1. Conceptos de teoría de la probabilidad
|
|
- Pilar Henríquez Hernández
- hace 8 años
- Vistas:
Transcripción
1 Master de Investigación en Economía Aplicada. Métodos Cuantitativos II. 9-. G.García.. Conceptos de teoría de la probabilidad Espacios de probabilidad. Establece el espacio de probabilidad asociado al experimento aleatorio tirar una moneda perfecta 3 veces seguidas. El conjunto de los resultados posibles es Ω = {(+ + +), (+ + C), (+C+), (C + +), (+CC), (CC+), (C + C), (CCC)} En el caso de espacios muestrales finitos, las σ álgebras correspondientes también son necesariamente finitas y se puede dar una descripción de sus elementos. concretamente, es σ(ω) y contiene n elementos. Podemos asignar un modelo equiprobable, esto es una probabilidad de 8 a cada uno de los sucesos posibles pues no existe nada en el enunciado que haga pensar en resultados privilegiados.. Un intervalo de longitud es dividido en tres partes. Cuál es la probabilidad de que los tres segmentos formen un triángulo? Sin pérdida de generalidad, podemos suponer que Ω = (,) (,), A = B((,) (,)) y que P(A) = m(a)/m((,) (,)). Sean x e y las abcisas de los dos puntos escogidos. Debe ser, o bien < x < < y < y y x < < y < < x < y x y < La probabilidad de formar un triángulo es Demuestra las siguientes propiedades elementales de las probabilidades.
2 a) P( ) = Fijado A A, apliquemos la propiedad de σ aditividad a la sucesión {A,,, }. Tendremos, P(A) = P(A) + n P( ) P( ) = b) La propiedad de σ aditividad implica la de aditividad finita. Sea {A i } i=..n una colección finita de conjuntos disjuntos de A. Claramente, {A,...,A n,,, } es una sucesión de conjuntos disjuntos de A. Por la propiedad de σ aditividad y la propiedad, que acabamos de demostrar, P( n i= A i) = P(( n i= A i) ( )) = n P(A i ) + n P( ) = P(A i ) i= c) Para todo A A, P(A c ) = P(A). Para cualquier A A se verifica Ω = A A c. De aquí y como consecuencia de la propiedad de aditividad finita, = P(A)+P(A c ). i= d) Si A, B A cumplen A B, entonces P(A) P(B) Se verifica que B = A (B A c ). Así, P(B) = P(A (B A c )) = P(A) + P(B A c ) P(A) e) Si A, B A, P(A B) + P(A B) = P(A) + P(B)
3 Vectores aleatorios. Describe la ley multinomial en el caso dos dimensional, esto es para m =. Es la ley Bin(n;p ). Sea (X,Y ) un vector aleatorio con función de densidad f XY (x,y) = 4xy si < x < y < y <. Comprueba que esta función cumple las condiciones para ser una función de densidad. La función es positiva en el dominio y 4xy dxdy = 3. Sean X e Y variables aleatorias con función de densidad conjunta k(y x) x y f XY (x,y) = en caso contrario a) Determina el valor de k. = y k (y x)dx dy = k = k y dy = k 6 k = 6 (y x)] y dy = b) Encuentra la densidad marginal de X x f X (x) = 6(y x) dy = 3 ( x) x en caso contrario c) Calcula P(Y < 3 X = ) Así, f Y X=x (y) = 6(y x) 3( x) x y en caso contrario 3
4 f Y X= (y) = Por lo tanto, 6(y ) 3( ) = 8(y ) y en caso contrario P(Y < 3 X = ) = 3 8(y )dy = 9 4. La función de densidad conjunta de un vector aleatorio (X,Y ) es 6( x y) si < x <, < y < x f X,Y (x,y) = en caso contrario a) Comprueba que f X,Y verifica las condiciones de una función de densidad. x ( x) 6( x y) dy dx = 6 b) Encuentra la distribución marginal de X. f X (x) = x dx = 6 ( x y)dy = 3 6x + 3x c) Encuentra la distribución marginal de Y. f Y (y) = y d) Son X e Y independientes?[5] No, por ejemplo pero 6 ( x y)dx = 3 6y + 3y f X (,5) f Y (,5) =,75,6875 =,6565 f XY (,5,,5) =,5 4
5 5. La distribución de un vector aleatorio (X, Y ) está caracteritzada per la siguiente función de densidad k si (x,y) A f XY (x,y) = si (x,y) / A, donde A = { (x,y) R < y < x <, }. a) Encontrad el valor de k. Como el recinto A tiene área igual a, ha de ser k =. b) Encontrad las densidades marginales de X i de Y. -marginal de X, Si x (,), f X (x) = En caso contrario, f X (x) =. -marginal de Y, Si y (,), x x dy = x Si y (,), f Y (y) = y dx = + y f Y (y) = y dx = y En caso contrario, f Y (y) =. Observación.. En realidad f Y (y) = y dy = + y si < y < y en caso contrario. c) Son X e Y independientes? No lo son, pues f XY (x,y) f X (x) f Y (y) d) Encontrad E[X], E[Y ]. E[X] = 5 x x dx = 3
6 E[Y ] = y ( + y) dy + e) Calcula P(X < Y = 4 ) y ( y) dy = f ) Calcula E[X Y ] y E[Y X]. P(X < Y = 4 ) = 3 E[X Y ] = Y (,) + + Y E[Y X] = (,) g) Calcula E(E(X Y )) Por la ley de las esperanzas iteradas, E(E(X Y )) = E(X) = La función de densidad conjunta de dos variables aleatorias con distribución absolutamente continua es k(x + xy) si < y < ; < x < f X,Y (x,y) = en caso contrario a) Determinad el valor de k. = + + f X,Y (x,y)dy dx = k(x + xy)dy dx = 3 4 k Así, k = 4 3 b) Determinad las funciones de densidad marginales de X y de Y. 4 3 (x + xy)dy = x si < x < f X (x) = en caso contrario 4 3 f Y (y) = (x + xy)dx = 3 ( + y) si < y < en caso contrario 6
