Las familias infinitas siempre están asociadas a experimentos cuyo número de posibles resultados es infinito.

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

Download "Las familias infinitas siempre están asociadas a experimentos cuyo número de posibles resultados es infinito."

Transcripción

1 1.4 MEDID DE PROBBILIDD La probabldad es ua parte de las matemátas; omo tal, su ostruó teóra es smlar a la del álgebra o a la de la geometría: a partr de uas uatas premsas, llamadas axomas, se dedue lógamete otras afrmaoes, deomados teoremas, los uales osttuye u ojuto teóro más amplo. La teoría axomáta de probabldad fue desarrollada por el matemáto ruso dre Kolmogorov, que e 1933 estableó los tres axomas e los que se susteta, s que pese la otroversa e toro a las dferetes terpretaoes del térmo probabldad. Co depedea de la terpretaó de probabldad que se utle e ada problema partular, esta teoría es orreta y puede ser aplada e forma muy útl, s se satsfae esos tres axomas. Famlas de evetos S u eveto de u expermeto está osttudo por elemetos que so a su vez evetos asoados al expermeto, es der, s, etoes se de que el eveto es ua famla de evetos de. Ua famla de evetos es fta s el úmero de evetos que la osttuye es fto. Notaó: 1, 2,... Y ua famla de evetos es fta, s el úmero de evetos que la ost- B üüüü tuye es fto. Notaó: SIGM ÁLGEBR Las famlas ftas sempre está asoadas a expermetos uyo úmero de posbles resultados es fto. La ourrea ojuta de los evetos perteeetes a ua famla de eve- 1, 2,... está dada por: x x 1 La ourrea de al meos uo de los evetos perteeetes a ua famla 1, 2,... está dada por: x x 1 tos fta de evetos fta Ua famla de evetos,, es errada o respeto a ua operaó e partular: uó, terseó o omplemeto, s todos las operaoes de ese tpo que pueda realzarse o los evetos, 1,2,..., da omo resultado evetos que també perteee a la famla.

2 120 MEDID DE PROBBILIDD S o es así, la famla de evetos es aberta o respeto a esa operaó e partular. Álgebra de evetos. Cuado ua famla de evetos de es errada o respeto a las tres operaoes fudametales: uó, terseó y omplemeto, se de que es ua álgebra de evetos o u ampo de evetos. S es u álgebra de evetos, etoes sempre tee etre sus elemetos al meos dos evetos mutuamete exlusvos, además de los evetos y. Formalmete, u ampo de evetos es ua famla de evetos del espao muestral, que satsfae las sguetes dos odoes: a) S el eveto del espao muestral perteee a la famla, etoes su omplemeto també perteee a la famla : b) S los evetos y j del espao muestral perteee a la famla, etoes su uó j també perteee a la famla :,j j partr de estas dos odoes, se obtee otras:, j j, 1,2,...,, 1, 1,2,..., 1 Sgma-álgebra de evetos Ua sgma-álgebra de evetos o sgma-ampo, que se aostumbra esrbr e forma abrevada omo: -álgebra, es ua oleó, de evetos de, que umple o las sguetes tres odoes: a) El espao muestral perteee a la famla : b) S el eveto perteee a la famla, etoes su omplemeto també perteee a la famla : ) S los evetos,,, perteee a la famla, etoes su uó també perteee a la famla : 1 sí, ua σ-álgebra es ua oleó o vaía de evetos del espao muestral errada bajo las operaoes de omplemeto y de uoes ftas umerables, dode los elemetos de so evetos de terés del expermeto aleatoro. Etoes, ua σ-álgebra es ua estrutura que permte agrupar, de maera seletva, aquellos evetos uya probabldad teresa obteer. Es evdete que ua -álgebra de evetos es ua álgebra de evetos. La dferea etre ua álgebra y ua σ-álgebra rada e que la prmera es ua oleó errada bajo uoes ftas metras que la seguda es ua oleó errada bajo uoes ftas umerables.

3 12 SIGM-ÁLGEBR De maera geeral, ua -álgebra es la estrutura matemáto sobre los que se puede defr probabldades de los evetos del espao muestral. E el aso fto, las -álgebras so álgebras, porque o hay uoes ftas. u ojuto ualquera o vaío C, se le puede asoar varas σ-álgebras: desde la máxma -álgebra que otee al ojuto C, que orrespode al ojuto potea de, hasta la míma -álgebra que otee a ese ojuto C. S es u espao muestral ualquera o vaío, la oleó 1, es la míma -álgebra que se le puede asoar a oardal 2; la oleó 2,,, també es ua -álgebra que se le puede asoar a o ardal 4; la oleó 3,,B,,B,B, B,, s B també es ua -álgebra que se le puede asoar a oardal 8; y así, suesvamete. Las propedades de las álgebras y las -álgebras se refere a las operaoes de uó, terseó y omplemeto, que so presamete las requerdas para estableer los evetos. U eveto, omo ojuto de putos muestrales, es u subojuto del espao muestral : y al msmo tempo, es u elemeto de la -álgebra :, y e esto se debe dstgur laramete el uso adeuado de los símbolos de otea y perteea, respetvamete. S el espao muestral es fto, su ardal es, y su máxma -álgebra es el llamado ojuto potea, uyo ardal es 2. S el espao muestral es fto umerable, su ardal es el úmero trasfto 0, y su máxma -álgebra estaría osttuda por u úmero 0 fto 2 de evetos. S el espao muestral es otuo, otedo e el ojuto de los úmeros reales:, su ardal es el úmero trasfto 1, y su máxma 1 -álgebra estaría osttuda por u úmero fto 2 de evetos. Nótese que las tres oleoes aterores asoadas al espao muestral, efetvamete umple o las tres odoes de la defó de -álgebra. Ua -álgebra també umple o las uatro sguetes odoes:,,, ,B B,B B B

