Tema 1: TEORÍA DE LA PROBABILIDAD
|
|
- Joaquín Martín Villanueva
- hace 7 años
- Vistas:
Transcripción
1 Tema : TEORÍ DE L ROLDD Carlos lberola López Lab. rocesado de magen, ETS Telecomuncacón Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es,
2 . ara qué estudar esto? Se pretende descrbr y utlzar una herramenta que nos proporcone capacdad de decsón en problemas donde exste ncertdumbre. qué nos estamos refrendo? or ejemplo Dejar caer una pedra Dejar caer una pluma No podemos predecr dónde va caer la pluma, pero s que podemos tratar de saber: Cómo de probable es que se aleje un rado de más de 5 undades de dstanca respecto del punto (0,0) Sabendo la desvacón horzontal, tratar de predecr la desvacón vertcal
3 ara qué estudar esto? Los problemas de comuncacones tenen elevados componentes de aleatoredad Señales que transportan nformacón: son señales no modelables medante un conjunto fnto de parámetros. ero tene que haber algo que permta caracterzar este tpo de señales para garantzar que puedan pasar sn dstorsón a través de un determnado medo de transmsón.
4 ara qué estudar esto? Los problemas de comuncacones tenen elevados componentes de aleatoredad Señales que transportan nformacón: son señales no modelables medante un conjunto fnto de parámetros. ero tene que haber algo que permta caracterzar este tpo de señales para garantzar que puedan pasar sn dstorsón a través de un determnado medo de transmsón.
5 ara qué estudar esto? Los problemas de comuncacones tenen elevados componentes de aleatoredad Señales que transportan nformacón: son señales no modelables medante un conjunto fnto de parámetros. ero tene que haber algo que permta caracterzar este tpo de señales para garantzar que puedan pasar sn dstorsón a través de un determnado medo de transmsón. Las señales de comuncacones están afectadas por rudo (señal superpuesta ndeseada que dsvrtúa el contendo de éstas).
6
7
8
9 . Álgebra de conjuntos Conjuntos denotados por letras mayúsculas:,, C Elementos denotados por letras mnúsculas: a, b, c Los conjuntos se defnen en base a una relacón de pertenenca, la cual es bnara (, ) Conjuntos notables: S y Los conjuntos se pueden descrbr de forma enumeratva o partr de una ley que defna pertenenca. Cardnal Fnto nfnto Numerable No numerable a b
10 Álgebra de conjuntos De la relacón de pertenenca surge la relacón de nclusón. S un conjunto está ncludo en otro se dce que el prmero es subconjunto del segundo, y se denota medante es subconjunto es superconjunto no está ncludo en
11 Operacones con conjuntos gualdad de conjuntos: dos conjuntos son guales s tenen los msmos elementos. C Conjunto dferenca: : conjunto formado por los elementos de que NO están en.
12 Operacones con conjuntos C nón de conjuntos :conjunto formado por los elementos de y los de C nterseccón de conjuntos :conjunto formado por los elementos que pertenecen smultáneamente a ambos conjuntos
13 Operacones con conjuntos Es nteresante reparar en que y en que: La nterseccón, por ello, crea un conjunto más pequeño y la unón un conjunto más grande. Conjuntos dsjuntos:
14 plcacón sucesva de operadores S las operacones se aplcan repetdamente escrbremos para abrevar Y por razones dervadas de los axomas de la robabldad es habtual escrbr (aunque sea un abuso de notacón): L L N N N N N N N N
15 ropedades de unón e ntersec. Estos operadores satsfacen tres útles propedades: Conmutatva socatva Dstrbutva ( ) ( ) ( ) ( ) C C C C ( ) ( ) ( ) ( ) ( ) ( ) C C C C
16 Otras cuestones adconales Conjunto complementaro de un conjunto : Se denota por Y se defne medante el conjunto dferenca Es nteresante notar que Leyes de Morgan S S
17 ( ) ( ) ( ) Ejercco: Demostrar que ( ) ( ) ( ) ( ) ( ) S ( ) ( )
18 Ejercco: Demostrar que ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) [ ] ( ) ( ) ( ) ( ) ( ) 3 C ( ) ( ) C C ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Sumas y productos!!