7 c) Son X e Y independientes? Si. En el caso que (x,y) / (,), se verifica f X,Y (x,y) = f X (x) f Y (y). Si < y < ; < x <, f X,Y (x,y) = 4 (x + xy) = x 3 3 ( + y) = f X(x) f Y (y) es decir, X e Y son independientes. 7. Sean X e Y dos variables aleatorias con función de densidad conjunta 3x si y x f X,Y (x,y) = en caso contrario a) Encuentra la función de densidad marginal de X y de Y. f X (x) = x 3x dy = 3x ; si x f Y (y) = y 3x dx = 3 ( y ); si y b) Encuentra la función de densidad de X Y = y. f X Y =y (x) = 3x 3 ; si y x, y < y ( y ) = x c) Encuentra P(X 3 4 Y = ). P(X 3 4 Y = ) = 3 4 x 5 dx = ( ) d) Determina la covarianza entre X e Y. E[XY ] = y xy 3x dx dy = y( y3 ) dy = 3 E[X] = x 3x dx = 3 4 E[Y ] = y 3 ( y ) dy = 3 8 Así, cov(x,y ) = = 3 6 =, (Entregas) Un contratista no conoce con certeza los costes de material y de mano de obra de un proyecto pero cree que los costes de material (en miles de euros) pueden representarse mediante una variable aleatoria X con media 6 y desviación típica 6. El coste de la mano de obra asciende a 9 euros por día. El número de días necesario para terminar el proyecto, puede representarse según una variable aleatoria X con media 8 y desviación típica. a.- Cuál es el valor esperado y la varianza del coste de la mano de 7
8 obra? b.- Suponiendo que los costes de material y de mano de obra son independientes, Cuál es la media y la varianza del coste total del proyecto (material y mano de obra)? a.- Sea X 3 la variable aleatoria que modela el coste de la mano de obra: µ X3 = 9 8 = 7 euros y σ X 3 = (9) = 664 euros b.- Dada la independencia entre material y mano de obra, la media del coste total es 6+7, = 67, miles de euros y la varianza es 36+,664 = 37,664 (miles de euros) 9. (Asignación) Lanzamos una moneda al aire tres veces. Sean X el número de caras que han salido e Y el valor absoluto de la diferencia entre el número de caras y de cruces. Determinad, a.- La ley del vector aleatorio (X,Y ). b.- Las leyes marginales de X y de Y. c.- El valor esperado de X. a.- La ley conjunta viene dada por la tabla, b.- Las leyes marginales son X \ Y Y X c) E[X] = = 8 = 3 8
9 . (Asignación) La función de densidad conjunta de (X,Y ) es constante en la región limitada por las rectas x + y = x + y = 3 x y = x y = y nula fuera de ella. a.- Determinad la función de densidad conjunta de (X,Y ). b.- Calcula E[Y X = 3 ]. a.- El recinto donde el vector aleatorio toma valores que denotaremos C es un cuadrado de area. Así la función de densidad conjunta es si (x,y) C f X,Y (x,y) = en caso contrario b.- Si x (,), f X (x) = +x x f Y X= (y) = con lo que E[Y X = 3 ] = dy = x. Así, = 3 si y ( 3, 4 3 ) en caso contrario 3 y dy =. (Examen en convocatoria) Una variable aleatoria X tiene función de densidad k(7 x) si < x < 3 f X (x) = en caso contrario a) Determina el valor de k. b) La esperanza de X. c) La probabilidad de que si se realizan tres observaciones independientes, al menos una de las tres sea inferior a la media. a) Como = + f X(x) dx, ha de ser k = k =. b) E[X] = xf X(x) dx = 3 x(7 x) dx =,5 c) La probabilidad pedida la podemos obtener través del suceso contrario, que es el que afirma que todas las observaciones son superiores o iguales 9
10 a la media. Si calculamos la probabilidad de que una observación de X sea superior o igual a la media, P(X,5) = 5 56,45 La probabilidad de que tres observaciones independientes sean superiores o iguales a la media es,45 3. Finalmente, el suceso al menos una de las tres sea inferior a la media es justamente el contrario de las tres observaciones independientes sean superiores o iguales a la media, con lo que la probabilidad pedida es,45 3 =,989. Normal multivariante. Sea X = (X,X ) N (µ,σ). Demuestra que X y X son independientes si y sólo si el coeficiente de correlación ρ entre X y X es nulo. La implicación en el sentido es directa por la definición del coeficiente de correlación. La implicación en el sentido se tiene vía la función de densidad de la normal multivariante. f X (x) = π σ σ ρ e Si ρ = queda, f X (x) = ( ( ) x µ + ( ) ) x µ ρ (x µ )(x µ ) ( ρ ) σ σ σ σ e σ (x µ ) e σ (x µ ) = π σ π σ = f X (x ) f X (x ) con lo que X y X son independientes.. Demuestra que si (X,X ) N ((µ,µ ), X N(µ,σ ) y X N(µ,σ ). σ σ σ σ ), entonces Basta utilizar la definición de normal multivariante con el vector (,) t para demostrar que X N(µ,σ ) y con el vector (,)t para X N(µ,σ ).