4 122 MEDID DE PROBBILIDD La terseó de dos -álgebras 1 y 2 asoadas a u eveto C ualquera, també es u -álgebra asoado al eveto C; la terseó puede ser fta, umerable o arbtrara. Evdetemete ua -álgebra terseó es más pequeña que las dos oleoes tersetadas: 1 2 1, 2 Sgma-álgebra geerada S C es ua oleó o vaía de evetos de, la σ-álgebra geerada por C, deotada por σ(c), es la oleó: C, C que es la terseó de todas aquellas σ-álgebras que otee a C y, por ede, també es ua σ-álgebra, es la míma geerada por C, porque es la σ-álgebra más pequeña que otee a la oleó C: C C La -álgebra míma otee al meos a la oleó C, a su omplemeto C, al espao muestral y al ojuto vaío. Las σ-álgebras geeradas tee dos propedades que resulta muy útles e la práta: a) La -álgebra geerada de ua -álgebra es la -álgebra : b) S C 1 y C 2 so dos oleoes de subojutos de, tales que la prmera está oteda e la seguda: C1 C, etoes C 2 1 C2. Ejemplo MOTORES. Cosderado que x, y, z y w so las varables baras 0, 1, que da el fuoameto respetvo del prmero, segudo, terero y uarto motores de u avó, s el expermeto osste e observar el fuoameto de los uatro motores sobre u tablero e teresa el eveto que o falle gú motor, determe la -álgebra geerada por y alule su ardal asoado. 0,0,0,0, 1,0,0,0, 0,1,0,0, 0,0,1,0, El espao muestral es: 0,0,0,1, 1,1,0,0,, 1,0,1,0, 1,0,0,1, 0,1,1,0, 0,1,0,1, 0,0,1,1, 1,1,1,0, 1,1,0,1, 1,0,1,1, 0,1,1,1, 1,1,1,1 El eveto de terés es: = {(0,0,0,0)} La -álgebra geerada por es:,,,, dode y el ardal de () es 4. Ejemplo CONMUTDOR. S represeta el úmero de llamadas que etra al omutador e u muto e teresa el eveto B, que etre más de 10 llamadas, determe la -álgebra geerado por B y alule su ardal asoado. El espao muestral es: 0,1,2,3,... El eveto de terés es: B 1011,12,13,... La -álgebra geerada por B es: B,B,B,, dode B 0,1,2,...,10 y el ardal de (B) es 4.

5 12 SIGM-ÁLGEBR Ejemplo FUTBOL. Cosdere el expermeto osstete e observar s el tlate gaa, empata o perde su próxmo partdo; determe la -álgebra asoada a esa oleó de tres resultados y alule su ardal asoado. El espao muestral es: gaa,empata,perdeg,e,p Los evetos de terés so: {g}, {e} y {p} La -álgebra geerada por esta oleó de evetos es: g, e, p, g, e, p, g,e, g,p, e,p, g,e,p y su ardal es 8. E vrtud de que aquí teresa los tres posbles resultados del expermeto, la -álgebra geerada por esa oleó de 3 evetos, orrespode al ojuto potea de, o ardal 2 3 = 8, porque el úmero de elemetos de es 3. S se defe los evetos: G g,e e,p p y sus omplemetos: G e p,e gp,p g e; etoes la -álgebra puede expresarse omo:,g,e,p,g,e,p,, dode satsfae las tres odoes: a) ; e efeto: g,e,p b) S ; e efeto: G g y G e,p ) S, ; e efeto: y y y y G g,e e GE g,e G g,p p GP g,p E e,p p E P e,p y E e E g,p y P p P g,e G g,e e,p p GE P g,e,p Sgma-álgebra de Borel Se le llama σ-álgebra de Borel de y se le deota por Ba la míma σ-álgebra geerada por la oleó de todos los tervalos abertos a,b de, e dode a b: B a,b a b Los elemetos de B se ooe omo borelaos o ojutos de Borel, que al estar defdos e so putos aslados e tervalos abertos y errados, obtedos a través de uoes e terseoes ftas o ftas umerables, así omo por omplemetos. Para ualesquera úmeros reales a b, los tervalos a,b, a,b, a,b, a,b, a,, b,,,a,,b, a,, b,,,a,,b, a, b so ojutos borelaos, todos ellos elemetos del -álgebra de Borel. La -álgebra de Borel de se puede defr, de maera equvalete, omo la míma σ-álgebra geerada por la gra oleó de todos los subojutos abertos de.

6 124 MEDID DE PROBBILIDD Es posble osderar també la σ-álgebra de Borel restrgda a u segmeto de los úmeros reales; s se toma u segmeto B, la σ-álgebra de Borel geerada por y deotada por B(), se defe omo: B B B B B El oepto de σ-álgebra de Borel se puede geeralzar a dmesoes. E el aso bdmesoal se osdera la oleó C de todas los retágulos 2 2 abertos de : C a,b,d a b, d; los borelaos de so los elemetos de la -álgebra míma geerada por la oleó C: 2 B C B B Ejemplo VIG. Cosdere ua vga lbremete apoyada de 10 m de logtud, sometda a ua arga oetrada que varía etre 1000 y 2000 kg y que puede estar oloada e ualquer puto a lo largo de la vga. Determe la sgma-álgebra para el expermeto osstete e observar las reaoes e los apoyos, uado Ra Rb El espao muestral es: R a,r b 0 Ra 2000,0 Rb 2000,1000 Ra Rb 2000 El eveto de terés es: H R a,r b Ra Rb, el ual se puede expresar H R,R 0 R 1000,0 R 2000,500 R R 2000 omo: a b a b a b La -álgebra míma geerada por H es ua -álgebra de Borel restrgda a ua regó del plao que forma parte de todos los subojutos abertos de 2 2 B B B : FUNCIÓN PROBBILIDD Espao probablzable U espao probablzable es ua pareja (, ), dode es el espao muestral lgado al expermeto aleatoro y es ua -álgebra sobre que osttuyeu sstema de subojutos de. De maera más geeral, u espao probablzable es u espao medble, sobre el que se va a medr probabldad, y los evetos del espao muestral, perteeetes a la famla, so los ojutos medbles. Fuó de ojuto Ua fuó de ojuto es ua regla de orrespodea m: que asga u úmero real m a ada ojuto de ua determada oleó. Esta defó se formalza a través de dos odoes que debe umplr la fuó de ojuto: a) La mage del ojuto vaío debe ser el ero: m 0 b) Las mágees de los ojutos debe ser adtvas. La mage de la uó fta de ojutos dsjutos perteeetes al domo de defó de la fuó, será gual a la suma de las mágees dvduales de esos ojutos: m m, j, j 1 1

7 12 FUNCIÓN DE PROBBILIDD Nótese que ua fuó de ojuto es dferete de ua fuó típa del álulo, que se defe e ua regó del espao -dmesoal: Df ; el domo de defó de ua fuó de ojuto, e ambo, es ua oleó de subojutos de u ojuto maro X, tal que a ada subojuto X, le orrespode u úmero real. S la propedad de adtvdad se geeralza a oleoes ftas umerables de ojutos, etoes la fuó se deoma sgma-adtva. m m, j, j 1 1 Ua fuó de ojuto sgma-adtva, se deoma medda de ojuto, s tal fuó asga u úmero real o egatvo a los subojutos del ojuto dado X: m0,. La oó tutva de todo esto se puede vsualzar de maera muy sella a través de ua aalogía; ua oleó de fguras geométras erradas, se toma omo ua oleó de subojutos de u ojuto más geeral, que orrespode al plao; s a ada fgura se le asoa su área, o a ada subojuto se le asoa u úmero, etoes esas áreas o esos úmeros umple o las propedades exgdas a ua medda de ojuto; la más dsttva es la propedad de adtvdad, que e la aalogía orrespode a la posbldad de sumar las áreas de las fguras, desotado los traslapes o terseoes, uado los haya. Espao probablísto U espao de medda es ua tera (X,, m), dode X es u ojuto ualquera, es ua -álgebra sobre X y m es ua medda defda e. U espao probablísto es ua tera (,, P) dode es el espao muestral lgado al expermeto aleatoro, es el ojuto de partes de, deomada -álgebra, y P es ua fuó, deomada medda de probabldad, defda de la -álgebra al ojuto de los úmeros reales e el tervalo [0,1]. Para que ua medda de ojuto sea ua probabldad, lo úo que se eesta es que la medda del ojuto ompleto sea uo.

