Prueba Integral Lapso /6
|
|
|
- Asunción Carrasco Martin
- hace 9 años
- Vistas:
Transcripción
1 Prueba Integral Lapso /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: Fecha: MODELO DE RESPUESTAS Objetivos, 2, 3 y OBJ PTA A continuación, proporcionamos el número de recipientes de un litro de leche vendidos en un supermercado en 27 sábados consecutivos: Agrupar las cifras de ventas en una distribución de frecuencias usando clases de longitud 5, usando como clase inferior y limite de clase inferior 5,5-59,5 y construya el histograma correspondiente a la distribución de ventas de recipientes de un litro de leche. Construya en el histograma el polígono de frecuencia. Nota: El objetivo se considera logrado si responde correctamente ambas partes de la pregunta. Ver el ejercicio Nº 2 de la página 3, en la Auto evaluación de la selección de ejercicios para las Unidades y 3 del curso Probabilidad y Estadística I (cód 76). OBJ 2 PTA 2 Cada mensaje en un sistema digital de comunicación es clasificado de acuerdo a como sea recibido dentro del tiempo especificado por el sistema, es decir, el mensaje llega a tiempo o llega tarde. Si tres mensajes son clasificados, determine el espacio muestral. Se puede apreciar claramente del enunciado que estamos interesados en formar ternas, donde para cada una de las tres posiciones de la terna existen dos posibilidades, que el mensaje llega a tiempo o que llegue tarde, por lo tanto el número de resultados del espacio muestral es: 2 3 = 8 posibles resultados, y el espacio muestral mismo es: Ω = {( T, T, T ), ( T, T, t ), ( T, t, T ), ( T, t, t ), ( t, T, T ), ( t, T, t ),( t, t, T )(, t, t, t )} OBJ 3 PTA 3 En una reunión hay 8 mujeres y 5 hombres. De cuantas maneras se pueden formar una comisión constituida por mujeres y 2 hombres?
2 Prueba Integral Lapso /6 8 8 Del grupo de las mujeres tenemos C = posibilidades, mientras que del grupo de 5 5 hombres existen C 2 = posibilidades. 2 Por lo tanto existen 8 5 =700 maneras de formar una comisión constituida por mujeres 2 y 2 hombres. OBJ PTA En una población de 00 habitantes hay 0 hombres y 60 mujeres, Cuál es la probabilidad que se escoja al azar un grupo de 20 personas y la mitad sean hombres? 0 La probabilidad de escoger al azar a un hombre es: p= =0, y la de escoger al azar a una mujer es q= =0,6=-p. 00 El número de hombres, NH, que aparecen al escoger al azar un grupo de 20 personas tiene una distribución binomial de parámetros n = 20 y p = 0.. Por lo tanto la probabilidad de que en un grupo de 20 personas escogidas al azar la mitad resulte hombre es: 20 P(NH =0) = 0, 0, OBJ 5 PTA 5 Un estudiante responde a una pregunta, en un examen de relación múltiple, que tiene cuatro posibles respuestas. Supongamos que la probabilidad de que el estudiante sepa la respuesta a la pregunta es 0,8 y la probabilidad de que adivine es 0,2. Suponiendo también, que si el estudiante adivina, la probabilidad de que seleccione la respuesta correcta es 0,25. Si el estudiante responde una pregunta correctamente, Cuál es la probabilidad de que realmente sabe la respuesta correcta? Sean los eventos definidos como sigue: A = el estudiante sabe la respuesta B = el estudiante adivina la respuesta C = el estudiante contesta correctamente Se tiene que: P(A) = 0,8 ; P(B) = 0,2 ; P(C B) = 0,25 ; P(C A) = Queremos calcular P(A C) la cuál por la fórmula de Bayes es:
3 Prueba Integral Lapso /6 ( )( ) ()( ) PCAPA 0,8 0,80 P( A C ) = P(A C) = = =0,9 PCAPA+PC BPB 0,8 + 0,25 0,2 0,85 OBJ 6 PTA 6 El productor de un tipo de leche con pocas calorías quiere comparar la atracción que ejerce el sabor de una nueva preparación (fórmula B) con respecto a la preparación estándar (fórmula A). Se dan a cada uno de cuatro jueces tres vasos, de modo aleatorio, dos de los cuales contienen la fórmula A y el otro la fórmula B. Se pregunta a cada juez cuál vaso disfruto más. Suponga que las dos preparaciones son igualmente atractivas. Sea Y el número de jueces que prefieren la nueva fórmula. Encuentre el valor esperado de Y. Sugerencia: Encuentre primero la función de probabilidad para Y y determine la probabilidad de cada caso posible para el numero de jueces que prefiera la nueva fórmula y luego calcule lo señalado en el enunciado. Como se aprecia en el enunciado, Y, sigue una distribución Binomial de parámetros n = y p=. Esto es: 3 Por lo tanto: Para k = 0 se tiene que ( ) Para k = se tiene que ( ) Para k = 2 se tiene que ( ) Para k = 3 se tiene que ( ) Para k = se tiene que ( ) Luego, k -k 2 P( Y=k ) = k P Y = 0 = = 0, P Y= = = 0, P Y=2 = =6 0, P Y=3 = = 0, P Y = = = 0, E( Y ) =0P( Y=0 ) +P( Y= ) +2P( Y=2 ) +3P( Y=3 ) +P( Y=) =0+0,395+0,593+0,296+0,09=,333. Este valor de,333 nos indica que hay preferencia por la nueva fórmula, ya que en promedio hay menos de dos jueces que sienten preferencia por la nueva preparación.