11 3. Sea (X,X ) N ((µ,µ ), σ σ ). Determina la distribución σ σ condicional de X. (X X =x ) Realizando el cociente de las densidades conjunta y marginal correspondiente, se tiene, ( X X =x N µ + σ ) σ (x µ ),σ σ σ de dónde observamos, a) E[X X =x ] es lineal en la condición (x ) b) var[x X =x ] no depende de la condición c) Su distribución condicional también és normal Aplicaciones: Regresión Lineal 4. Sean Z i Z independientes e idénticamente distribuidas según una N(,). Sean X = Z + 4Z y Y = + Z Z. a) Demuestra que (X,Y ) sigue una distribución normal bivariante. b) Determina la distribución de X y la de Y. c) Calcula P(X Y > ). (Z,Z ) N (,),.- Para cualquier a,b, ax + by = (a + b)z + (4a b)z + b es normal al ser combinación lineal de normales..- X N(,) i Y N(,5) 3.- Como Cov(X,Y ) = 6 (X,Y ) N ((,), 6 6 5
12 Entonces, tomando A =, y utilizando las propiedades de linealidad de la distribución normal multivariante, X Y N (,) A, A t 6 A = N(,37) 6 5 Así, P(X Y > ) = P(Z > ( ) 37 ) =, Las variables X e Y, que representan las calificaciones obtenidas por una clase en dos asignaturas distintas, se distribuyen (aproximadamente) como una normal bivariante de esperanzas µ X = 75 y µ Y = 7, varianzas σx = 6 y σ Y = 5 y correlación corr(x,y ) =,75. a) Determina la matriz de varianzas covarianzas de (X,Y ). b) Cuál es la probabilidad de que la puntuación X sea menor que la puntuación Y? c) Supongamos que las puntuaciones X e Y son transformados a una escala diferente según X =,X e Y =,Y. Examina la distribución conjunta de las puntuaciones transformadas (X,Y ) facilitando el tipo, esperanza y matriz de varianzas covarianzas de (X,Y ). 6 5 a) ; donde se ha utilizado que cov(x,y ) = var[x] 5 5 var[y ] corr(x,y ), esto es 6 5,75 = 5. b) Se pide calcular P(X < Y < ) = P(X Y < ). Como, según las propiedades de la normal bivariante, X Y = (X,Y ) N(5, ), se tiene que P(X Y < ) = P(Z < 5/ ) =,66 donde Z N(,). c) Nuevamente por las propiedades de la normal bivariante, (X,Y ) se distribuye según una distribución normal variante de vector de medias (6, 5, 6, ) y matriz de varianzas covarianzas.,6,5,5,5
13 . Fundamentos de Inferencia Estadística Estimación puntual. Sea X una variable aleatoria con distribución de probabilidad Bern(p). a) Determina el estimador máximo verosímil para p L(X,...,X n ;p) = p X i ( p) n X i ln L(X,...,X n ;p) = X i ln(p) + (n X i )ln( p) p ln L(X Xi,...,X n ;p) = p + n X i ( ) p La solución de la ecuación de máxima verosimilitud es, ˆp = Xi n Es un máximo porque, p lnl(x,...,x n ;p) = Xi p + n Xi ( ) < p ( p) b) El estimador máximo verosímil es sesgado? Xi E[ˆp] = E[ n ] = np n = p ˆp no es sesgado. c) El estimador máximo verosímil es suficiente? Como, (( ) p n )ˆp L(X,...,X n ;p) = ( p) n p según el lema de factorización, ˆp es suficiente. 3
14 . Sean X, X y X 3 una muestra de tres observaciones de una población de media µ y varianza σ. Consideremos los estimadores de µ, T = 6 X + 3 X + X 3 T = 6 X + 3 X + 6 X 3 a) Probad que ambos estimadores son insesgados. E[T ] = 6 µ + 3 µ + µ = µ E[T ] = 6 µ + 3 µ + 6 µ = µ b) Cuál de los dos estimadores es más eficiente? T es más eficiente que T. var[t ] = 36 σ + 9 σ + 4 σ = 7 8 σ var[t ] = 36 σ σ + 36 σ = σ c) Proponed un estimador insesgado para µ que sea más eficiente que T i T. X = 3 X + 3 X + 3 X 3 verifica E[X] = µ var[x] = 3 σ como var[x] < var[t ] i var[x] < var[t ], se tiene que X es más eficiente que T i T. 3. Propón un estimador insesgado para σ en el modelo normal univariante. Ŝ = n n i= (X i X n ). 4