19 3.- Defncón de probabldad Se trata de formalzar la nocón ntutva de qué cosas son más probables y cuáles más mprobables. Defncón medante frecuenca relatva: N f r ( ) lm N N N con el número de veces que sale el resultado en las N realzacones del expermento llevadas a cabo. Ej: lanzamento de dado, nterés en obtener resultado par, se expermenta 000 veces; cuéntese cuántas (dentro de esas 000) sale un, un 4 ó un 6 y dvídase por N000.
20 3.- Defncón de probabldad Se trata de formalzar la nocón ntutva de qué cosas son más probables y cuáles más mprobables. Defncón medante frecuenca relatva: N ( ) con el número de veces que sale el resultado en las N realzacones del expermento llevadas a cabo. N N Ej: lanzamento de dado, nterés en obtener resultado par, se expermenta 000 veces; cuéntese cuántas (dentro de esas 000) sale un, un 4 o un ses y dvídase. f r lm N nconvenentes: ara saber la probabldad de algo se requere expermentar. Cada vez que se realce el expermento se obtene un número dstnto de la frecuenca relatva (dremos, en breve, que ésta es una varable aleatora) Crear un cuerpo de doctrna en base a operacones en el límte es poco cómodo.
21 Defncón de probabldad Defncón clásca de la probabldad: ( ) C N N N con el número de formas de darse el resultado (número de casos favorables) y N el número de resultados (casos posbles). Ej: lanzamento de dado, nterés en obtener resultado par, 3 y. N N 6
22 Defncón de probabldad Defncón clásca de la probabldad: N ( ) C N N con el número de formas de darse el resultado (número de casos favorables) y N el número de resultados (casos posbles). Ej: lanzamento de dado, nterés en obtener resultado par, 3 y. N N 6 nconvenentes: Se asume de forma mplícta equprobabldad de los resultados. El número de casos favorables y posbles podría ser nfnto; ello produce un problema en la defncón.
23 Defncón de probabldad Se trata de amplar el marco de defncón de probabldad para que: Dé cabda a la frecuenca relatva pero no nos veamos oblgados a expermentar. Dé cabda a la probabldad clásca, pero obvando los problemas de la msma. Tal amplacón es la defncón axomátca de la probabldad. ara tal fn, cambemos un poco la termnología:
24 Defncón axomátca de probabldad La probabldad se defne sobre sucesos, en partcular Conjunto unversal S: espaco muestral (suceso seguro) Conjunto vacío : suceso mposble xomas de la probabldad: la probabldad es una funcón defnda sobre sucesos que debe cumplr: ( ) ( S) ( ) ( ) + ( ) s 0
25 Defncón axomátca de probabldad Consecuencas nmedatas de los axomas, obtendas a partr del álgebra de sucesos: ( ) ( ) ( ) ( ) 0 ( ) + ( ) ( ) s ( ) ( ) s Nótese que debe verfcarse que: ( ) S 0,
26 Defncón axomátca de probabldad La defncón axomátca ncluye la defncón clásca: supongamos que N es el número de casos favorables al suceso, N lo propo para el suceso y N el número de casos posbles. Es claro pues que C ( ) 0 ( S) N N C N N Y s y no pueden darse smultáneamente
27 Defncón axomátca de probabldad La defncón basada en frecuenca relatva está tambén ncluída dentro de la teoría axomátca de la probabldad. Se demuestra medante la Ley de los Grandes Números, teorema asntótco que veremos en la seccón (varable N-dmensonal) Y es la base teórca de las práctcas de la asgnatura.
