Regla de Bayes. Pedro J. Rodríguez Esquerdo
|
|
- Monica Cruz Giménez
- hace 7 años
- Vistas:
Transcripción
1 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 Río Pedras Uversdad de Puerto Rco 1. Ejemplos de Probabldad codcoal El Teorema o Regla de Bayes ofrece u método para vertr el eveto que codcoa a otro eveto al calcular ua probabldad codcoal: s A y B so evetos y se cooce A B, B, A B c, etoces la regla permte calcular B A. La ecesdad de calcular este últmo valor a partr de la formacó dspoble es mprescdble para eteder las cosecuecas de alguas de uestras decsoes. Ejemplo 1 Ua fábrca de botellas cueta co dos máquas para producr 10,000 botellas al día. La máqua A produce 6,500 botellas daras de las cuales 2% so defectuosas. La máqua B produce 3,500 botellas cada día de las cuales 1% so defectuosas. El spector de caldad de la compañía seleccoa ua botella al azar y ecuetra que está defectuosa. Cuál es la probabldad de que la botella haya sdo producda por la máqua A? Para vsualzar mejor los datos, se represeta e u dagrama de árbol. Deote por A el eveto de que la botella seleccoada haya sdo producda por la máqua A y por B el eveto de que haya sdo producda por la máqua B. El eveto de que la botella seleccoada sea defectuosa se deota por D, metras que su complemeto D c represeta ua botella que o es defectuosa. Comezo Máqua Botella Resultados 0.02 D AD 0.65 A fabrcar botella 0.98 D c AD c 0.35 B 0.01 D BD 0.99 D c BD c La probabldad de que ua botella cualquera haya sdo producda por la máqua A es 0.65, pues de las 10,000 producdas, 6,500 so producdas por A. Iteresa calcular A D, la cual o se puede obteer de forma drecta de los datos o del árbol que los represeta. Para esto se recurre drectamete a la defcó de probabldad codcoal: A D = A D / D.
2 Teorema de Bayes p. 2 Las catdades A D y A se puede obteer del árbol. Para que ua botella seleccoada al azar sea ua botella defectuosa producda por la máqua A, se seleccoa prmero la máqua A y de las botellas producdas allí se seleccoa ua defectuosa. La expresó A D = A D A equvale a hacer ua travesía e el árbol desde su raíz o comezo, hasta la hoja fal dode se obtee el resultado A D. Así A D = Para ecotrar D es ecesaro darse cueta de que ua botella defectuosa puede ser producda por la máqua A o por la B. Al examar las hojas del árbol, se ecuetra dos lugares dode se obtee ua botella defectuosa: A D o B D. Esto equvale a hacer ua travesía por uo de dos camos e el árbol. Estos camos so mutuamete excluyetes, pues s se cama por uo o puede camarse por el otro. Segú se muestra e la Fgura 1, el eveto D = ( A D ( B D y su probabldad es etoces calculada D = A D + B D. AD c Máqua A AD BD c BD Defectuosas Máqua B Fgura 1 Partcó de la produccó de botellas. El prmero de estos térmos A D ya fue calculado. El segudo, B D, se obtee de forma smlar, B D = B D B. Jutado estos resultados, D = A D A + B D B. Falmete se calcula la probabldad deseada: 6, A D A 10, P ( A D.788 D AA D BB 6,500 3, ,000 10,000 Por lo tato, ua vez se sabe que ua botella seleccoada al azar está defectuosa, la probabldad de que haya sdo producda por la máqua A es.788. Dcho de otra maera, de todas las botellas defectuosas produddas, aproxmadamete el 79% so producdas por la máqua A. Preguta 1 Cómo se puede explcar que la máqua A produzca el 79% de las botellas defectuosas? Este hecho se debe a dos factores. El prmero es que la máqua A produce cas el doble de botellas que la máqua B. Aú s la tasa de botellas defectuosas fuera la msma para ambas máquas, por el mero hecho de producr u mayor úmero de botellas, la máqua A producría cas el doble de defectuosas de la máqua B. El segudo factor es que la tasa de produccó de defectuosas de la máqua A es el doble de la correspodete de la máqua B. E este caso, aú s ambas máquas produjera la msma catdad de botelllas, las producdas por la máqua A cotedría el doble de botellas defectuosas que las que vee de la máqua B. Ejemplo 2 El gobero aprobó ua ley para hacer oblgatoro que los cerca de 200,000 empleados públcos se someta a ua prueba para detectar s so usuaros de drogas. Se estma que el 1% de los empleados públcos del país so usuaros de drogas. La prueba que se ofrece muestra u resultado postvo e el 98% de los casos e que se le admstra a ua persoa que usa drogas, es decr, detecta el 98% de los usuaros de drogas. De maera smlar, s la persoa o usa droga algua, la prueba arroja u resultado egatvo e el 99% de los casos.