15 4. La media poblacional µ de una variable aleatoria ha sido estimada por dos investigadores a partir de dos muestras independientes. En los dos casos se ha usado la media muestral como estimador, denotándose éstas por X y X, respectivamente. Se sabe que las varianzas de estos estimadores son.5 y.9, respectivamente. Un tercer investigador propone usar el promedio de las dos medias muestrales como estimador de µ: W = ( X + X )/. a) Es W estimador insesgado de µ? W insesgado pues E[W] = (E[ X ] + E[ X ])/ = µ b) Qué estimador de los tres es más eficiente, X, X, o W? Como los tres son estimadores insesgados, su ECM coincidirá con su varianza. var( X ) =,5 var( X ) =,9 var(w) = 4 var( X ) + 4 var( X ) =,6 así W es más eficiente que X y que X. c) Encontrar los valores a y b tales que el estimador T = a X +b X sea insesgado y de mínima varianza. Para que T sea insesgado, se tiene que verificar E[T] = µ. Como E[T] = ae[ X ] + be[ X ] = (a + b)µ tenemos que T insesgado a + b = Por otra parte, var[t] = a var[ X ] + ( a) var[ X ] =,5 a +,9 ( a) La función a,5 a +,9 ( a) es estrictamente convexa; así a =,375 es mínimo de la función al ser punto estacionario. Así el estimador,375 X +,65 X es insesgado y de mínima varianza en la clase de los estimadores T = a X + b X. 5. (Asignación) Sea X,X,X 3,X 4 una muestra aleatoria simple de una variable aleatoria de valor esperado µ y desviación standard σ. 5
16 Consideremos los siguientes estimadores de µ, X = 4 4 X i T = 4 X + 4 X + X 3 i= La afirmación T es más eficiente que X, es cierta? Justifica la respuesta Ambos estimadores son insesgados con lo que el ECM coincidirá con la varianza. Se tiene, ECM[X] = 4 σ y ECM[T] = 3 8 σ. Así, X es más eficiente que T y la afirmación es falsa. 6. (Examen en convocatoria) Un inversor dispone de euros que tiene la posibilidad de invertir en distintas proporciones en dos activos financieros alternativos. Los intereses por euro invertido en cada una de estos activos pueden ser representados mediante dos variables aleatorias independientes X e Y con igual media µ e igual varianza σ. Suponiendo que el inversor decide colocar α euros en el primer activo y, por lo tanto, ( α) en el segundo. a) Determina la repartición de los euros correspondiente a la opción de mínimo riesgo de los intereses. b) Suponiendo ahora que las variables X e Y no son independientes y denotando por c la covarianza entre ambas, determina, ) La varianza del interés total. ) Para qué valores de c se reduce más el riesgo diversificando? a) El interés total de la inversión viene dado por R = α X + ( α)y, que tiene valor esperado µ euros. Observamos que el interés esperado es el mismo para cualquier valor de α. La varianza del interés total es, var[r] = (α ) var[x]+(( α)) var[y ] = (α α+) 6 σ La dependencia en α se trata de una parábola con término ĺıder positivo; así en el vértice alcanza un mínimo global, esto es en α = ( ) 4 =, con lo que la repartición pedida es 5 euros para el primer activo y 5 para el segundo. b)en este caso, la varianza del riesgo es var[r] = (α ) var[x] + (( α)) var[y ] + α( α) 6 c = 6
17 = ( (α α + )σ + α( α)c ) 6 b) Si examinamos la expresión dentro del paréntesis como función de c vemos que el primer sumando siempre es positivo. El segundo será vía el que se podría reducir el riesgo: como α > y α >, es necesario que c < para que se reduzca más el riesgo diversificando. Regiones de confianza. Una empresa de cervezas conoce que la cantidad de cerveza que contienen las latas que fabrica se comporta según una distribución normal de desviación típica,3 litros. a) Se obtiene una muestra aleatoria de 5 latas y se construye un intervalo de confianza para la media poblacional que tiene como límite inferior.8 y límite superior.38. Cuál es la confianza asociada a este intervalo? En este caso n = 5 σ =,3 Buscamos α tal que, Ha de ser, z α σ n =, z α =, 5,3 = 8,33 De las tablas, P(N(,) > 3,49) =,9998 =, es decir, el intervalo del enunciado tiene una confianza superior al 99,96% b) Un gerente de la compañía exige un intervalo de confianza al 99% que tenga una amplitud màxima de.3 litros a cada banda de la media muestral. Cuántas observaciones se necesitan para este objetivo? 7