4 Prueba Integral Lapso /6 OBJ 7 PTA 7 Determine la función de masa de probabilidad conjunta para las variables X con valores ± y ± 2 y probabilidad / e Y = X 2 con valores y y probabilidad /2. La función de masa de probabilidad conjunta de X e Y, p X,Y (x, y) = P(X = x, Y = y) para x = ±, ± 2 e y =, está dada en la tabla siguiente: X X OBJ 8 PTA 8 El siguiente resultado es importante porque nos permite calcular la función de densidad (y por tanto la función de distribución) de una suma de variables aleatorias independientes, a partir del conocimiento de las funciones de densidad individuales asociadas a cada variable. Sean X e Y variables aleatorias independientes. Si X e Y tienen función de densidad conjunta f, entonces Z = X + Y tiene función de densidad dada por f Z (z) = f ( x) f ( z-x) dx = x - Y x - f z-y f y dy Dadas X e Y variables aleatorias independientes con distribución uniforme [0, 2] y [0, 2] respectivamente, halle la función de densidad de la variable aleatoria Z = X + Y. Puesto que X e Y son variables aleatorias con distribución uniforme, tenemos que:,0 x 2,0 y 2 fx ( x ) = 2, fy ( y ) = 2, 0, en otro caso 0, en otro caso son las respectivas funciones de densidad de dichas variables. Recordemos que la densidad de la variable suma Z = X + Y, viene dada por la convolución f y, esto es: de ( ) X f x y ( ) Y ( ) f z = f x f z-x dx, Z X Y 0 x 2 para 0 z-x 2, de donde obtenemos que 0 x 2 x z-2 x. Por lo tanto, Y
5 Prueba Integral Lapso /6 ( ) f z = f x f z-x dx Z X Y = = z z dx = z-2 -z dx = 2 2, 0 z 2, 2 < z Los límites de las integrales son determinados de las condiciones 0 x 2, y 0 z - x 2. En resumen: La gráfica de f Z es la mostrada en la figura: z 0 z 2 -z fz ( z ) = 2 z 0 en otro caso
6 Prueba Integral Lapso /6 OBJ 9 PTA 9 Determine el coeficiente de correlación para las variables X e Y cuando X toma los valores ± y ±2, cada uno con probabilidad /, e Y = X 2. Para determinar el coeficiente de correlación entre las variables X e Y, debemos primero calcular la covarianza y luego la desviación estándar tanto de X como de Y. Es claro que Y toma los valores y ( por qué?) con probabilidad ½ cada uno, por lo tanto, la función de masa de probabilidad conjunta viene dada por: P ( x,y ) = XY, para x,y = -,, para x,y =,, para x,y = -2,, para x,y = 2, La media y la varianza están dadas por: E(X) = (- 2)(/) + (- )(/) + ()(/) + (2)(/) = 0 E(Y) = ()(/2) + ()(/2) = 5/2 = 2,5 Var(X, Y) = (- )()(/) + ()()(/) + (- 2)()(/) + (2)()(/) = 0. De aquí que: Cov(X, Y) = E(X) E(Y) Var(X, Y) = 0, con lo que resulta que el coeficiente de correlación entre X e Y es 0, esto es: ρ = 0 Lo anterior muestra que X e Y están no correlacionadas.. FIN DEL MODELO
MODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
Maestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff [email protected] Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Probabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Grupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Tema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
VARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Cálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Variables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Tema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Capítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Distribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Unidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Unidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas
Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente
Tema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Tema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Variables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Variable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
DISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Introducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Definición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Tema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Variables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Variable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
UANL UNIVERSIDAD AUTONOMA DE NUEVO LEON PREPARATORIA 23
PORTAFOLIO DE PROBABILIDAD Y ESTADÍSTICA CUARTA OPORTUNIDAD FECHA DE EXAMEN: HORA: Nombre del alumno: Grupo: RÚBRICA: Ten en cuenta que el hecho de entregar el trabajo no te otorga automáticamente 40 puntos.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada
3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
8.- Obtén el valor de n para que el polinomio sea divisible entre x + 3.