3 Teorema de Bayes p. 3 Se seleccoa u empleado al azar, se le admstra la prueba y se obtee u resultado postvo. Cuál es la probabldad de que la persoa sea u usuaro de drogas? Se represeta los datos medate u dagrama de árbol. Deote por U el eveto de que la persoa sea u usuaro de drogas, por Pos el eveto de que la prueba resulte postva y por Neg el eveto de que la prueba resulte egatva. E el leguaje de la epdemología, al por ceto de persoas de la poblacó de terés que posee la característca deseada, e este caso usuaros de drogas, se le llama la prevaleca. E este ejemplo la prevaleca del uso de drogas es del 1%. A la capacdad de ua prueba para detectar aquellas persoas que posee la característca de terés se le llama la sestvdad de la prueba. La sestvdad descrbe el por ceto de persoas cuyo resultado de la prueba sería postvo de etre aquellas que posee la característca deseada, e este caso, usa drogas. La sestvdad de esta prueba para la deteccó de usuaros de drogas es 98%. Otra medda es la especfcdad. Esta dca el por ceto de persoas cuyo resultado de la prueba sería egatvo de etre aquellas que o posee la característca deseada, e este caso, que o usa drogas. La especfcdad de esta prueba para la deteccó de usuaros de drogas es 99%. Así, la prevaleca dca que al seleccoar ua persoa al azar de etre los 200,000 empleados públcos, U = La sestvdad de la prueba dce que Pos U = 0.98 y de la msma maera la especfcdad se traduce a Neg U c = Comezo Usa Drogas? Resultado de la Resultados prueba 0.98 Pos UPos U Neg UNeg U c Pos U c Pos 0.99 Neg U c Neg La preguta que teresa cotestar es: cuáto es U Pos? Al gual que ates la cotestacó a esta preguta o se puede obteer de forma drecta de los datos o del árbol que los represeta. Por lo tato se recurre uevamete a la defcó de probabldad codcoal: U Pos = U Pos / Pos. Pos Del árbol se obtee las catdades U Pos y Pos. Sguedo el msmo proceso de ates, U Pos = U Pos U, lo que equvale a camar por el árbol desde la raíz hasta la hoja para obteer el resultado U Pos. Así U Pos = U c U Fgura 2 Partcó de las persoas 1 Estas dos últmas probabldades o se puede sumar, ya que so valores obtedos bajo codcoes dsttas, la base de comparacó o es la msma. E el prmer caso se compara la catdad de resultados postvos del total de usuaros de drogas metras que el segudo compara la catdad de resultados egatvos al total de persoas que o usa drogas.
