1)
z x z es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ =1) La distribución normal es una distribución continua, en forma de campana donde la media, la mediana y la
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesPrueba Integral Lapso /5
Prueba Integral Lapso 204-2 737-747 /5 Universidad Nacional Abierta Introducción a la Probabilidad (Cód. 737) Probabilidad (Cód. 747) Vicerrectorado Académico Cód. Carrera: 236-280 - 508 Fecha: 07 03 205
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad ½ 0.75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #4 Tema: Actividad práctica (Esperanza matemática, Distribución Binomial y Poisson) Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
Más detallesVARIABLES ALEATORIAS. Ing. Andrés Álvarez Cid
VARIABLES ALEATORIAS Ing. Andrés Álvarez Cid VALOR ESPERADO CASO DISCRETO Sea X una variable aleatoria discreta con un conjunto de valores posibles D y una función de probabilidad p(x). El valor esperado
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Actividad Práctica #1 Tema: Actividad práctica (Variable Aleatoria, Esperanza matemática, Distribución Binomial y Poisson) Prof.: MSc. Julio
Más detallesDistribuciones Discretas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 6.
Distribuciones Discretas de Probabilidad 1 Contenido 1. Variables Aleatorias. 2. Distribuciones Discretas de Probabilidad. 3. Valor Esperado y Varianza. Propiedades. 4. Distribución de Probabilidad Binomial.
Más detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más detallesDistribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
Más detallesTema 5 Modelos de distribuciones de Probabilidad
Tema 5 Modelos de distribuciones de Probabilidad Variable aleatoria unidimensional Dado un espacio de Probabilidad (E, F, P), una variable aleatoria es una aplicación del espacio muestral E al conjunto
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 Ejercicio 1 Una empresa de selección de personal llama a 12 postulantes para una entrevista de empleo. Se sabe por experiencia
Más detallesTEMA 3.- MODELOS DISCRETOS
TEMA 3.- MODELOS DISCRETOS 3.1. Introducción. 3.2. Distribución uniforme discreta de parámetro n. 3.3.Distribución Bernoulli de parámetro p. 3.4.Distribución Binomial de parámetros n y p. Notación: X Bn,
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
Más detalles0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0.75(1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesApellidos Nombre.. grupo..
Examen TODO 005-06 resuelto Apellidos Nombre.. grupo.. 1.-El salario medio de los trabajadores de la construcción en España es de 1000 euros, con una varianza de 1400 euros al cuadrado. El salario medio
Más detallesTarea 1. Conteste lo siguiente: a) Qué constituye la población? Todas las personas aseguradas por el IMSS. b) La población es finita o infinita?
Tarea 1 Esta tarea tiene tres secciones. La primera sección tiene un peso de 15%, la segunda sección tiene un peso de 15%, la tercera sección tiene un peso de 35% y la cuarta tiene un peso de 35%. 2. El
Más detallesDepartamento de Matemática Aplicada a las T.I.C. SOLUCIONES
Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EAMEN FINAL Otoño 25-6 FECHA: 5 de Enero de 26 Fecha publicación notas: 22 de Enero de 26 Fecha revisión
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesTema 4: Variables aleatorias.
Estadística 46 Tema 4: Variables aleatorias. El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos aleatorios, que en muchos
Más detalles14.1. Modelo Opción A
14.1. Modelo 213 - Opción A Problema 14.1.1 2 puntos Discútase el sistema siguiente en función del parámetro a R: x y = a x+ az = 2x y+ a 2 z = 1 1 1 a 1 a 2 1 a 2 1 ; A = aa 1 = = a =, a = 1 Si a y a
Más detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesTALLER N 4 DE ESTADÍSTICA
UNIVERSIDAD CATÓLICA DEL MAULE FACULTAD DE CIENCIAS BÁSICAS PEDAGOGÍA EN MATEMÁTICA Y COMPUTACIÓN TALLER N 4 DE ESTADÍSTICA Integrante 1 : Victor Córdova Cornejo (heibubu@hotmail.com) Integrante 2 : Rodrigo
Más detallesINSTRUCCIONES. Lee cuidadosamente cada pregunta antes de contestarla
INSTRUCCIONES 1. Las cuestiones respondidas correctamente valen un punto. Hay una única respuesta correcta para cada cuestión. Las respuestas fallidas tienen una penalización de 0. puntos, por tanto, es
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detalles1. Sea (X, Y ) un vector aleatorio con función de densidad conjunta. 0 en otro caso.
18 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 4 1. Sea (X, Y ) un vector aleatorio con función de densidad conjunta { k (x f XY (x, y) = 2 + y 2 ) 20 x 30, 20 y 30 0 en otro caso. a) Cuál es el valor de
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0,75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesCuestiones propuestas de la primera prueba de la primera preparación
Cuestiones propuestas de la primera prueba de la primera preparación Temas a 9 de Teórica Básica Estas cuestiones van pensadas en la línea del primer examen Su dificultad conjunta tiene un nivel similar
Más detallesMétodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del
Métodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del Límite Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón
Más detallesDISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD
DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD FUNCIÓN DE DISTRIBUCIÓN ( CONJUNTA ) DE UN VECTOR ALEATORIO FUNCIÓN DE CUANTÍA ( CONJUNTA) DE VECTORES ALETORIOS DISCRETOS FUNCIÓN DE DENSIDAD (CONJUNTA)
Más detalles3. Distribuciones importantes
Ejercicios Distribuciones Importantes 1 3. Distribuciones importantes 3.1. Distribución Binomial 1. La probabilidad de que un cliente compre un modelo de un par de zapatos en talla 41 es de 0.40. La tienda
Más detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más detalles