28 Ejercco: Se desea valdar un sstema automátco de medcón de alturas de edfcacones. Con el objetvo de reducr costes en el proceso de valdacón se descarta la medcón drecta de los edfcos para contrastar con la automátca, de forma que se recurre a la medcón por parte de n expertos, los cuales emplean sus propos sstemas de medda y que, naturalmente, no están exentos de errores. El sstema a valdar se consderará apto para su uso s la medcón que proporcona no se encuentra en nnguno de los dos extremos, esto es, no es n la mayor n la menor de las n+ medcones. ajo la hpótess de que los n + equpos de medda proporconen meddas smlares (es decr, que todos funconen correctamente, afectados por errores smlares), obtenga la probabldad de que el sstema sea valdado.
29 Solucón: n- Medda automátca cae en poscón (,,n+) El sstema es valdado n
30 Espaco de probabldad La defncón de un expermento probablístco precsa de la defncón de una terna: cuyos componentes son: Espaco muestral -Cardnal fnto -Card. nfnto -Numerable -No numerable Clase de sucesos (cerrada con respecto a cantdad numerable de unones e nterseccones) Ley de asgnacón de probabldades -Dscreta - Contnua
31 Ejemplo: lanzamento de dos dados, con smetría en la construccón de los msmos, y sn relacón entre ellos. nalcemos los elementos que ntegran el espaco de probabldad: Espaco muestral: 36 elementos Sucesos: cualquer subconjunto del msmo ( 36 posbles sucesos) Ley asgnacón: equprobabldad (prob. clásca) por smetría
32 Suceso : la suma de las caras es gual a 7. Hallar () j : suceso sale cara en prmer dado y cara j en segundo j j 7
33 Suceso : la suma de las caras es gual a 7. Hallar () rop. asocatva j : suceso sale cara en prmer dado y cara j en segundo
34 robabldad Condconada Se plantea cómo actualzar nuestro conocmento probablístco sobre un expermento una vez que sabemos algo más de él. Concretamente, se asume que un suceso (de probabldad no nula) se ha verfcado: La nueva probabldad en este espaco se defne (y denota)
35 robabldad Condconada Es esta defncón axomátca? Es fácl comprobar que sí: C rop. dstrbutva
36 robabldad Condconada Suceso : la suma de las caras es gual a 7. Suceso : ha saldo al menos un 6. Hallar ( ) Solucón en espaco condconado: casos favorables frente a posbles.
37 robabldad Condconada Solucón en espaco orgnal:
38 ndependenca de pares de sucesos Supongamos los sucesos y, ambos de probabldad no nula. Estos sucesos son ndependentes s se verfca que: Nótese que dado que ( ) ( ) entonces
39 ndependenca de pares de sucesos Como consecuenca de lo dcho anterormente se puede escrbr de forma alternatva la defncón de ndependenca de la manera lo cual permte abordar el casos de sucesos de probabldad nula. Nótese que s uno de los dos sucesos tene probabldad nula, éstos son ndependentes ( ) 0 ( ) ( ) 0 ( ) ( ) ( ) 0
40 Ejemplo: baraja española (40 cartas, 4 palos, 0 cartas por palo). Se extrae una carta. Defínase : as ; : rey ;C: oro. Hallar ( ) y ( C). Son los sucesos y C ndependentes de? ( ) ( ) ( ) ( ) ( ) ( ) ( C) C ( ) 0 40 C ( ) Sucesos mutuamente excluyentes Sucesos ndependentes
41 ndependenca de múltples sucesos ara el caso de N sucesos se deben cumplr las condcones sguentes de forma smultánea:
42 ndependenca de múltples sucesos or ejemplo, los sucesos de la fgura podrían ser ndependentes por pares pero no lo serían por tríos: C nterseccones no vacías por parejas ero C
43 ndependenca de múltples sucesos S no son ndependentes se puede recurrr a aplcar repetdamente la defncón de probabldad condconada; ello se basa en las propedades asocatva y conmutatva de los sucesos ( L ) ( ( L ) ) N N ( L ) ( ) ( ) ( ) N N 444 N N N 4443
44 ndependenca de múltples sucesos Entonces obtenemos Cabe preguntarse estamos mejor o estamos peor?