8 126 MEDID DE PROBBILIDD Fuó probabldad La probabldad es ua fuó de ojuto que asga u úmero real etre 0 y 1, a ada uo de los subojutos del espao muestral, perteeetes a la -álgebra. Es ua medda que parte de ua -álgebra de evetos de u espao muestral y llega al tervalo real [0,1]. El domo de la medda de probabldad P es la -álgebra, osttuda por todos los subojutos del espao muestral ; el odomo de P es el eje real y el reorrdo de P es el tervalo [0,1]. La fuó probabldad debe umplr tres odoes, deomados axomas de probabldad. S 1, 2,,, subojutos del espao muestral. xoma de o egatvdad La mage de ualquer eveto, bajo P, es u úmero real o egatvo: P 0 (1.27) xoma de ormatvdad La mage del eveto seguro o espao muestral es uo: PS 1 (1.28) xoma de sgma-adtvdad La mage de evetos mutuamete exlusvos, bajo P, es la suma de las mágees de los evetos dvduales, bajo P: P (1.29) P j, j 1 1 E leguaje llao, los axomas de Kolmogorov se puede expresar omo: 1. La probabldad de todo eveto debe ser o egatva 2. S u eveto ourre o erteza, etoes su probabldad es uo. 3. La probabldad de u eveto que es la uó de dos evetos mutuamete exlusvos es la suma de las probabldades dvduales de esos dos evetos: PB PPB, B Nótese que éste fue el segudo teorema fudametal de la probabldad. Esta propedad adtva de la probabldad se satsfae para ualquer úmero fto de evetos dsjutos o ompatbles y, omo propedad sgma-adtva, para ualquer suesó fta de evetos dsjutos. La eleó de estas premsas por parte de Kolmogorov o es asual. No hay duda algua de que él desarrolló la teoría de la probabldad tomado omo base la teoría de la medda; pero la motvaó estuvo e las propedades de la freuea relatva: ua fraó que está ompredda etre ero y uo; ero para el eveto mposble y uo para el eveto seguro, y la adtvdad uado los evetos so mutuamete exlusvos. E lugar de éstos axomas, se pudero haber elegdo los tres teoremas fudametales de la probabldad, que e la práta, de verdad lo fuero durate as 300 años, pues la axomatzaó de la probabldad data apeas de 1933.

9 12 FUNCIÓN DE PROBBILIDD Lo que es u heho es que, ua vez establedas esas premsas, la probabldad adquró u aráter uversal permaete, eotrado e el poder de la lóga, ombado o el de la tuó, ua fuerza de expasó lmtada. La probabldad promueve u desarrollo matemáto rguroso y o se atee a la estadísta, heretemete erta; s embargo, ofrota los modelos dealzados de la probabldad pura, o los resultados empíros de la realdad mperfeta. El espao muestral es la uó de todos los evetos smples: e Los evetos smples so mutuamete exlusvos: e e j, j Por el terer axoma: P e Pe ; y por el segudo: PS 1 Etoes, el terer axoma mpla que el segudo pueda esrbrse omo: Pe 1 La base axomáta de probabldad reada por Kolmogorov osttuye el modelo teóro sobre el se trabaja; uado etramos e el domo del modelo, evtablemete os separamos, al meos temporalmete, de la realdad del feómeo que pretedemos represetar o el modelo. E todo aso, sea ual sea el rtero de asgaó de probabldades que se adopte: láso, freuetsta o subjetvo, la odó dspesable es que tal asgaó umpla o los tres axomas de probabldad, que o depede de la forma e la que haya sdo asgadas las probabldades. S retomamos la aalogía de las áreas de fguras geométras, os peratamos fálmete que la forma e que sea aluladas, o fluye e el oepto de área; de maera smlar, la forma e que hayamos asgado las probabldades de los evetos, o de e la oó de probabldad. Co el efoque axomáto, a la probabldad se le atrbuye u aráter abstrato, s sgfado, a sabedas que la probabldad se puede perbr desde las perspetvas del jugador, del estadísto, del experto y del eófto. Desde puto de vsta del jugador, la dsrmaó de asos gualmete verosímles, resulta u tato artfal, ta proto se reooó que la probabldad a pror puede ser orroborada empíramete. E los asos e que el expermeto puede repetrse defdamete, el reurso báso es la freuea relatva. E expermetos o repettvos, quees asga probabldades de maera subjetva, solo puede esperar a que se reale y rebr retroalmetaó de lo que realmete aoteó. S la freuea relatva de u eveto, luego de realzar muhas pruebas, resulta de 0.467, al ser ofrotada o la probabldad del eveto de 0.5, postulada a pror, esta aproxmaó es datva de eraía y odue a ua hpótess: las freueas de u msmo eveto aleatoro, e seres umerosas de pruebas, empíramete dfere poo uas de otras, agrupádose la mayoría e toro de u valor etral, que es la probabldad del eveto. uque otra vez se reurre a la freuea relatva omo medda expermetal para alular aproxmadamete la probabldad, ahora ya o se está aplado ua defó de probabldad basada e la teoría, so que se trata de ua hpótess, posteror a la formulaó de la teoría, que permte verfar los postulados de la teoría o los resultados de la observaó.