18 De las tablas, P(N(,) <,57) =,9949 P(N(,) <,58) =,995 Ha de ser,,575 σ n,3 n 6,63 Así n 7. Se llevó a cabo un sondeo de opinión en España y una de las preguntas realizadas a una muestra aleatoria de 5 personas fue: Considera que la Economía mejorará en 6 o no? 473 (3,5 % de las personas en el estudio respondieron que si, 967 (64,5 %) dijeron que no y 6 (4, %) dijeron que no lo sabían. Construid los intervalos de confianza al 95 % para cada una de los proporciones de las respuestas sí y no. Sea ˆp la proporción de éxitos en la muestra aleatoria de 5 observaciones procedentes de una población con una proporción p de éxitos. Entonces, si n es suficientemente elevado (n 4) sabemos que T = ˆp p ˆp( ˆp) n AN(,) De esta manera, un intervalo de confianza al ( α)% viene dado por ( ) ˆp z α ˆp( ˆp) n, ˆp + z α ˆp( ˆp) n En nuestro caso, n = 5. Respecto a la proporción de sí en la población, p si, como ˆp si = 473 5, un intervalo de confianza al 95% para a p si viene dado por, I psi = ( ,96 5 ( 5 ), ,96 5 ( 5 ) ) = 5 = (,98,,3388) Para a la proporción de no en la población, p no, como ˆp no = 967 5, un 8
19 intervalo de confianza al 95% para a p no viene dado por, I pno = ( ,96 5 ( 5 ), ,96 5 ( 5 ) ) = 5 = (,64,,6689) 3. Se tienen las siguientes observaciones del contenido en gramos del principio activo de un fármaco que se suponen procedentes de una muestra aleatoria simple de una población normal con desviación estándar,.,4;,;,;,83;,88;,9;,7;,;,3;, a) Hallar un intervalo de confianza para la media poblacional con un nivel de confianza de 95 %.[5 puntos] x =,3 y z,5 =,96 El intervalo es,3 ±,96, = (,979358;,939864) b) Manteniendo el mismo nivel de confianza, cuál debería ser el tamaño de la muestra para disminuir el tamaño del intervalo calculado en (a) al menos la mitad? [5 puntos] El tamaño del intervalo en (a) es,96, =,39684 Para reducir el tamaño a la mitad, debemos encontrar n tal que,96, n =,39684 =,6 Ha de ser n =,96,,39684 = 6,36, que tiene como solución n = 39,97. Por lo tanto, n 4 Contraste de hipótesis. Una pieza de recambio para los frenos de un coche tiene la forma de un disco con un diámetro de 35 mm. En una fabrica se hace un control de calidad del proceso de fabricación para ver si el diámetro medio de los discos sigue el valor deseado. a) En este caso, cuáles serían la hipótesis nula y la alternativa? H : µ = 35 H : µ 35 9
20 b) Se considera una muestra aleatoria de 4 discos y se calcula la media y la desviación estándar muestrales con unos resultados de 35.5 mm para la media y una desviación estándar de. mm. Calcula el p-valor y realiza un comentario sobre la actual calidad de la producción. Sea X:= la variable aleatoria que mide el diámetro de una pieza escogida al azar entre las fabricadas. Por ser el tamaño muestral suficientemente grande (n 3), T = X 35 S n N(,) El valor observado es, T obs = 35,5 35, 4 =,635 De las tablas, tenemos que P(N(,),63) =,9957 Así, P(N(,),63) =,43 El p-valor es,43 =,86 con lo que se rechaza la hipótesis nula con prácticamente cualquier nivel de significación (se puede considerar α =,5 o bien α =, para fijar ideas) y a afirmar que se han observado evidencias en la muestra a favor de que el diámetro de las piezas fabricadas es superior a 35. Notemos que en el contraste H : µ = 35 H : µ > 35 también rechazaríamos H (pues el p-valor es ahora,43)con prácticamente cualquier nivel de significación.