45 Ejercco (Septembre de 005): En un juego de cartas de baraja española (40 cartas, 4 palos, 0 cartas por palo) se reparte una únca carta a cada jugador, sendo 7 el numero de éstos. Se pde que calcule la probabldad de que no salga un determnado palo (por ejemplo, que no salgan copas) en tal reparto Solucón: l jugador -ésmo no le sale copa (,,7) nngún jugador le sale copa ( ) 7?? 7 ( ) ndependentes?
46 Los sucesos no pueden ser ndependentes pues, por ejemplo, s salen copas a los prmeros jugadores el hecho de que salgan copas a los últmos es cada vez más dfícl (más mprobable). ero podemos escrbr, de forma alternatva: ( ) ( ) ( ) ( ) ( ) y ahora ( ) ( ) 30 cartas, no copas 0 cartas, copas
47 ( ) ( ) cartas, no copas ( ) cartas, copas Contnuando con este razonamento ( ) ( ) ( ) ( ) ( ) 4
48 Teorema de rob. Total y ayes Concepto de partcón SS 3 4 Condcones a cumplr por los N sucesos para consttur partcón
49 Teorema de rob. Total y ayes Teorema de la robabldad Total SS 3 4 odemos escrbr el suceso de la forma
50 Teorema de rob. Total y ayes Entonces, dado que los elementos de la partcón son dsjuntos: lo cual se puede reescrbr de la forma que es la expresón del teorema.
51 Teorema de rob. Total y ayes Teorema de ayes: se obtene de ntercambar el orden de los condconantes: y empleando el Teorema de la rob. Total que es la expresón del teorema.
52 Teorema de rob. Total y ayes S S 3 S 3 DTOS ( S ) j robabldad de recbr S cuando se ha transmtdo j. ( ) robabldad de transmtr símbolo. E suceso error en la transmsón
53 Teorema de rob. Total y ayes S S 3 S 3 3 ( E ) ( E ) ( ) 3 3 ( ( E ) ( ) ( ( S )) ( )
54 Teorema de rob. Total y ayes 3 : La tensón observada X cae en ntervalo ( ), j {,,3} (supongamos valores medbles, esto es, esta probabldad es un dato) j S observamos que la tensón observada ha caído en el ntervalo, qué símbolo dríamos que se ha envado? ( ) 3 j ( ) ( ) ( ) ( ) ( ) ( ) ( ) j j arg max ( )
55 Expermentos compuestos Lanzamento de un dado Necestamos nformacón adconal
56 Expermentos compuestos Generacón de dos núms aleatoros entre 0 y 0,9 xs 0,3 0 : prmer número cae entre 0,3 y 0,9 : segundo número cae entre 0,5 y 0.7 0,5 0,7 S x x
57 Expermentos compuestos El suceso sería, representado gráfcamente, xs 0,9 x S x 0,3 0 0,5 0,7 por lo que se puede escrbr de forma alternatva
58 Expermentos compuestos No obstante es práctca habtual escrbrlo de la forma unque sea un abuso en la notacón pues, como hemos dcho, los sucesos y pertenecen a espacos muestrales dstntos, luego no ha lugar hablar de la nterseccón de los msmos. 0,9 0,3 0 0,5 0,7
59 Expermentos compuestos Respecto de la ley para asgnar probabldades en el expermento compuesto c, Como norma general no es conocda a partr del conocmento exclusvo de y. En el caso en que los subexpermentos sean ndependentes se verfca que: Lo cual escrbremos sn hacer explícto el expermento en cuestón, esto es, ( ) [ ( ) ] ( ) ( )
60 Expermentos compuestos Dos leyes de asgnacón de probabldades en el expermento compuesto pueden dar lugar a las msmas leyes en cada uno de los subexpermentos. Volvamos al ejemplo de los dados j Sale cara en prmer dado (,,6) Sale cara j en segundo dado (,,6) ( )?