10 128 MEDID DE PROBBILIDD Ejemplo PROTOTIPO. Los dos posbles resultados so: a = aprobado y r = reprobado, por lo que el espao muestral es: a,r. a y R r, el -álgebra queda ost- S se defe los evetos: tudo omo sgue:,a,r,a,r,,r,s Se geera el espao probablzable (, ), uyo esquema se muestra: Las probabldades asgadas fuero: P 0.63, P R 0.37 Cumple o los tres axomas: 1.P 0, P R 0; 2.P 1; 3.P R P P R 1 Ejemplo PRES. Para ua presa uya orta tee 100 m de altura, el espao muestral para el trate de agua es 0,100; s úamete os teresa que el trate o supere los 30 m, x 30, etoes la -álgebra estará osttuda por uatro evetos: el vaío, el espao muestral y los tervalos0,30y 30,100 ada posble tervalo le orrespode ua mage bajo P, tal es el aso del evetob x x 30, o lo que es lo msmo, el tervalo 0,30, uya probabldad es 0.118, oforme a lo que se había obtedo e el ejemplo 1.19 Las probabldades asgadas fuero: P 0.63, PR 0.37 Cumple o los tres axomas: 1. P x , P x , 2. P 1 3. P x 30 x 30 P 0 x Ejemplo FUTBOL. Segú Jame las probabldades para el sguete partdo del tlate so: 0.5 que gae, 0.3 que empate y 0.2 que perda. Corrobore que esta asgaó umple los axomas de probabldad. P G 0.5 0, P E 0.3 0, P P PS 1 3. G E y P G E P P 0.8; P G P E GP y P GP P E 0.7; P G P P E P y P E P P G 0.5; P E P P PGE P PS 1; PGPEPP

11 12 PROBBILIDDES DE EVENTOS Probabldad de u eveto Puesto que u eveto está asoado o uo o más putos muestrales y dado que estos putos muestrales osttuye evetos smples y, por tato, mutuamete exlusvos, la probabldad de u eveto es la suma de las probabldades asgadas a los evetos smples o los uales está asoado. S a,b,,d, etoes P Pabd y por el axoma de adtvdad: P P a P b P P d (1.30) PROBBILIDDES DE EVENTOS La obteó de fórmulas para álulo de probabldades se falta muho al osderar evetos mutuamete exlusvos, omo se podrá ver e seguda. Probabldad del omplemeto de u eveto Puesto que el eveto y su omplemeto so evetos mutuamete exlusvos: ; por el axoma de adtvdad: P P P Puesto que y so evetos oletvamete exhaustvos: S, por P P S 1 P P 1; por el axoma ormatvo: ; etoes: lo tato: P 1 P (1.31) També es erto que: P 1 P ; por lo tato: P 1 y por el axoma de o egatvdad: P 0. Otra vez por el axoma de o egatvdad: P 0, por lo que la probabldad de u eveto es u úmero real mayor o gual que ero y meor o gual que uo: 0 P 1 (1.32) Nótese que éste fue el prmer teorema fudametal de probabldad. Este resultado ta obvo es de gra utldad práta, porque al ooer la probabldad de u eveto, e automáto se sabe la de su omplemeto, al restarla de uo; a vees es más fál evaluar la probabldad del omplemeto.

12 130 MEDID DE PROBBILIDD Probabldad de u eveto mposble El eveto mposble mpla la o ourrea del espao muestral: S ; por lo que P PS. Sabedo que PS1 PS y por el axoma de ormatvdad: PS 1. Etoes PS 0y, por lo tato: P 0 (1.33) S embargo, que el reíproo de este resultado o es erto; es der, puede haber u eveto que tega probabldad ero, sedo absolutamete posble. Evetos depedetes La depedea de evetos es uo de los oepto etrales e la teoría de probabldad y uo de sus rasgos dsttvos. uque ésta es ua propedad que se preseta freuetemete de maera atural e la práta,smplfado el álulo de probabldades, su orreta terpretaó y aplaó requere de ua dsusó más ampla, que haremos e el apítulo 1.5. Por el mometo dremos que dos evetos so depedetes, s la ourrea de uo o afeta la probabldad de ourrea del otro; os referremos e prpo a evetos que o está relaoados físamete, de maera que se les puede osderar físamete depedetes; e oasoes, lo que lue omo depedea físa, e oasoes o lo es; sempre puede exstr ua relaó físa sospehada, que solo la formaó estadísta es apaz de desubrr. Es muy mportate dstgur la dferea etre evetos mutuamete exlusvos y evetos depedetes; so oeptos a tal puto atagóos, que s dos evetos so mutuamete exlusvos, o puede ser depedetes. La úa exepó se da e el aso degeerado e el que o B, o ambos, es u eveto mposble. Cosdere, por ejemplo que ; etoes P 0 y B so mutuamete exlusvos: PB PPB, B, pues P B PPB, B ; PB PB y B so depedetes porque PB PPB, pues B, PB 0; P B PPB, 0 0 Reurredo a ua aalogía geométra, la dea de exlusó mutua se equpara o paralelsmo, e tato que la oó de depedea e probabldad se detfa o perpedulardad. Fudados e tal equvalea, alguos autores ha adoptado el símbolo de perpedulardad para deotar la depedea etre evetos. E este texto los hemos emulado: la otaó B tedrá por sgfado que los evetos y B so depedetes. Cabe der que el símbolo de paralelsmo o se usa para los evetos exluyetes, porque para ellos ya exste ua otaó muy lara que los defe: B La ausea de terseó s os da la mposbldad de depedea; pero la exstea de terseó, o permte olur ada respeto a s los evetos so o o depedetes. E problemas e los que los evetos paree o estar relaoados físamete, ovee e prpo supoer depedea, a reserva de que se pruebe lo otraro.

13 1 PROBBILIDDES DE EVENTOS Probabldad ojuta de evetos depedetes La probabldad ojuta de dos evetos y B es la probabldad de su terseó: P B, es der, es la probabldad de que los dos evetos ourra ojutamete. La probabldad ojuta de dos evetos depedetes y B es gual al produto de sus probabldades dvduales. B PB PPB (1.34) Esta expresó para alular la probabldad ojuta de evetos depedetes, se ooe omo ley de multplaó de probabldades para evetos depedetes, ofreedo ua defó alteratva para depedea etre evetos: dos evetos y B so depedetes, s la probabldad ojuta es el produto de sus probabldades dvduales., al omparar ésta o el produto de las dos prmeras, uado exste odea, se asegura que los evetos so depedetes, y uado hay dferea, hay do de que los evetos so depedetes. Nótese que éste fue el terer teorema fudametal de probabldad. La ourrea ojuta de evetos o sgfa ourrea smultáea, pues los evetos puede ourrr ojutamete, desfasados e el tempo. S los evetos y B se osdera depedetes por o estar relaoados físamete y s las probabldades P() y P(B) so oodas, etoes su produto se puede asgar omo valor de la probabldad ojuta P B. S se ooe las probabldades dvduales P() y P(B) y la probabldad ojuta P B Geeralzado, los evetos 1, 2,, so mutuamete depedetes, s y sólo s, la ourrea de uo de ellos o afeta la probabldad de ourrea de los otros, las de sus ourreas ojutas; esto es: P P,, P P, P 0, osderado todas las posbles terseoes de 2 e 2, de 3 e 3,, de -1 e -1. Este resultado se tradue e lo que se ooe omo la ley de multplaó de probabldades para varos evetos depedetes. S los evetos so mutuamete depedetes, su probabldad de ourrea ojuta es el produto de sus probabldades dvduales de ourrea. P P (1.60 ) 1 1