1º BACHILLERATO CCSS NÚMEROS Y ÁLGEBRA 1.- Calcula: a) 5,2 10 2 + 3,15 10-2 4,2 10-3 b)(3,6 10 3 ) : (1,2 10-4 ) 2.- Realiza las siguientes operaciones: 3.- Racionaliza: 4.- Racionaliza: 5.- Simplifica
Tema 4: Variable aleatoria. Métodos Estadísticos
Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Tema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Relación de Problemas. Tema 6
Relación de Problemas. Tema 6 1. En una urna hay 5 bolas blancas y 2 negras y se sacan tres bolas sin reemplazamiento. a) Calcular la distribución conjunta del número de bolas blancas y negras de entre
GUIA DEL CURSO DE PROBABILIDAD Y ESTADÍSTICA (Junio 2012) Medidas de Tendencia central
GUIA DEL CURSO DE PROBABILIDAD Y ESTADÍSTICA (Junio 2012) Medidas de Tendencia central Promedio: es la suma de los datos, sobre la cantidad de datos. 8, 8, 4, 6, 8, 1, 2, 64, 8, 3 X: 112/10 = 11.2 Moda:
Ejercicios de Vectores Aleatorios
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros M2 Calcular la función de densidad conjunta y las marginales
Agrupa los resultados por lotes: Rechazados, revisables y aceptados y:
Tema 2 1.- Clasifica en discretas o continuas las siguientes variables: a) Número de habitantes por kilómetro cuadrado b) Número de bacterias de cierto tipo, por mililitro c) Densidad de diferentes muestras
UNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Tema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
2. Calcula las raíces o soluciones para cada ecuación cuadrática.
Matemáticas 3 Bloque I Instrucciones. Lee y contesta correctamente lo que se te pide. 1. Cuánto tiempo tardará en llegar al suelo un objeto que se deja caer verticalmente desde la azotea de un edificio
Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:
TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]
Prof. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
Variables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
EJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Requisito para el examen de 3ta. Y 5ta. Oportunidad de PROBABILIDAD Y ESTADISTICA
Requisito para el examen de 3ta. Y 5ta. Oportunidad de PROBABILIDAD Y ESTADISTICA INSTRUCCIONES: Escribe el enunciado del problema con su procedimiento correspondiente. ENCIERRA TUS RESPUESTAS. PROBLEMA
b) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7
EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho
OPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Distribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
ESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria
Curso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola [email protected] Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Tema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES
9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal
1.1 CASO DE ESTUDIO: JUEGO DE CRAPS
. CASO DE ESTUDIO: JUEGO DE CRAPS El juego de Craps se practica dejando que un jugador lance dos dados hasta que gana o pierde, el jugador gana en el primer lanzamiento si tiene como total 7 u, pierde
1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Distribución Muestral.
Distribución Muestral [email protected] Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa
UNIDAD 7 Medidas de dispersión
UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada
a) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
EJERCICIOS ESTADÍSTICA DESCRIPTIVA
EJERCICIOS ESTADÍSTICA DESCRIPTIVA 1.- Dada la siguiente distribución de frecuencias de variable discreta. Calcular: a) Mediana b) Moda c) Media d) Varianza y desviación típica x i f i 47 1 48 3 49 2 50
Teoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
JUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Mirando el diagrama Venn, vemos que A =(A y B) (A y B)
En el Ejemplo 122, hemos aplicado otra regla útil de la probabilidad. Teorema 8 Para dos sucesos A y B, setiene P (A) =P (A B)P (B) +P (A B)P ( B). Demostración Ω A y B A y B A B Mirando el diagrama Venn,
Distribuciones de probabilidad con la calculadora científica Classwiz FX-570/991 SP XII
Distribuciones de probabilidad con la calculadora científica Classwiz FX-570/99 SP XII José Mª Chacón Íñigo IES Llanes, Sevilla Te explicamos como realizar la operación de distribución de probabilidad
Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Modelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Tema 2: Magnitudes aleatorias
Facultad de Economía y Empresa 1 Prácticas Tema.- Magnitudes aleatorias Tema : Magnitudes aleatorias DEMANDA La demanda de cierto artículo es una variable aleatoria con la siguiente distribución: Número
2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD
º ESO UNIDAD 1 ESTADÍSTICA Y PROBABILIDAD 1 1.- CONCEPTOS BÁSICOS Estadística.- Es la ciencia que estudia conjuntos de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas
Teoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
06 Variables aleatorias conjuntas. Contenido. Variables aleatorias conjuntas. Objetivo
6 Variables aleatorias conjuntas Contenido Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales Variables aleatorias conjuntas Funciones de masa de probabilidad
GRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
LECTURA 11: NOCIONES DE PROBABILIDAD (PARTE II) REGLAS DE PROBABILIDAD Y TABLAS DE PROBABILIDAD TEMA 22: REGLAS DE PROBABILIDAD
LECTURA 11: NOCIONES DE PROBABILIDAD (PARTE II) REGLAS DE PROBABILIDAD Y TABLAS DE PROBABILIDAD TEMA 22: REGLAS DE PROBABILIDAD Estudiaremos la probabilidad del producto y de la suma 1 PROBABILIDAD DEL
Distribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
TEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
La distribución normal o gaussiana es la distribución. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si
La distribución normal La distribución normal o gaussiana es la distribución continua más importante. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si f(x) = 1
Vectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Distribución binomial
Distribución binomial Cuando la Distribución de Benoulli se preguntaba Que pasara si sucede un único evento? la binomial esta asociada a la pregunta " Cuantas veces hay que realizar la prueba para que
Repaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
EXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