21 . Se realiza un estudio sobre la situación actual de las empresas de servicios; concretamente al respecto de los cambios que comportará la expansión de la UE a 5 países y los planes elaborados para facilitar esta expansión. Hay indicios para pensar que la situación no es la misma en las diferentes regiones europeas y que la región B está menos adaptada que la región A. Una vez finalizado el estudio, resulta que de las 5 empresas de servicios encuestadas de la región A, 95 tenían preparado un plan d adaptación. En la región B, 56 de 4. Consideras que los datos evidencian que la proporción de empresas de servicios que tenían a punto un plan de adaptación es más alta en la región A que en la región B? (α =,). Sea p A la proporción de empresas en la zona A que tienen preparado un plan d adaptación y p B en la zona B. Se contrasta, H : p A p B = H : p A p B > Al ser los tamaños muestrales suficientemente grandes, T = (ˆp A ˆp B ) (p A p B ) ˆp ( ˆp )( n A + n B ) AN(,) donde ˆp = n Aˆp A +n B ˆp B n A +n B es la estimación de la proporción poblacional común. Se tiene ˆp A = i ˆp B = La estimación de la proporción poblacional común es ˆp =,344 y por lo tanto T obs = 3,339 con lo que rechazamos la hipòtesis nula a prácticamente cualquier nivel de significación. En consecuencia se concluye que la zona B está menos preparada que la zona A. a.- Se trata de un contraste para la diferencia de proporciones (la de mujeres ejecutivas en y la de mujeres ejecutivas en 5) con muestras independientes donde ˆp =,354, T obs =,9338 y el p valor,33. Rechazamos la hipótesis nula que el porcentaje poblacional de mujeres
22 ejecutivas no ha cambiado en los dos momentos del tiempo. b.- Se trata de un contraste para una proporción, el de mujeres ejecutivas en 5. El valor postulado por la hipótesis nula es,5. Se tiene, T obs = 6,6565 con lo que p-valor,. Rechazamos la hipótesis nula que en el año 5 el porcentaje poblacional de mujeres ejecutivas es igual al de hombres ejecutivos.,33(,33) c.- Ha de ser,96 n =,. Si resolvemos en n la anterior ecuación obtenemos n = 8493, (Asignación) Sea µ la media de una variable aleatoria X. Para contrastar la hipòtesis nula H : µ = contra la alternativa H : µ se ha obtenido un estadístico de contraste T =,76 y un p valor igual a.89. La afirmación La hipótesis nula H : µ = ha de ser rechazada en favor de la alternativa H : µ < a un nivel de significación α =,5 es verdadera o falsa? Justifica la respuesta. El p valor para el contraste requerido es igual a.89/=.445. Como el nivel de significación es α =,5 decidimos rechazar la hipótesis nula H : µ = en favor de la alternativa H : µ < a un nivel de significación α =,5. Así la afirmación es verdadera. 4. (Asignación) Sea µ el valor esperado de una variable aleatoria normalmente distribuida. El estadístico t de una muestra de n = 5 observaciones para contrastar H : µ = H : µ > tiene el valor t =,8. a.- Cuál es la distribución de probabilidad de este estadístico? b.- Es significativo el valor t =,8 a un nivel del 5%? y a un nivel del %? a.- t Student con 4 grados de libertad. b.- p valor=p(t 4 >,8) < P(P(t 4 >,76) =,5 y por lo tanto es significativo al 5% p valor=p(t 4 >,8) > P(P(t 4 >,64) =, y por lo tanto es no significativo al % 5. (Asignación) Según la información proveniente de una muestra aleatoria de n = consumidores, quisiéramos determinar si después de
23 nuestra campaña publicitaria ha aumentado el conocimiento de nuestra marca Goodstat (según estudios previos, este conocimiento, es decir la proporción de consumidores que conocen nuestra marca era del 5 %). Tomando un nivel significación α =,5, planteamos el contraste H : p =,5;H a : p >,5. Cuál es la potencia del contraste si la proporción real es p =,3? (Especifica primero, claramente, la regla de decisión que se utilizará en el contraste). La regla de decisión es, (ˆp,5)/,5,75/ > z,5 que se puede escribir como: Si ˆp >,3, rechazamos H. La potencia se obtiene según β = P[rechazar H p =,3] = P[ˆp >,3 p =,3] = = P[Z >. ˆp,3,3,7/ ] = P[Z >,463] P[Z >,46] =,38 6. Un organismo gubernamental establece que el nivel de radioactividad del agua potable no debería exceder de 4 unidades por litro. Con este objetivo, se pretende realizar un contraste de hipótesis para H : µ 4 contra H : µ > 4 siendo µ el valor esperado de la radioactividad en un litro de agua. Teniendo en cuenta que la radioactividad representa una amenaza considerable para la salud, qué error resulta más peligroso, el de tipo I o el de tipo II? Por qué? [5 puntos] Es el de tipo II, pues estamos dando como válido que la radioactividad no excede del ĺımite considerado como seguro, pero en realidad si que lo ha sobrepasado; H H 3
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 detallesTest ( o Prueba ) de Hipótesis
Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesUniversidad del País Vasco
Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas
Más detallesSoluciones Examen de Estadística Ingeniería Superior de Telecomunicación
Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación de Septiempbre, 00 Cuestiones 1h C1. El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y Expλ). Para hacer un estudio
Más detallesMATEMÁTICAS 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 detallesPROBLEMAS 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 detallesSelectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A
SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,
Más detallesDistribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:
Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz
Más detallesRelación 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 detallesElementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas
Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente
Más detallesTema 1. Inferencia estadística para una población
Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante
Más detallesESTIMACIÓN. 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 detallesUNIVERSIDADES 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 detallesMATEMÁTICAS CCSS JUNIO 2010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA
IES Fco Ayala de Granada Junio de 010 (General Modelo 5) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS JUNIO 010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea el recinto definido
Más detallesEJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013
Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios
Más detallesTema 5: Vectores aleatorios bidimensionales.