4 Teorema de Bayes p. 4 Para ecotrar Pos, se cosdera que la prueba puede arrojar u resultado postvo cuado la persoa es u usuaro de drogas o e el caso e que o lo sea. Por esta razó hay dos camos mutuamete excluyetes e el árbol dode se obtee u resultado postvo. Segú se muestra també e la Fgura 2, el eveto Pos = ( U Pos ( U c Pos y su probabldad es Pos = U Pos + U c Pos. El térmo U Pos ya había sdo calculado, el segudo se obtee de forma smlar. Obteemos etoces que U c Pos = U c Pos U c. Uedo estos resultados teemos que Pos = U Pos U + U c Pos U c. La probabldad deseada es U Pos U P ( U Pos c c U Pos U U Pos U La cotestacó a la preguta es U Pos = 0.497, es decr, la probabldad de que ua persoa seleccoada al azar etre los 200,000 empleados sea u usuaro de drogas s la prueba da postvo, es Preguta 2 De la poblacó a la que se admstra la prueba, cuátos resultados postvos se esperaría observar? cuátos falsos postvos habría? Explca las razoes por la cuáles ua prueba co sestvdad y especfcdad ta altas, resulta que más de la mtad de los resultados postvos correspode a persoas que o so usuaros. Esta últma preguta se puede cotestar examado cudadosamete el umerador y el deomador de U Pos. S o se cueta co ua prueba de mejor sestvdad y especfcdad que ésta, qué es posble hacer, s o se puede cambar Pos U Neg U c? Ate esta lmtacó tecológca, sólo es posble trabajar co U. Este valor sólo puede cambar s al modfcar la poblacó de la cual se seleccoa las persoas a quees se admstrará la prueba. Preguta 3 Dscuta los costos asocados a ofrecer pruebas de drogas a 200,000 persoas para detectar a 2,000 usuaros. Hay costos o ecoómcos? Exste u pla para ayudar a las persoas que so usuaros de drogas y a los que recbe u falso postvo? Ofrece estas pruebas ua solucó al problema socal del uso de drogas? Supoga que U = 0.25, ecuetre U Pos. Cómo se lograría ese aumeto e U e la realdad? Ejemplo 3 Cosdere ua caja co 5 cacas, dos de ellas so rojas y las otras tres so azules. Se seleccoa ua caca al azar, s mrarla se guarda e el bolsllo. Luego se seleccoa otra caca al azar. Esta seguda caca resulta ser de color rojo. Cuál es la probabldad de que la prmera caca haya sdo també roja? E la seccó ateror se resolvó ua stuacó smlar magado que ates de seleccoar la prmera caca, se ha mrado detro de la caja y removdo la caca que se observará e la seguda seleccó, reservado la seguda caca. La prmera caca sólo puede ser seleccoada de etre las restates 4 cacas, de las cuales 1 de ellas es roja. Por esta razó la probabldad deseada es 1/4. R 2 R 1 Es de terés ecotrar u método formal para cotestar estas pregutas. Deote el eveto de que la prmera caca B 1 Fgura 3 Partcó del color de la seguda caca segú el color de la prmera caca.