14 132 MEDID DE PROBBILIDD Probabldad mplada S u eveto es subojuto de otro eveto B: B. El eveto B, B B S B B satsfae la gualdad: pero omo B, etoes B B, de modo que se puede esrbr: y PB PB B B. Los evetos y ( B) üüüü P B 0 so mutuamete exlusvos: el axoma de adtvdad: o egatvdad: Por lo tato: PB P B, y por, y por el axoma de, que es lo msmo que: resume: P B P. E B P P B (1.35) Otro resultado medato que se desprede del ateror es el sguete: üüüü (1.35 ) La mplaó práta de este resultado es que uado ourre el eveto, de maera automáta ourre el eveto B, por lo que el eveto B es al meos ta probable omo lo es el eveto. Ley de adó de probabldades Sea los evetos y B mutuamete exlusvos o o. Cosderemos los evetos 0 B y B0 B 0 B, por ede: P P0 B ; pero 0 B y por el axoma de adtvdad: üüüü 0 0, por ede: P0 PPB B B B, por ede: PB PB B 0 0 ;

15 1 PROBBILIDDES DE EVENTOS pero B0 B y por el axoma de adtvdad: PB0 B PB0PB, por ede: PB0 PBP B B 0 B0 Bpor lo que: PB P0 B0 B pero 0 B 0, 0 B, B0 B, y por el axoma de adtvdad: PB P0 B0 B P0PB0PB susttuyedo: PB PPBPBPBPB obteedo: PB PPBP B (1.36) ; Este resultado se ooe omo ley de adó de probabldades, la ual establee que la probabldad de ourrea de al meos uo de dos evetos es la suma de sus probabldades dvduales meos la probabldad de su ourrea ojuta. Es evdete que uado los evetos y B so mutuamete exlusvos, la ley de adó de probabldades se tradue e el terer axoma de probabldad. Cardao fue el prmero e expresar tutvamete este resultado, e térmos de asos, e vez de probabldades. Jaob Beroull se perató de que la probabldad de la uó o era la suma de las probabldades uado los evetos o so mutuamete exlusvos, pero o supo explar el por qué. Que formuló el teorema de adó de probabldades fue Thomas Bayes, e su obra póstuma de 1763, dstguedo el aso de los evetos o dsjutos, a los que él llamó osstetes. La ley de adó de probabldades geeralza fálmete por duó matemáta. Dados los evetos 1, 2,, la probabldad de su uó es: j j l j jl P P P P... P... (+), s es par; (), s es mpar. 1 1 Para = 1: P P ; P1 P1 1 1 Para = 2: 2 2 P P P j ; P 1 2 P 1 P 2 P j2 Para = k: osderado k par y supoedo erto que: k k P P P j P j l... P k 1 1 jk jlk Para = k + 1: (k + 1 resulta mpar) k1 k k k P Pk 1 PPk 1Pk k k P Pk1P k k k P P P... P jk k1 k1 j k1 1 2 k1

16 134 MEDID DE PROBBILIDD k k 1 1 Susttuyedo P y P k 1 por sus respetvos desarrollos: k1 k j j l 1 2 k 1 1 jk jlk P P P P... P... k Pk 1P k 1 P j k1... P k 1 1 jk k1 k k P P Pk 1 P j P k jk 1 P P... P... j l j k1 1 2 k jlk jk P P P P... P... k1 k1 j j l 1 2 k jk1 jlk1 maera de ejemplo, osdere ley de adó de probabldades para tres evetos ualesquera, B y C: P BC P P B P C P B P C PBCPBC Desgualdad de Boole Cuado los evetos so mutuamete exlusvos: B, la probabldad ojuta es ula: PB P 0 y la expresó (1.36) se redue al axoma de adtvdad: PB P PB E todo aso, por el axoma de o egatvdad: PB 0, por lo que la ley de adó de probabldades verfa la euaó ooda omo desgualdad de Boole: PBP PB (1.37) Obvamete, també se umple la desgualdad de Boole, e su forma geeralzada: P P 1 1 Ejemplo SERVICIOS DE TELECOMUNICCIONES. Los usuaros de la ompañía Telex tee otratado además del servo de telefoía loal, alguos otros servos: 9 de ada 20 usuaros tee obertura lmtada e llamadas de larga dstaa aoal (N), 1 de ada 4 tee obertura lmtada e llamadas de larga dstaa a vel mudal (M), 3 de ada 10 ueta o oexó a Iteret de bada aha (I) y 1 de ada 5 ueta o señal de televsó sateltal (T). No hay usuaros o señal de televsó que o uete o larga dstaa; el 12% tee señal de televsó y larga dstaa aoal, el 20% tee Iteret, pero o señal de televsó, el 23% o tee larga dstaa Iteret, el 5% ueta o larga dstaa mudal, televsó sateltal, pero o Iteret y el 7% tee larga dstaa mudal e Iteret, pero o señal de televsó.

17 1 PROBBILIDDES DE EVENTOS Sea los evetos: larga dstaa aoal larga dstaa mudal Iteret de bada aha televsó sateltal N, P N 9 / M, P M 1/ I, P I 3 / T, P T 1/ S se elge u usuaro al azar, uál es la probabldad de que: a) o tega servo de larga dstaa P L1 P L ; P L P N M P NP M P L b) tega larga dstaa pero o Iteret PI L?, I I LI L, P I PI LI L PI LPI L P I 1 P I ; P I LP I P I L ) tega al meos uo de los servos PI LT PIPLPTPI LPI TPLTPI LT PI L?, L I LI L, PL PI LI L PI LPI L P I L P LP I L PI T?, I I TI T, P I PI TI T PI TPI T P I T P I P I T PLT? T LTLT, PT PLTLT PLTPLT P L T P T P L T PI LT? I T I LTI LT, PI T PI LTI LT PI T PI LTPI LT, PI LT PI TPI LT P I L T d) o tega guo de los servos P I L T P I L T 1 P I L T

18 136 MEDID DE PROBBILIDD e) solo tega larga dstaa PI TPI LTPI LT, PI LTPI TPI LT P I L T? I T I L T I L T, P I T P I L T I L T P I T P I T 1 P I T, P I T P I P T P I T P I T , P I L T f) tega larga dstaa aoal e Iteret, pero o señal de televsó PI NT? I T I NTI M TI LT P I T P I N T I M T I L T P I N T P I M T P I L T PI NTPI TPI M TPI LT, LT I LTI LT PLTPI LTI LT PI LTPI LT PLPLTPLT, PLTPLPLT P I L T P L T P I L T, L L T L T, P L P L T L T I L T , P I N T g) solo tega larga dstaa mudal PI M T? I LT I NTI M T, PI LTPI NTI M T PI LTPI NTPI M T, PI M TPI LTPI NT PI NT? NT I NTI NT, PNTPI NTI NT PNTPI NTPI NT, PI NTPNTPI NT N NTNT, PN PNTNT PNTPNT P N T P NP N T , P I N T P I M T Ejemplo DEFECTUOSOS. E ua muestra de 200 torllos produdos por la fábra Tor hubo 7 o defetos e la uerda, 11 o dmesoes fuera de toleraa, y de estos dos ojutos, hubo 5 o ambos defetos. S se elge u torllo aleatoramete, alule la probabldad de que:

19 1 PROBBILIDDES DE EVENTOS Sea los evetos: C defeto e uerda F dmesoes fuera de toleraa a) tega ambas lases de defetos NC F 5 P C F N 200 b) esté defetuoso N C N C N C F PCF PCPFPCF N N N ) o tega defeto alguo P C F P C F 1 P C F Ejemplo RÍOS CONTMINDOS. El río Papaloapa se almeta de los ríos Sato Domgo y Valle Naoal; a su vez, los afluetes del Sato Domgo so los ríos Grade y Salado, omo se aprea e el esquema de la fgura. Las probabldades de que esté otamados los ríos Grade, Salado y Valle Naoal so 1/6, 1/5 y 1/4, respetvamete y se supoe que los omportametos de los ríos Grade y Salado so depedetes, al gual que los de los ríos Valle Naoal y Sato Domgo. Se pde determar la probabldad de que el río Papaloapa esté otamado.

20 138 MEDID DE PROBBILIDD Sea los evetos: P = Papaloapa otamado V = Valle Naoal otamado; P(V) = 1/4 D = Sato Domgo otamado G = Grade otamado; P(G) = 1/5 S = Salado otamado; P(S) = 1/6 S el río Grade o el Salado está otamados, el Sato Domgo també lo está. Es laro que los evetos G y S so depedetes físa y estadístamete: G S PD PGS PGPSPGS PGPSPGPS S el río Valle Naoal o el Sato Domgo está otamados, el Papaloapa també lo está. Es laro que los evetos V y D so depedetes físa y estadístamete: V D PP PVD PV PD PVD PV PD PV PD Ejero CIRCUITO ELÉCTRICO. E el ruto esquematzado e la fgura, los 3 terruptores fuoa depedetemete, o la msma probabldad de falla p. Se pde determar la probabldad de que fluya orrete de la termal 1 a la 2, expresada omo ua euaó e p, smplfada al máxmo. Sea el eveto: C = Iterruptor errado; P(C ) = p = Iterruptor aberto; P( ) = 1 - p F = hay flujo de orrete etre 1 y 2 Cosderado evetos mutuamete exlusvos: PF P CCCCCCCCCCCC PCPCPC3PCPCP3PCPP p 31 p p 31 pp 1 3p 3p p 3p1 2p p 3p 1 p p3p p 3p6p 3p 3p 3p 1p Por la ley de adó de probabldades: PC PC PC PC PC PC PC PC PC PC PC PC P F P C C C P C P C P C P C C P C C P C C P C C C p 3 1p 1p 33p3 12pp 13p3p p 1P P P P 1ppp 1p Por omplemeto: P F 1P 1P P P 1ppp 1p

21 1 PROBLEMS CLÁSICOS La mayor parte de los problemas que volura probabldades se puede resolver de varas maeras, todas gualmete váldas; a que le toa obteer la soluó de u problema partular, le puede pareer que ua forma es más sella que otra, s que sea eesaramete la más orta. U ejemplo de esto es el ejero ateror, resuelto por tres proedmetos dsttos, o la dea de que los letores se perate lo útl que es el reurso de darle la vuelta al problema; s o quere salr de ua maera, tetarlo por otro amo, y s o, por otro más. Red de gaadores Ua supuesta empresa espealzada e proóstos deportvos ofree a ada uo de sus letes, por la móda suma de $500, evarles vía orreo eletróo, el vato sobre el gaador de u determado eveto deportvo espeífo, que tedrá lugar el sguete f de semaa; o la garatía de la devoluó total de su dero, s la predó o es aertada. la empresa o le mporta que hae el lete o ese proósto, pero auque o sea su propósto, lo due a apostar e favor del vato, la atdad que él quera y dode él quera. S ada semaa la empresa rebe e promedo 300 soltudes de proósto, el aumulado medo semaal es de $150,000, msmos que tedría que devolver, s su proósto falla. Pero qué suede, s la empresa le da u proósto a la mtad de sus letes y a la otra mtad le da el proósto otraro? Nos peratamos de que e esta red de gaadores, lo úo seguro es que gú lete gaa, que la mtad de ellos perde $500 ada uo, por haber rebdo el proósto aertado y la que gaa sempre es la empresa. Para erolar a más persoas e el embuste, la empresa se puede dar el lujo de ofreer la devoluó de $750 e vez de los $500 de la apuesta, s el proósto es falldo; y la empresa de todas maeras gaa, pues se queda o $250 de ada lete satsfeho, $37,500 a la semaa, $150,000 al mes. Gra egoo; desde luego, frauduleto PROBLEMS CLÁSICOS Paradoja de las tres puertas També oodo omo el problema de Moty Hall, pues este odutor de televsó fue que lo presetó e su programa Let s Make a Deal. Supó que estás partpado e u ourso televsvo frete a tres puertas erradas; se sabe que detrás de ua de ellas hay u automóvl, metras que tras las otras dos hay sedas abras. El presetador te pde que eljas ua de las tres puertas y te de que te llevarás lo que hay detrás de la puerta elegda. Cuado tú ya has elegdo ua puerta, deseoso de gaarte el ohe, el presetador abre ua de las otras dos puertas y detrás de ella hay ua abra; es laro que tras las dos puertas erradas está el automóvl y la otra abra, y tú ya elegste ua de ellas. E ese mometo el presetador te pregutará s queres ambar de puerta o quedarte o la elegda almete. Qué debes haer? Cambas a la otra puerta o te quedas o la que habías seleoado almete? Te trae algú beefo haer u ambo de eleó?