Estadística 52 Tema 5: Vectores aleatorios bidimensionales. Hasta ahora hemos estudiado las variables aleatorias unidimensionales, es decir, los valores de una característica aleatoria. En muchos casos,
Más detallesExamen de Estadística Ingeniería de Telecomunicación
Examen de Estadística Ingeniería de Telecomunicación 8 de Mayo de 3 Cuestiones solucion h C. (.5p) El equipo directivo de cierta empresa del sector de hostelería está constituido por 5 personas de las
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS Página 311 REFLEXIONA Y RESUELVE Máuina empauetadora El fabricante de una máuina empauetadora afirma ue, si se regula para ue empauete palés con 100 kg, los
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe
Más detallesTema 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 detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesEste documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
Más detalles9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES
9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal
Más detallesSelectividad 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 detallesInferencia 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 detallesIntroducción a la Econometría
Introducción a la Econometría Curso 2009/2010 Seriedeproblemas1 1.- Considere la siguiente distribución de probabilidad: Llueve (X=0) No llueve (X=1) Total Tiempo de viaje largo (Y=0) 0.15 0.07 0.22 Tiempo
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES Junio, Ejercicio 1, Opción B 3 Sean las matrices A 0 3, B y C 0 1 1 5 1 3 0 a) Calcule las
Más detallesBiometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1
Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en
Más detallesEstadística aplicada y modelización. 15 de junio de 2005
Estadística aplicada y modelización. 15 de junio de 2005 SOLUCIÓN MODELO A 1. En una población de fumadores se quiere examinar la relación entre el número de cigarrillos que consumen diariamente y el número
Más detallesMétodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Más detallesPRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detalles7.- PRUEBA DE HIPOTESIS
7.- PRUEBA DE HIPOTEI 7.1. INTRODUCCIÓN La estadística inferencial es el proceso de usar la información de una muestra para describir el estado de una población. in embargo es frecuente que usemos la información
Más detallesLÍMITES DE FUNCIONES. CONTINUIDAD
LÍMITES DE FUNCIONES. CONTINUIDAD Página REFLEXIONA Y RESUELVE Algunos ites elementales Utiliza tu sentido común para dar el valor de los siguientes ites: a,, b,, @ c,, 5 + d,, @ @ + e,, @ f,, 0 @ 0 @
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detallesT.1 CONVERGENCIA Y TEOREMAS LÍMITE
T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)
Más detallesIES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO 4 (COMÚN) OPCIÓN A EJERCICIO 1 (A) Sea el recinto determinado
Más detallesEl rincón de los problemas. Oportunidades para estimular el pensamiento matemático. Triángulos de área máxima o de área mínima Problema
www.fisem.org/web/union El rincón de los problemas ISSN: 1815-0640 Número 37. Marzo 2014 páginas 139-145 Pontificia Universidad Católica del Perú umalasp@pucp.edu.pe Oportunidades para estimular el pensamiento
Más detallesVectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Más detallesSoluciones 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"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica
76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha
Más detallesCapítulo 9. Regresión lineal simple
Capítulo 9. Regresión lineal simple 9.1 Introducción Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o dependencia entre variables. Frecuentemente resulta de interés
Más detallesEstadística I Ejercicios Tema 3 Curso 2015/16
Estadística I Ejercicios Tema 3 Curso 2015/16 1. En la siguiente tabla se representa la distribución conjunta de frecuencias (relativas) de 2 variables: calificación en Estadística I, y número de horas
Más detallesLÍMITES Y CONTINUIDAD
UNIDAD 5 LÍMITES Y CONTINUIDAD Páginas 0 y Describe las siguientes ramas: a) f () b) f () no eiste c) f () d) f () + e) f () f) f () + g) f () h) f () no eiste; f () 0 i) f () + f () + j) f () 5 4 f ()
Más detallesTema 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 detallesEstimación de la densidad
23 de marzo de 2009 : histograma Si suponemos que F tiene función de densidad f puede ser útil estimarla. Un estimador muy utilizado es el histograma. Dado un origen x 0 y un ancho h > 0 el histograma
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOGSE Septiembre 2008
UNIVERSIDAD DE MURCIA REGIÓN DE MURCIA CONSEJERÍA DE EDUCACIÓN, CIENCIA E INVESTIGACIÓN UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOGSE Septiembre
Más detallesTema 3. Variables aleatorias. Inferencia estadística
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable
Más detallesIntegrales paramétricas e integrales dobles y triples.