5 Teorema de Bayes p. 5 seleccoada es roja por R 1 y el eveto de que la seguda sea roja por R 2. Etoces la probabldad buscada es R 1 R 2. 1/4 2/5 3/4 3/5 2/4 2/4 Fgura 4. Dagrama de árbol que lustra el expermeto de seleccoar dos cacas de ua caja La defcó de probabldad codcoal permte escrbr R 1 R 2 = R 1 R 2 / R 2. Para ecotrar el umerador se usa uevamete la defcó de probabldad codcoal, R 1 R 2 = R 2 R 1 R 1. Ahora se calcula el deomador, R 2 descompoedo el eveto R 2 e dos evetos dsyutos, tal como e la Fgura 4: R 2 = (B 1 R 2 (R 1 R 2. De esta maera se obtee la probabldad R 2 = B 1 R 2 + P ( R 1 R 2. Usado uevamete la defcó de probabldad codcoal B 1 R 2 = R 2 B 1 B 1. Por lo tato, el deomador es R 2 = R 2 R 1 R 1 + R 2 B 1 B 1. El resultado deseado es gual que ates: 1 2 R2 R1 R P ( R1 R2. R ( ( ( R1 P R1 P R2 B1 P B Ejemplo 4 E el 1991 los cotrbuyetes de Puerto Rco sometero u total de 1,320,600 plallas de cotrbucó sobre gresos al Departameto de Haceda. Los datos se desglosa e la sguete tabla por vel de greso y s la plalla se somete cojuta o por separado. Nvel de greso Plallas cojutas reddas Plallas separadas reddas Total (mles (mles meos de 20, , ,000 a 30, ,000 a 50, ,000 o más Total ,320.6 Fuete: Reforma Cotrbutva e Puerto Rco Estudo Técco. Edtoral UPR. Tabla 1. Desglose de cotrbuyetes e Puerto Rco e el año 1991
6 Teorema de Bayes p. 6 Preguta 4 El Secretaro de Haceda seleccoa ua plalla al azar. Cuál es la probabldad de que la plalla haya sdo sometda e forma cojuta s el vel de greso e ella era meor de $20,000? Cuál es la probabldad de que el vel de greso e ella era meor de $20,000 s la la plalla fue sometda e forma cojuta? Para cotestar la prmera preguta, se exama la prmera fla de la Tabla 1, dode todas las plallas sometdas, 1,023,000, refleja u greso meor de $20,000. De esas, 457,500 fuero sometdas e forma cojuta, así la probabldad deseada es: / 1,023.0 = Para cotestar la seguda preguta se exama e vez la columa correspodete a las plallas que se sometero e forma cojuta. El total que se dca al fal de esa columa será la base de comparacó. Se sometero 621,600 plallas cojutas de las cuales 457,500 correspode a plallas que además dcaro u greso meor de $20,000. Por lo tato la probabldad buscada es / = S se usara como base de comparacó los resultados obtedos para descrbr la poblacó de plallas recbdas, de las plallas que reflejaro u greso meor de $20,000, el 46% correspodía a plallas sometdas e forma cojuta. E el otro caso, de todas las plallas sometdas e forma cojuta, el 76% correspode a plallas que refleja u greso meor de $20,000. Estos dos porcetajes o so guales sgfca lo msmo pues refleja bases de comparacó dsttas. E ua tabla es muy fácl calcular probabldades codcoales. E este caso, auque e la práctca o se usaría el método de aálss que ofrece la regla de Bayes, es ejemplo que sgue lustra su uso, co el f de presetar ua forma orgazada de resolver estos problemas. Deote por C el eveto de que la plalla se somete e forma cojuta, por S el eveto de que la plalla se somete por separado y por I el greso reflejado e la plalla. De la defcó de probabldad codcoal, C I P C { I $20,000} C { I $20,000} $20,000 P {C { I $20,000}} {S{ I $20,000}} { I $20,000} P C { I $20,000} C { I $20,000} S{ I $20,000}. Se usa uevamete la defcó de probabldad codcoal para reescrbr el deomador: C { I < $20,000 } = P ( I < $20,000 C C y S { I < $20,000 } = I < $20,000 S S. Así, C I Preguta 5 $20,000 I I $20,000 C C. $20,000 CC I $20,000 S S Represeta estos datos usado u dagrama de Ve.