61 ( ) ( ) [ ] ( ) 6 6 j j j j S Expermentos compuestos Suma de probabldades de resultados elementales en esa línea
62 Expermentos compuestos Dos posbles leyes del expermento compuesto que dan lugar a equprobabldad en cada expermento smple: Equprobabldad de cada resultado ( ) ( ) j Otra posbldad 6 j j
63 Composcón de Ensayos de ernoull n expermento aleatoro se dce que es un ensayo de ernoull s puede dar uno de dos posbles resultados or conveno dremos que ( ) ( ) p, p + q q Nótese que cualquer expermento aleatoro se puede nterpretar como un ensayo de ernoull.
64 Composcón de Ensayos de ernoull Nos centraremos en la composcón de ensayos de ernoull ndependentes. Concretamente, supondremos que un determnado ensayo de ernoull se realza N veces, y trataremos de encontrar la probabldad de que el suceso se verfque veces (de las N posbles). ara ello defnmos Sale veces (de N posbles) el resultado j Forma j-ésma (j,,m) de verfcarse el suceso Sale resultado en ensayo -ésmo
65 Composcón de Ensayos de ernoull or ejemplo en entenddo que estamos usando notacón abrevada pues en sentdo estrcto deberíamos escrbr ( S S ) ( S L S ) L ( S S ) L L N N N
66 Composcón de Ensayos de ernoull or lo dcho está claro que ero hay que resolver algunas cuestones prevas:. Son los sucesos de la unón dsjuntos?. odemos hallar la probabldad de cada uno como funcón de los parámetros del problema (p,q, y N)? 3. Es mportante ser exhaustvos en la enumeracón de j los sucesos? 4. Cuál es el valor de M?
67 Composcón de Ensayos de ernoull Vayamos por cada una de las preguntas. Los sucesos son dsjuntos: cada uno representa una ordenacón dstnta (y exclusva) de los resultados de cada ensayo de ernoull. lternatvamente Y esto sucede para cada pareja de sucesos j Consecuenca de esto es:
68 Composcón de Ensayos de ernoull. La composcón consste en ensayos ndependentes. or ello, por ejemplo: + 3. Nótese que tal probabldad es funcón de cuántos resultados hay de cada tpo, no de la ordenacón de los msmos en una determnado secuenca. or ello todos j los sucesos son equprobables, luego no hay por qué ser exhaustvos en la lsta de los msmos, sno que nos basta saber cuántos hay, es decr, cuánto vale M.
69 Composcón de Ensayos de ernoull 4. Valor de M: Cada línea expresa índces extraídos de un conjunto de N índces. or ello, todas ellas consttuyen los subconjuntos de elementos que pueden extraerse de un conjunto de N. or ello N M
70 ermutacones de 4 elementos 4!4
71 ermutacones de 4 elementos: rojo, verde y amarllo guales guales!!! 4! guales!!! 3! guales!!! guales!!!
72 Composcón de Ensayos de ernoull En nuestro caso tenemos veces el resultado N- veces el resultado Luego de las permutacones de N resultados, tenemos valores guales y otros N- valores guales. or ello tenemos en total M N!!( N )! N
73 Composcón de Ensayos de ernoull sí pues Ejercco : Esta expresón puede aproxmarse por otras más sencllas. En partcular, s entonces N >>, p <<, Np a < Ejercco : Ejercco 3: 5 (aproxmacón de osson)
74 Composcón de Ensayos de ernoull Otra aproxmacón útl es: ( ) Npq e π ( Np ) Npq N 50 p 0. Váldo s: Npq >> Np 3 Npq Np + 3 Npq
75 Composcón de Ensayos de ernoull Esta aproxmacón permte abordar el caso de probabldades calculadas sobre unón de varos valores del suceso. Concretamente: o ben Esto quedará claro cuando veamos varables gaussanas
76 Ejercco:n sstema de control de caldad de productos químcos decde, para cada producto que nspeccona, s éste cumple los requstos normatvos para su aceptacón. Supongamos que el protocolo de nspeccón rechaza los productos con una probabldad p r y el proceso de fabrcacón es tal que permte aceptar ndependenca entre productos. Se pde: a) S se dspone de N productos, probabldad de que una fraccón no superor al 0% de ellos sea rechazada. b) robabldad de que productos sean rechazados antes de aceptar un número s de éstos.