Integrales paramétricas e integrales dobles y triples. Eleonora Catsigeras * 19 de julio de 2006 PRÓLOGO: Notas para el curso de Cálculo II de la Facultad de Ingeniería. Este texto es complementario al
Más detallesApuntes 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 detallesOPCIÓN A 0 1 X = 1 12. Podemos despejar la matriz X de la segunda ecuación ya que la matriz. 1 1 ; Adj 0 1 X =
Selectividad Junio 011 Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUMNO/A DEBERÁ ESCOGER UNO DE
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesMADRID / JUNIO 06 LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / OPCIÓN A/ EXAMEN COMPLETO
EXAMEN COMPLETO INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El examen presenta dos opciones: A y B. El alumno deberá elegir una de ellas y contestar razonadamente a los cuatro ejercicios de que
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesMATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1
IES Fco Ayala de Granada Sobrantes 010 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 a 1 1 1 3 Sean las matrices
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesEJERCICIOS RESUELTOS TEMA 3
EJERCICIOS RESUELTOS TEMA 3 Observación: En todos los ejercicios se ha puesto A, como notación de contrario de A. Ejercicio nº 1.- En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar
Más detallesTEMA 9 DISTRIBUCIONES BIDIMENSIONALES
Tema 9 Distribuciones bidimensional Matemáticas CCI 1º Bachillerato 1 TEMA 9 DITRIBUCIONE BIDIMENIONALE NUBE DE PUNTO Y COEFICIENTE DE CORRELACIÓN EJERCICIO 1 : Las notas de 10 alumnos y alumnas de una
Más detallesMatemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8
Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 gramos del primer elemento y 1 gramo del segundo; un kilo
Más detallesMOOC 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 detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesUAM CSIC Grupo 911 Febrero 2013. Ejercicios Resueltos del Tema 2.2.5. Asignatura de Matemáticas Grado en Química
UAM CSIC Grupo 9 Febrero Ejercicios Resueltos del Tema..5 Asignatura de Matemáticas Grado en Química Lista de ejercicios en estas páginas: y. Consejo: En todos los ejercicios es esencial dibujar el dominio
Más detallesVariables 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 detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesUna desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos
MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que
Más detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detallesCadenas de Markov y Perron-Frobenius
Cadenas de Markov y Perron-Frobenius Pablo Lessa 10 de octubre de 2014 1. Cadenas de Markov En 1996 Larry Page y Sergey Brin, en ese momento en Stanford, inventaron una manera de asignar un ranking de
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesTEMA 5. MUESTREO PARA LA ACEPTACIÓN.
TEMA 5. MUESTREO PARA LA ACEPTACIÓN. Introducción. Planes de muestreo por atributos simple, doble, múltiple y rectificativos Dodge-Romig, Norma militar 1000STD-105D. Pautas a seguir para el cambio de rigor
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detalles1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros
TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación
Más detallesEstimación de una probabilidad
Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detalles13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
Más detallesProblemas resueltos del Tema 3.
Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesINFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:
Más detallesPEOBLEMAS RESUELTO DE CADENAS DE MARKOV
PROBLEMAS RESUELTOS DE CADENAS DE MARKOV TEMA: CADENAS DE MARKOV Prof.: MSc. Julio Rito Vargas Avilés I. El departamento de estudios de mercado de una fábrica estima que el 20% de la gente que compra un
Más detalles1 Tema 1: Estadística descriptiva
PROBLEMAS DE MATEMÁTICAS Estadística Curso 2005-2006 Primero Licenciatura en Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 1 Tema 1: Estadística descriptiva
Más detallesPropuesta A. 2 0 b) Dada la ecuación matricial: X =, despeja y calcula la matriz X (0.75 ptos) 1 1
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (014) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A o B. Se
Más detallesPROBABILIDAD. 2. Un dado está cargado de forma que la probabilidad de obtener 6 puntos es 1 2
PROBABILIDAD 1. Blanca y Alfredo escriben, al azar, una vocal cada uno en papeles distintos. Determine el espacio muestral asociado al experimento. Calcule la probabilidad de que no escriban la misma vocal.
Más detalles4. Se considera la función f(x) =. Se pide:
Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones
Más detallesSEPTIEMBRE 2005. Opción A
Selectividad Septiembre 005 SEPTIEMBRE 005 Opción A 4 5.- Calcula dos matrices cuadradas A y B sabiendo que A + 3B = y que A B =..- Se considera la parábola p (x) = 0,5 x +,5 x y sea s (x) la línea poligonal
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesEXPRESIONES ALGEBRAICAS. POLINOMIOS
EXPRESIONES ALGEBRAICAS. POLINOMIOS 1. EXPRESIONES ALGEBRAICAS. Estas expresiones del área son expresiones algebraicas, ya que además de números aparecen letras. Son también expresiones algebraicas: bac,
Más detallesCORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL Y GRAPH
CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL Y GRAPH 1) ANÁLISIS DE CORRELACIÓN Dado dos variables, la correlación permite hacer estimaciones del valor de una de ellas conociendo el valor de la otra variable.
Más detallesProbabilidad. 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 detallesPolinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo
Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales
Más detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesProblemas 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 detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesEstadística 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 detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesHOJA 5 SUCESIONES Y PROGRESIONES
HOJA 5 SUCESIONES Y PROGRESIONES Sucesión: Término general 1.- Calcula el término general de las sucesiones: a) -1, 2, 5, 8, 11, b) 3, 3/2, ¾, 3/8, c) 1, 4, 9, 16, 25, 2.- Halla el término general de cada
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detalles