7 Teorema de Bayes p Probabldad total y la regla de Bayes Los ejemplos aterores permte el descubrmeto, formulacó y desarrollo de resultados formales para calcular estas probabldades codcoales, cuado su valor o se puede obteer drectamete de los datos. E esos ejemplos, prmero se usó la defcó de probabldad codcoal para expresarla e térmos de otros evetos cuyas probabldades so coocdas. Como segudo paso, se descompuso el eveto deseado, s codcó algua, e la uó de evetos dsyutos cuyas probabldades so coocdas y falmete se calculó la probabldad deseada. Teorema 1 (Fórmula de la probabldad total Sea S u espaco muestral, P ua medda de probabldad e S y B u eveto e S. Sea A 1, A 2,, A ua partcó de S, es decr, evetos dsyutos tal que B A B. 1 A S A 1, etoces Prueba. Ya que A 1, A 2,, A es ua partcó de S, sque que el eveto B se puede rescrbr B = B S = B ( A 1 = 1 ( B se usa el hecho de que los evetos B A, = 1,, so dsyutos y la defcó de probabldad codcoal para calcular la probabldad de B: B = ( B A B A A. Ahora A B A. A A 3 2 A 4 A 5 B A 1 A 6 Fgura 5 Partcó del eveto B La Fgura 5 arrba muestra la partcó de B. E este ejemplo, cada térmo B A = 1, 2, 3, 4, 5, 6 correspode a cada uo de los "pedactos" e que fue dvddo B. La terseccó del eveto A 6 co el eveto B es vacía, por lo cual B A 6 = 0. Para calcular la probabldad de cada pedacto, se usa la defcó de probabldad codcoal, así B A = B A A, = 1, 2, 3, 4, 5, 6. Image que la Fgura 5 represeta u tablero de dardos y que la probabldad de que el dardo caga e ua determada regó del tablero es gual a su área. Se laza el dardo y se cooce que cayó e la regó marcada por B, etoces, cuál es la probabldad de que haya cado e A 2? Para cotestar esta preguta es ecesaro usar la regla de Bayes. Teorema 2 (Regla de Bayes Sea S u espaco muestral, P ua medda de probabldad e S y B u eveto e S. Sea A 1, A 2,, A ua partcó de S. Etoces para cada = 1, 2, 3,..., P ( A B A B A. A B A j 1 j j
8 Teorema de Bayes p. 8 Prueba. De la defcó de probabldad codcoal A B B A. Para calcular el umerador se usa B uevamete la defcó, esta vez codcoado por A, P B A B A A. El deomador se obtee aplcado la Fórmula de probabldad total, para obteer A B Preguta 6 B A B A B A B ( A B A. A B A j 1 Expresa los problemas presetados e los ejemplos 1,2, 3 y 4 e térmos de la regla de Bayes. Idca a qué correspode la partcó y el eveto B. j j 3. Problemas y ejerccos 1. Ua fábrca tee tres máquas para producr bombllas. La máqua A produce el 35% del total de bombllas, la máqua B produce el 50% y la máqua C produce el 15% de las bombllas. S embargo, las máquas o so perfectas, la máqua A daña el 10% de las bombllas que produce. La máqua B daña el 5% y la máqua C daña el 20%. a. Represeta estos datos e u dagrama de árbol. b. La fábrca produce 10,000 bombllas s defectos e u día. Cuátas de éstas correspode a la máqua A? Cuátas daña e u día? c. S seleccoamos ua bomblla de la máqua C, cuál es la probabldad de que esté defectuosa? d. Luego de fabrcadas, pero ates de probarlas, las bombllas se coloca jutas e u saló. S se seleccoa ua bomblla al azar, cuál es la probabldad de que esté defectuosa? e. S se comprueba que ua bomblla está defectuosa, cuál es la probabldad de que provega de la máqua B? 2. Ua muestra de 400 adultos varoes co aga de pecho so clasfcados por peso y estatura como sgue: Peso (lbras Edad (años o más U dvduo se seleccoa al azar de etre los 400 partcpates. Ecuetra la probabldad de que: a. tee etre años de edad b. está e el tervalo de años y pesa lbras c. está e el tervalo años ó etre años d. está e el tervalo o años y pesa lbras e. pesa meos de 170 lbras f. pesa meos de 190 lbras y es mayor de 49 años g. pesa meos de 170 lbras dado que es meor de 50 años h. So los evetos {tee años}, {pesa lbras} depedetes? Explca.. So los evetos {tee años}, {pesa lbras} mutuamete excluyetes? Explca.
9 Teorema de Bayes p U estudo eurológco sobre la relacó etre la presó saguíea alta y la cdeca de derrame cerebral ecotró que: a. para persoas mayores de 70 años, el 10% tedrá u derrame detro de los próxmos cco años b. de todos los pacetes de 70 años o más que ha tedo u derrame, el 40% teía presó alta c. para persoas de 70 años o mas que o ha sufrdo de derrame, el 20% tee presó alta. d. U pacete de 74 años vsta a su médco y éste le ecuetra co la presó alta. Cuál es la probabldad de que sufra u derrame cerebral e los próxmos cco años?