77 Solucón: a) Se descarta una fraccón no superor al 0% de N Se descartan productos de N posbles Supongamos que r que 0.N. Entonces: es el prmer número entero menor or lo que:
78 b) C Se rechazan productos antes de aceptar s [ N ] El producto es rechazado en nspeccón -ésma Se rechazan productos de N posbles s- aceptacones, rechazos Últma aceptacón [ s + ] s C +
79 Entonces: l ser composcón de ensayos ndependentes: Y tenendo en cuenta que son s+- casos posbles:
80 Ejercco: a): b): c):
81 Solucón: a) m El prmer generador da lugar al número m m El segundo generador da lugar al número m Nos dcen que: ( m m ) 35 ero: Luego: ( m ) + ( m ) ( m ) 35 ( ) m m m m + ( m ( m m) 0 no son ndependentes, por ser dsjuntos ) 35
82 b) l menos uno de los N números generados es gual a m Se han generado números (de N posbles) guales a m Está claro que: N ero: 0 Luego: ( ) ( ) ( ) con: N p 0 q p 36 0 q N 0 0 q N
83 b) Solucón numérca alternatva La expresón : ( ) N q 36 N se puede aproxmar medante la expresón de osson N a 0 36! 0 ( ) Luego: ( ) a a e e ya que: a Np.455 < 5
84 c) Se han generado números (de N posbles) guales a m Está claro que: N 50 or lo que: De forma alternatva: ( ) ( ) N N N q p N Más de 500 de los N números generados son guales a m ( ) ( ) ( ) N q p N ( ) G G Npq Np G
85
86 Solucón: d) j Resultado del expermento j es (,,X),(j,,N) Salen s y s j Forma j-ésma (j,,m) de verfcarse el suceso ( ) ( ) M j j M j j M j j ( ) L L 443 L N X N X X j ( ) ( ) ( ) N X N X X j q r p L L L
87 ermutacones de 4 elementos 4!4
88 ermutacones de 4 elementos: rojo, verde y amarllo guales guales!!! guales!!! guales!!! guales!!!
89 N-( + ) ( ) ( ) + N N! N!! N! M Cuánto vale? M Entonces: ( ) ( ) N q r p N N +
90
91 Solucón: a) M j j SS 3 3 C 4 Entonces: ( ) C M j ( C ) j j ( ) ( ) ( ) C M C j
92 l ser sucesos dsjuntos: ( ) C ( C ) ( ) M j ( ) ( ) C j ( ) j Y dado que : j j j Entonces podemos escrbr que : M ( ) ( ) C j C j ( ) M j ( ) j M j ( ) C j ( ) j ( ) ( ) ( ) C Teorema de la robabldad Total para probabldades condconadas!!!! j j
93
94 b) M j ( ) j M j ( ) j ( ) ( ) M M j ( ) ( ) j j ( ) j ( ) ( )
95
96
97
Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesCapítulo 4 Probabilidades Estadística Computacional II Semestre 2006
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)
Más detallesPROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos.
ROILIDD Álgebra de sucesos. Un fenómeno o exerenca se dce que es aleatoro cuando al reetrlo en condcones análogas es mosble de redecr el resultado. El conjunto de todos los resultados osbles de un exermento
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTEMA 1: INCERTIDUMBRE Y PROBABILIDAD
MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD 1.1.- La probabldad. Conceptos y cuantfcacón 1.2.- Defncón axomátca de la probabldad 1.3.- Probabldad condconada e ndependenca 1.4.- Probabldad
Más detallesTema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas
Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesFACULTAD DE INGENIERÍA U N A M
FCULTD DE INGENIERÍ U N M Irene atrca Valdez y lfaro renev@servdor.unam.mx T E M S DEL CURSO 1. nálss Estadístco de datos muestrales. 2. Fundamentos de la Teoría de la probabldad. 3. Varables aleatoras.