22 140 MEDID DE PROBBILIDD Muhas persoas osdera que la probabldad al de 1/3 se modfa a 1/2, uado se desubre ua puerta o ua abra; por lo tato pesa que modfar tu eleó o aumetaría tus posbldades de gaar el automóvl. S embargo, ese razoameto es orreto, ya que el ambo de puerta remeta tus posbldades de gaar el ohe a 2/3. Cuado se publó por prmera vez esta soluó e la revsta Parade, hubo muhos letores, alguos de ellos o dotorado, que esrbero a los edtores para derles que tal soluó estaba equvoada. Y es que el jueguto paree ser ua afreta total al setdo omú. La soluó se basa e que el presetador sempre abre ua puerta, que esoge etre las dos restates, después de que tú has heho tu eleó, y tras esa puerta que abre, sempre hay ua abra; además, sempre ofree haer el ambo y o omo estratega usada a su oveea. E prmera staa teíamos 3 puertas, por lo que la probabldad de que el ohe estuvera detrás de la puerta que tu seleoes es de 1/3, metras que la probabldad de que esté detrás de algua de las otras dos puertas es de 2/3. Luego, uado el odutor abre ua puerta e la que hay ua abra, la probabldad de ohe e esa puerta es ero, por lo que la probabldad de 2/3 la tee la puerta errada que o elegste. Hay que eteder muy laramete que tu ambo de eleó o garatza que gaarás el auto; solamete remeta tus posbldades. S te lo gaas, ade te podría der ada, pero s lo perdes, la gete y hasta tu msmo drá: por que ambaste tu eleó? Tu respuesta es: porque o ella teía mayores probabldades. Paradoja del umpleaños Cuál tedría que ser el tamaño mímo de u grupo de persoas, para que la probabldad de haya al meos dos de ellas que umpla años el msmo día, sea superor al 50%? S las persoas del grupo so demasado poas, omparadas o los 365 días del año, pareera que o abría esperar repetoes. Claro que sería dfíl esperar repetó de u día de umpleaños espeífo, pero s la odea puede darse etre ualesquera parejas de persoas, a mayor úmero de persoas, mayor úmero de parejas posbles y mayor úmero de posbldades de odea. Cosderado las ombaoes de persoas tomadas de dos e dos, tedríamos que: E ua pareja sólo hay 1 posbldad etre 365, de que su umpleaños oda; e u grupo de tres persoas, se puede formar tres parejas, por lo que so 3 las posbldades de odea; uado el grupo es de uatro, las posbldades sube a 6; y o u grupo de dez, llega a 45; uado el grupo es de 23 persoas, se puede formar 253 parejas dsttas y, por tato exste 253 posbldades de umpleaños odetes, y o u grupo de 46 persoas, las posbldades so ya de más de 1000 parejas dsttas. = {Hay al meos dos persoas del grupo que umple años el msmo día} = {Todas las persoas del grupo umple años e u día dferete}

23 14 PROBLEMS CLÁSICOS Este es uo de esos problemas e que es más fál alular la probabldad del eveto omplemetaro. Usado el rtero de asgaó a pror, de asos favorables etre asos totales, teemos: Número de asos totales o persoas e el grupo: N = (365) Número de asos favorables de o odea: N( ) = 365x364x363x x(365-+1) P 365 Podemos estableer ua fórmula de reurrea, para alular el valor para ada : P... P P 1 P La paradoja del umpleaños fue plateada e la mera Mathematal Mothly, e 1938; se trataba de alular la probabldad de que e u grupo de persoas dos o más de ellas umplera años el msmo día. S el grupo está formado por 23 persoas la probabldad es de 50.7%. S el grupo es de 60 o más persoas, la probabldad es mayor del 99%. Y obvamete para u grupo de 366 persoas la probabldad es del 100%, osderado años bsestos. E setdo estrto ésta o es ua paradoja, ya que o hay otradó lóga algua; es ua verdad matemáta que otrade el setdo omú; e geeral la gete estma que esta probabldad es muho más baja, y que hae falta muhas más persoas para alazar ua probabldad del 50%. No hay que malterpretar lo que de esta paradoja. S llegas a u lugar e el que hay 22 persoas, la probabldad de que ualquera de ellas umpla años el msmo día que tú, o es del 50%, so muho más baja: meos del 6%, porque sólo hay 22 parejas posbles; tedría que haber 253 persoas para que hubera más de u 50% de probabldades de odea o tu umpleaños. B = {Probabldad de odea o tu umpleaños} 364 PB 1PB s 22, P B ; s 253, P B

Estructuras Algebraicas

Estructuras Algebraicas Uversdad de los des Faultad de Ceas Eoómas y Soales Esuela de Estadísta Estruturas lgebraas Prof. Gudberto José Leó Ragel MÉRID, 2015 1 Profesor Gudberto Leó Teoría Estadísta I Uversdad de Los des - Faultad

Más detalles

Probabilidad condicional

Probabilidad condicional robabldad odoal osderemos ua ura que otee bolllas roas y 5 blaas. De las bolllas roas so lsas y rayadas y de las 5 bolllas blaas so lsas y ua sola es rayada. Supogamos que se extrae ua bollla y s que la

Más detalles

Héctor Allende 1. w Ω, resultado elemental. Ω : Espacio Muestral: Todos los posibles

Héctor Allende 1. w Ω, resultado elemental. Ω : Espacio Muestral: Todos los posibles Coeptos ásos Capítulo Curso ILI-80 I Semestre 00 Profesor: Hétor llede Expermeto aleatoro : ξ Espao Muestral : Ω Eveto o Sueso : ; ;. Evetos elemetales, seguros e mposbles Probabldad : grado de ertdumbre

Más detalles

Concepto de circuito eléctrico

Concepto de circuito eléctrico oepto de ruto elétro U ampo eletromagéto se halla ompletamete desrpto uado se ooe los vetores tesdad de ampo elétro E y de ampo magéto H e todos sus putos e fuó del tempo. Esto mpla el empleo de fuoes

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas ertdumbre e las medoes dretas e dretas Reordado Para la seleó de u strumeto de medó os basamos e la Regla de Oro de la Metrología Luego, 0. T T La toleraa orregda por la ertdumbre del strumeto queda defda

Más detalles

Probabilidades y Estadística Cs. de la Computación 1er cuatrimestre 2004

Probabilidades y Estadística Cs. de la Computación 1er cuatrimestre 2004 robabldades y Estadísta Cs. de la Computaó er uatrmestre 004 Itroduó reve reseña hstóra: La teoría de robabldades omeza a partr de ua dsputa etre jugadores e 654. Los dos matemátos que partparo de tales

Más detalles

Probabilidades y Estadística Cs. de la Computación

Probabilidades y Estadística Cs. de la Computación robabldades y Estadísta Computaó Faultad de Ceas Exatas y Naturales. Uversdad de ueos res a M. ao y Elea J. Martíez 004 robabldades y Estadísta Cs. de la Computaó Itroduó reve reseña hstóra: La teoría

Más detalles

Probabilidad condicionada. Probabilidad Total. Teorema de Bayes

Probabilidad condicionada. Probabilidad Total. Teorema de Bayes robabldad odoada. robabldad Total. Teorema de aes utor: Olvá alzada Emlaa (Leada e Matemátas rofesora de Matemátas e Eduaó Seudara). úblo: lumos de ahllerato de eas. Estudates de matemátas profesores de