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 detallesSoluciones 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 detallesMEDIDAS 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 detallesAproximación 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 detallesDIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA
DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro
Más detallesInferencia 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 detallesINSTITUTO 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 detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesCurso 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 detallesPARÁMETROS 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 detallesx 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 detallesMATEMÁTICA 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 detallesProbabilidad ( 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 detallesFórmulas 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 detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesMODELOS 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 detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesActividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.
Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,
Más detallesAPROXIMACIÓN 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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesProbabilidad. 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 detallesAGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
Más detallesRespuesta. 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 detallesAnálisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos
Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores
Más detallesCÁLCULO 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 detallesÁLGEBRA 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 detallesn 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 detallesINTRODUCCIÓN 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 detallesTEMA 4: NÚMEROS COMPLEJOS
TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesV 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 detallesProbabilidad. 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 detallesIntensificación 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 detallesC 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 detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo
Más detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detallesCAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA
NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a
Más detallesPROBABILIDAD 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 detallesVARIABLES 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 detallesANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.
Más detallesExperimento: 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 detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
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.
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 detallesNOMBRE 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 detallesOrden 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 detallesSOLUCIÓN EXAMEN PARCIAL I
Nombres: Apelldos:.I.: Frma: Fecha: 07/03/05 MÉTODO ETADÍTIO I EXAMEN I Prof. Gudberto Leó PARTE I: E el sguete gráfco se muestra los dagramas de caja correspodetes a los pesos de los bebés al acer segú
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Más detallesG - Métodos de Interpolación
ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó
Más detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto
Más detalles7. 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 detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Más detalles4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór
Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó
Más detalles1. 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 detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
Más detallesUNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1
ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua
Más detallesEstadística. 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( 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 detallesPráctica 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 detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesAnálisis 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 detallesNOMBRE. 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 detalles1.3. 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 detallesPyE_ 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 detallesque queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)
APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)
Más detallesCálculo Integral. LA INTEGRAL
Cálculo Itegral. LA INTEGRAL Durate la seguda mtad del sglo XVII, Newto y Lebz dero u paso decsvo e la matemátca de las magtudes varables, al setar las bases del cálculo dferecal e tegral. "Este fue el
Más detallesNúmeros Complejos PREGUNTAS MÁS FRECUENTES
Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?
Más detallesComportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.
Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),
Más detallesEjercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática
Ejerccos resueltos de fucoes geeratrces. Matemátca dscreta º Igeería Iformátca. Determa la fucó geeratrz para el úmero de formas de dstrbur 5 moedas de u euro etre cco persoas, s (a o hay restrccoes; (b
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesANGEL FRANCISCO ARVELO LUJAN
ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 0 años de expereca e las más recoocdas uversdades del área metropoltaa
Más detallesPRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA
PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detalles5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesPROBABILIDAD Y ESTADISTICA
1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca
Más detallesMétodos 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 detalles4 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 detallesNOTAS 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 detallesQué 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 detallesUNIDAD 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 detallesEXAMEN 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 detallesTEMA 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 detallesTEMA 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 detallesVARIABLE 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 detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesTEMA 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 detallesExpectativas del Mercado y Creación de Valor en la Empresa
2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesUnidad I Estadística Descriptiva
PRESENTACIÓN DEL CURSO Udad I Estadístca Descrptva La ESTADISTICA es la parte de las matemátcas ecargada de la presetacó y aálss de los datos de u expermeto. Normalmete la estadístca se dvde e: Estadístca
Más detallesCAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el
CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També
Más detallesPARTE 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 detallesLEY FINANCIERA DE DESCUENTO SIMPLE RACIONAL. DESCUENTO BANCARIO
LEY FINANIEA E ESUENTO SIMPLE AIONAL. ESUENTO BANAIO Profesor: Jua Atoo Gozález íaz epartameto Métodos uattatvos Uversdad Pablo de Olavde www.clasesuverstaras.com Ley Facera de escueto Smple acoal La ley
Más detalles