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesSISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.
Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesVariables aleatorias discretas
UNIDAD 5 Varables aleatoras dscretas Objetvos Al fnalzar la undad, el alumno: utlzará el método de puntos muestrales asocado a varables aleatoras dstngurá una varable aleatora dscreta de una varable aleatora
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detallesLa representación Denavit-Hartenberg
La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detalles1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.
º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesTEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS
ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUCCIÓN A LA PROBABILIDAD José Lus Quntero Expermento aleatoro Expermento Bnomal Teoría de Conjuntos Probabldad Teorema de Bayes Técncas de Conteo Unversdad Central de Venezuela Facultad de Ingenería
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesPara un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:
7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos
Más detallesPropiedades Asintóticas
Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesEquilibrio fásico. (b) El sistema heterogéneo se considera aislado.
Termodnámca del equlbro Equlbro fásco Profesor: lí Lara En el área de Ingenería Químca exsten muchos procesos ndustrales en los cuales está nvolucrado el equlbro entre fases. Una de estas operacones es
Más detalles60 EJERCICIOS de NÚMEROS COMPLEJOS
60 EJERCICIOS de NÚMEROS COMPLEJOS. Resolver las sguentes ecuacones en el campo de los números complejos a) x -x+=0 (Soluc ) b) x +=0 (Soluc ) c) x -x+=0 (Soluc ) d) x +x+=0 (Soluc ) e) x -6x +x-6=0 (Soluc,
Más detallesTEMA 1: PROBABILIDAD
robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesCinemática del Brazo articulado PUMA
Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detallesVectores en el espacio
ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesGeometría convexa y politopos, día 1
Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesMecánica Estadística: Estadística de Maxwell-Boltzmann
Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra
Más detalles3.- Programación por metas.
Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detalles5 Centrales Hidráulicas
Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de
Más detallesTEMA 11. Conceptos básicos de la Teoría de Conjuntos. Estructuras algebraicas.
Tema 11- onceptos báscos Teoría de onjuntos. Estructuras lgebracas TEM 11. onceptos báscos de la Teoría de onjuntos. Estructuras algebracas. 1. Introduccón. La teoría de conjuntos es una rama de las matemátcas
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesTallerine: Energías Renovables. Fundamento teórico
Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesIntroducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava
Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detallesESTÁTICA DEL SÓLIDO RÍGIDO
DSR-1 ESTÁTICA DEL SÓLIDO RÍGIDO DSR-2 ESTÁTICA DEL SÓLIDO RÍGIDO La estátca estuda las condcones bajo las cuales los sstemas mecáncos están en equlbro. Nos referremos úncamente a equlbro de tpo mecánco,
Más detallesClase Auxiliar #1: Teoría de Juegos
UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía
Más detallesRobótica Tema 4. Modelo Cinemático Directo
UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detallesTema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)
Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesNúmeros Complejos II. Ecuaciones
Complejos 1º Bachllerato Departamento de Matemátcas http://selectvdad.ntergranada.com Raúl González Medna Ecuacones 1. Resolver las sguentes ecuacones y determnar en qué campo numérco tenen solucón: a)
Más detallesTRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.
TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesNúmeros Complejos. Matemática
Números Complejos Matemátca 4º Año Cód. 40-6 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad
Más detallesNúmeros Complejos. Matemática
Números Complejos Matemátca 4º Año Cód. 40-5 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad
Más detallesINSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA
PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para
Más detallesMétodo de reponderación aplicado en la EPA
Método de reponderacón aplcado en la EPA La Encuesta de Poblacón Actva (EPA), como cualquer otra encuesta a hogares, puede tener dstorsones en las estmacones que produce, debdo a una sere de causas lgadas
Más detallesGeometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa
Geometría Axomátca de la Convexdad Parte II: Axomátca de Cápsula convexa Juan Carlos Bressan Resumen En la Parte I estudamos una axomátca de segmentos, en la que defnmos los convexos y estudamos sus propedades
Más detalles