Más detalles

Comparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia

Comparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia Comparaoes múltples etre medas Tema 6. Comparaoes múltples. Comparaoes plaeadas o a pror:. F plaeadas. Comparaoes de tedea. Comparaoes o plaeadas o a posteror:. Prueba de Tukey.. Prueba de Sheffé . Comparaoes

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA PLNTMNTO PROLMS LN MTR N PROSOS SN RÓN QUÍM. teder ual es el objetvo que se persgue e el proeso, la fuó de ada equpo (por lo meos ualtatvamete) y vsualzar los feómeos y trasformaoes que ourre.. detfar

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Tiempo medio de ejecución por operación sobre una secuencia de ejecuciones sucesivas. 6

Tiempo medio de ejecución por operación sobre una secuencia de ejecuciones sucesivas. 6 La efea de los algortmos Aálss y Dseño de Algortmos La efea de los algortmos Comparaó de algortmos Prpo de varaza Efea Notaoes astótas Cálulo de la efea de u algortmo Resoluó de reurreas: Método de la

Más detalles

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos)

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos) Posble soluó del eame de Ivestgaó Operatva de Sstemas de septembre de 6 Problema : ( putos) U profesor rebe ua práta ada mañaa y la poe e ua pla. Por las tardes, o probabldad / orrge todas las prátas de

Más detalles

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones. Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo

Más detalles

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO CAITULO I EQUILIBRIO AOR -LIQUIDO ara evaluar el fuoameto de u sstema de separaó e etapas, es eesaro efetuar álulos de equlbro vapor-líqudo de balae de matera e ada etapa de separaó, utlado para ello ua

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Capítulo Probabldades Estadístca Computacoal II Semestre 004 Profesores: Héctor llede (hallede@f.utfsm.cl Rodrgo Salas (rsalas@f.utfsm.cl

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Teoría de Telecomunicaciones

Teoría de Telecomunicaciones Uersdad del Caua - FIET UIO E MOULCIÓ udo de Modulaó Uersdad del Caua Teoría de Teleomuaoes epartameto de Teleomuaoes Uersdad del Caua - FIET UIO E MOULCIÓ udo de modulaó leal Este aálss se basa e el sstema

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5 Modelos de Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl

Más detalles

Universidad Técnica Federico Santa María

Universidad Técnica Federico Santa María Uversdad Técca Federco Sata María Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 4 Probabldades Estadístca Computacoal II Semestre 006 Profesores: Héctor llede

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Análisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5

Análisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5 Aálss de Datos e Psología I. Pregutas de eame. Temas y p 7 9 0. 0. 0. 0. 9-0. Tabla. Dstrbuó, e proporoes, de las putuaoes de u grupo de 0 sujetos e ua prueba de eaje de formas. 7 9 Tabla. Dstrbuó de freueas

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

Métodos de Ordenamiento

Métodos de Ordenamiento Aálss y Complejdad de Algortmos Métodos de Ordeameto Arturo Díaz Pérez pos de ordeameto y meddas de efea Algortmos básos QukSort HeapSort BSort RadxSort Arboles de Desó Aálss y Dseño de Algortmos Sortg-

Más detalles

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

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

PARTE 1 - PROBABILIDAD

PARTE 1 - PROBABILIDAD arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Ejemplos cláscos de expermetos aleatoros

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

MECÁNICA VIBRATORIA. M. López-García Pemex-Refinación, Refinería Francisco I. Madero Cd. Madero, Tamaulipas, México

MECÁNICA VIBRATORIA. M. López-García Pemex-Refinación, Refinería Francisco I. Madero Cd. Madero, Tamaulipas, México MCÁNICA VIBRAORIA M. López-Garía Peme-Refaó, Refería Fraso I. Madero Cd. Madero, amaulpas, Méo mal: mlgam@yahoo.om.m MAYO 4, 9 He deddo empezar este artíulo presetado la euaó que otedríamos omo resultado

Más detalles

Aplicando Teorı a de Colas en Direccio n de Operaciones

Aplicando Teorı a de Colas en Direccio n de Operaciones Aplado Teorı a de Colas e Dreo de Operaoes José edro Garía Sabater Grupo ROGLE Departameto de Orgazaó de Empresas Uversdad oltéa de Valea. Curso 25 / 26 arte de estos aputes está basados e la fudametal

Más detalles

CAPÍTULO 4: ANÁLISIS. estado del ambiente y por la decisión. Si se toma una decisión

CAPÍTULO 4: ANÁLISIS. estado del ambiente y por la decisión. Si se toma una decisión CAPÍTULO 4: ANÁLISIS 4.. Coeptos Básos 4.. Problema de la toma de desó Sea S la sere de todos los posbles estados del ambete, D la sere de todas las desoes dspobles y R la sere de resultados realzables

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN 0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso de Estadística Aplicada a las Ciencias Sociales Curo de Etadíta Aplada a la Cea Soale Tema 5. Derpó uméra Capítulo 4 del maual Tema 5 Derpó uméra Itroduó. La meda. La devaó típa. El oefete de varaó 4. El oefete de ametría 5. Derpó uméra para dtrbuoe

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

INSTITUCION EDUCATIVA LA PRESENTACION

INSTITUCION EDUCATIVA LA PRESENTACION INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMÁTICAS ASIGNATURA: GEOMETRIA NOTA DOCENTE: HUGO HERNÁN BEDOYA TIPO DE GUIA: CONCEPTUAL - EJERCITACIÓN PERIODO GRADO FECHA DURACION Otubre

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad 4. Defcó y cálculo de probabldades 4.. Fucó de probabldad Defcó: Sea la famla de sucesos asocada a u expermeto aleatoro de espaco muestral Ω. Se cosdera ua fucó : R, que verfca las dos propedades 0 y Ω

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

V - MUESTREO ESTRATIFICADO

V - MUESTREO ESTRATIFICADO Capítulo V Muestreo estratfado (borrador)- 175 V - MUESTREO ESTRATIFICADO V.1 - Estratfaó y efea de los dseños muestrales Ya vmos que la prmera gra lasfaó de los dferetes métodos de muestreo depede del

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FCULTD DE INGENIERÍ U N M ROILIDD Y ESTDÍSTIC Iree atrca Valdez y lfaro reev@servdor.uam.mx T E M S DEL CURSO. álss Estadístco de datos muestrales. 2. Fudametos de la Teoría de la probabldad. 3. Varables

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Solución del examen de Investigación Operativa de Sistemas de junio de 2006

Solución del examen de Investigación Operativa de Sistemas de junio de 2006 Soluó del exame de Ivestgaó Oeratva de Sstemas de juo de 6 Problema : (3 utos) Tres uras, y otee 3, 4 y 5 bolas resetvamete, todas blaas exeto ua de las de ue es roja. E ada etaa, se extrae ua bola al

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles