lanzamos una moneda y él ganó".
|
|
- Ana Quiroga Navarrete
- hace 7 años
- Vistas:
Transcripción
1 4. Varable aleatora dscreta El msmo Doob eplcaba el orgen del térmno varable aleatora random varable: "Cuando estaba escrbendo m lbro [Stochastc Processes] tuve una dscusón con Wllam Feller. Él aseguraba que todo el mundo decía "varable aleatora" random varable, mentras que yo sostenía que se usaba "varable al azar" chance varable. Obvamente, debíamos usar el msmo nombre en nuestros lbros, así que optamos por tomar la decsón medante un procedmento aleatoro: lanzamos una moneda y él ganó".
2 Varable aleatora Una varable aleatora es una funcón que asoca a cada suceso del espaco muestral E de un epermento aleatoro un valor numérco real: : E R w w Llamar varable a una funcón resulta algo confuso, por ello hay que nsstr en que es una funcón. La varable aleatora puede ser dscreta o contnua. Veremos en este capítulo el caso dscreto.
3 Ejemplo de varable aleatora dscreta: Número de caras al lanzar 3 monedas. Elementos del espaco muestral C +C+ C++ CC+ C+C +CC CCC Ley de correspondenca Nº reales # de caras 0 3 caras Establecer una varable aleatora para un epermento aleatoro no es más que una manera de asgnar de "manera natural" números a los eventos. : E w R w 3
4 Voy a pensar un número entero del al 00. Qué numero será? Intentaremos representar el estado de ncertdumbre medante una funcón matemátca: la funcón de probabldad. P Funcón de probabldad /
5 Dstrbucón unforme dscreta En muchos casos asummos que todos los resultados de un epermento aleatoro son gualmente posbles. S es una varable aleatora que representa los resultados posbles del epermento, decmos que se dstrbuye unformemente. S el espaco muestral consta de n sucesos smples, 0 < n <, entonces la funcón de probabldad dscreta se defne como p /n para todo del espaco muestral. En un ordenador podemos generar una dstrbucón de valores con esta probabldad con: + nt [n rnd] 5
6 Supongamos que me preguntás s es par. Y respondo que no. Cómo modfca la funcón? P / Os pdo una pregunta de modo que m respuesta genere una funcón de ncertdumbre, de probabldad, tal que los valores del espaco muestral posbles con probabldad dstnta de cero no tengan todos la msma probabldad. Son váldas: Tene dos cfras el número? o Es un número prmo?? 6
7 Funcón de probabldad o dstrbucón Una vez defnda una varable aleatora, podemos defnr una funcón de probabldad o dstrbucón de probabldad asocada a, de la sguente forma: p : R [0,] p P La funcón de probabldad debe cumplr: 0 p p R Suma sobre todos los posbles valores que puede tomar la varable aleatora. 7
8 Funcón de probabldad dscreta Valores Probabldad Z 0 /4 0.5 Z Z : E w Z R w / /4 0.5 p : R [0,] p P 8
9 Requermentos de una dstrbucón de probabldad P P P p para todo p 9
10 Observa que aun s el espaco muestral es nfnto numerable, tambén podemos defnr una varable aleatora dscreta y una funcón de probabldad. Ejemplo: Sea Número de lanzamentos de una moneda antes de que aparezca una cara. Entonces: P PC / P P+C / / /4 P 3 P++C / / / /8... y en general P n / n, n,, Demuestra que está normalzada. 0
11 Sea el epermento lanzar dos dados. Defnamos el espaco muestral E como: E {,,,,...,6,...,5,6,6,6} Defnamos la varable aleatora dscreta como: con S {,3,...,} la suma de puntos. Una posble funcón de probabldad es: f : R [0,] f P P, / 36 f 3 P 3 P,, / 36 f 4 P 4 P 3, 3,, 3/ 36...
12 Funcón de probabldad de la varable aleatora P 5/36 6/36 5/36 4/36 4/36 3/36 3/36 /36 /36 /36 / Observa que cumple las dos condcones: es sempre postva y menor o gual a y está normalzada.
13 Funcón de dstrbucón acumulada Dada una varable aleatora dscreta se llama funcón de dstrbucón a la funcón F defnda como: F : R [0,] F P En nuestro ejemplo de los dos dados: F5 P 5 P o 3 o 4 o 5 F5 /36 + /36 +3/36 + 4/36 0/36 3
14 Funcón de dstrbucón de la varable aleatora,0 F 0,5 0,
15 Ejemplo: Dbuja la funcón de probabldad f y la funcón de dstrbucón F de una varable dscreta defnda como: Número en la cara de un dado. tene como posbles valores,, 3, 4, 5, 6 cada uno con probabldad /6 6 f F Funcón de probabldad f 5 Funcón de dstrbucón F
16 Algunos problemas de probabldad están relaconados con la probabldad Pa < b de que asuma algún valor en un ntervalo a, b]. Observa que: Pa < b Fb - Fa Para demostrarlo observa que, como los sucesos a y a < b son mutuamente ecluyentes, entonces: Fb P b P a + Pa < b Fa + Pa < b En el ejemplo de los dos dados, calcula la probabldad de que los dos dados sumen al menos 4 pero no más de 8: P3 < 8 F8 - F3 6/36-3/36 3/36 6
17 Algunas propedades de la funcón de dstrbucón F + lm F lm P P E + F lm F lm P P + P < F F F es monótona crecente. 0 F es contnua por la derecha: la probabldad de que la varable aleatora dscreta tome un valor concreto es gual al salto de la funcón de dstrbucón en ese punto. 7
18 Monte Carlo Por método de Monte Carlo en general entendemos la smulacón de los resultados de un epermento utlzando una computadora y un generador de números aleatoros. Se utlza cuando un cálculo es dfícl de realzar por otros métodos numércos o algebracos, o cuando somos demasado vagos o gnorantes como para soluconarlo por métodos más elegantes. Ejemplo clásco: área debajo de una curva. Dada un área A fácl de medr, que contene una curva f dfícl de ntegrar, se puede calcular el área debajo de la curva medante la generacón de N pares de números aleatoros,y que representan coordenadas. Se cuentan los puntos que caen por debajo de la curva y entonces: y Rectángulo de área A f f d A #de puntos bajo lacurva # de puntos
19 Aleatoredad Deborah J. Bennett Alanza Edtoral,
20 Método de Monte Carlo Realcemos ahora el sguente epermento aleatoro: grar la ruleta de la magen y apuntar el número del sector que concde con la flecha. La varable aleatora de este epermento asoca cada sector a un número entero, como podemos observar en la magen. Es una varable aleatora dscreta. Los resultados posbles son: {0,,, 3, 4, 5, 6, 7}. Por smetría podemos establecer una funcón de probabldad: la probabldad de cada resultado es 0 /8.
21 Reptamos un epermento aleatoro semejante, pero ahora con esta nueva ruleta: Ahora el espaco muestral está compuesto por 4 eventos. Establecemos una nueva varable aleatora dscreta ' que asoca cada sector evento a los números: {0,,, 3}. Ahora tenendo en cuenta el tamaño relatvo de los sectores podemos establecer una funcón de probabldad, que asoca a cada uno de los valores de la varable aleatora {0,,, 3} las probabldades {/4, /, /8, /8}, respectvamente proporconales al ángulo del sector.
22 La varable aleatora en el prmer ejemplo de la ruleta está unformemente dstrbuda, ya que todos los resultados tenen la msma probabldad. Sn embargo, en el segundo ejemplo, la varable aleatora, no está unformemente dstrbuda. El problema crucal de la aplcacón de los métodos de Monte Carlo es hallar los valores de una varable aleatora dscreta o contnua con una dstrbucón de probabldad dada por la funcón p a partr de los valores de una varable aleatora unformemente dstrbuda en el ntervalo [0, ], proporconada por el ordenador.
23 Cómo smular con el ordenador la dstrbucón de probabldad de las ruletas? Resultado Funcón de probabldad P. acumulada Funcón de dstrbucón Condcón Resultado 0 γ < γ < γ < γ < 3 3
24 Una vez vsto un caso partcular, el problema general puede formularse del sguente modo: S es una varable aleatora dscreta cuyos posble resultados son { 0,,,... n } y sean {p 0, p, p,... p n } sus respectvas probabldades. Al sortear un número aleatoro γ, unformemente dstrbudo en el ntervalo [0,, se obtene el resultado, s se verfca la sguente condcón: j 0 p γ < p j j 0 j 4
25 Esperanza matemátca o meda de una funcón de probabldad dscreta µ E P p P P Sempre que no genere ambgüedad pasaremos de arrastrar la varable aleatora: en vez de poner ponemos drectamente. 5
26 Calcular la esperanza de la varable aleatora en el ejemplo de los dos dados: µ E P
27 7 Sean a, b y c constantes. Demuestra que: c c E P E P E P P E b ae b a E + + P E P E P P P P P P E c c c E µ
28 Supongamos que tenemos que hacer unos análss clíncos de sangre. Queremos detectar una enfermedad que afecta a de cada 000 personas. Los pacentes acuden en grupos de 50. Qué nos sale económcamente más a cuenta: analzar pacente a pacente o mezclar la sangre de los 50 y analzar la mezcla? P persona sana PAl menos una persona ; de P50 personas sanas 50 enferma # esperado de análss Tomando la mezcla, en promedo tendremos que hacer unos análss en vez de 50 por grupo. 8
29 Juegos A un juego de azar podemos asgnarle una varable aleatora, cuyos valores son las ganancas correspondentes a los posbles resultados. La esperanza matemátca de la varable aleatora representa el benefco medo o gananca meda que se obtene en cada jugada cuando se juega un número elevado de veces. S la esperanza matemátca es 0 se dce que el juego es justo. S es mayor que 0 se dce que el juego es favorable al jugador. S es menor que 0 se dce que perjudca al jugador y no es favorable. Sea el juego que consste en sacar una bola de una urna que contene 7 bolas rojas y 3 bolas negras. Ganamos 50 euros s la bola etraída es roja y pagamos 50 euros en el caso de que sea 9 negra. Qué podemos esperar s jugamos muchas veces?
30 Espaco muestral E {R, N}. Consderamos las ganancas como postvas y las pérddas negatvas: Varable aleatora R N Funcón de probabldad 50 0,7-50 0,3 µ 50 0, ,3 0 Gananca meda 30
31 Una compañía de seguros doméstcos tene que determnar el gasto medo por pólza suscrta, sabendo que cada año de cada pólzas termna en una reclamacón de 0 mllones, de cada.000 en 5 mllones, de cada 50 en y el resto en 0. µ
32 3
33 Marc Kac, en Engmas of Chance 985, eplca cómo aplcar el concepto de esperanza a la vda real: "Una semana, aparecó un anunco del Imperal College of Scence and Technology ofrecendo un puesto de profesor de Matemátcas con un salaro de 50 lbras anuales; ser cudadano brtánco no era requsto necesaro. El salaro era tan escaso que supuse que nngún cudadano brtánco respetable estaría nteresado en ese trabajo. Fu a preguntar a Stenhaus s debía o no optar al puesto. Por entonces no sabía n una palabra de nglés, pero estaba dspuesto a jurar que ms conocmentos eran los sufcentes. "Déjame pensar", me djo Stenhaus. "Estmaría que la probabldad de que consgas el trabajo es de una entre ml. S multplcas esto por cento cncuenta lbras, tenes tres chelnes. Eso es mucho más de lo que cuesta envar la carta, así que deberías hacerlo". Lo hce, pero el trabajo fue al fnal para un cudadano brtánco después de todo, sí que había alguno nteresado. 33
34 Momento de orden k de una varable aleatora dscreta De forma más general podemos defnr la esperanza matemátca o meda no solo para una varable aleatora, sno para cualquer funcón T como: µ E T T p Tomando como casos partculares a las funcones: T ; k, k,3,... obtenemos los momentos de orden k centrados en el orgen: m k E k k p 34
35 35 Y tomando como casos partculares a las funcones:,3,..., ; k T k µ obtenemos los momentos de orden k centrados en la meda de : k k k p E M µ µ Observa que: 0 µ µ µ E E M E m
36 Varanza y desvacón estándar o típca de una funcón de probabldad dscreta Varanza σ µ P Var M E µ Desvacón estándar o típca σ Var Ambas mden la dspersón de los datos. Observa que la desvacón típca lo hace con las msmas undades que los propos datos. 36
37 Ejemplo P µ µ µ P σ µ P, σ Var.0 37
38 Calcula la varanza y desvacón típca de la varable aleatora en el ejemplo de los dos dados: Var 36 7 P ,83 σ Var 5,83,4 38
39 39 Algunas propedades de la varanza E E E p p p p Var µ µ µ µ µ µ µ σ E E σ
40 Usted tene dos cosas que perder: la verdad y el ben, y dos cosas que comprometer: su razón y su voluntad, su conocmento y su benaventuranza; y su naturaleza posee dos cosas de las que debe hur: el error y la msera. Su razón no está más dañada, elgendo la una o la otra, puesto que es necesaro elegr. He aquí un punto vacío. Pero su benaventuranza? Vamos a pesar la gananca y la pérdda, elgendo cruz de cara o cruz para el hecho de que Dos este. Estmemos estos dos casos: s usted gana, usted gana todo; s usted perde, usted no perde nada. Apueste usted que Él este, sn ttubear. Pensamentos, Blase Pascal 670 La apuesta de Pascal Dos este Creer en Dos + CIELO NADA No creer en Dos INFIERNO Dos no este NADA «Deberías vvr tu vda e ntentar hacer del mundo un lugar mejor estando en él, tanto s crees en dos como s no. S no hay dos, no habrás perddo nada y serás recordado al morr por todos los que dejaste atrás. S este un dos benevolente, te juzgará a t y a tus mértos y no por el hecho de s has creído o no en él». Mchael Martn 40
41 La paradoja de Parrondo perder + perder ganar
42 Prob. de ganar Juego A Prob. de perder / - ε / + ε Sea t, el captal en el nstante t. Dremos que un juego es ganador perdedor s el promedo <t> es una funcón monótona crecente decrecente de t. Y será un juego justo s <t> es constante. Es fácl probar que el juego A es un juego perdedor s ε postvo: <t+>-<t> <t+-t> / - ε / + ε ε
43
44 La paradoja de San Petersburgo «Se comenza con un bote de dos euros. Se lanza una moneda al are: s sale cruz, yo doblo la cantdad que hay en el bote; s sale cara, usted se lleva el bote dsponble en ese momento. Es decr, s la prmera trada es cara, usted gana euros, s la prmera trada es cruz y la segunda cara, gana 4 euros, s la prmera cara sale en la tercera trada gana 8 euros, y s la prmera cara sale en la trada n-ésma gana n euros. Obvamente, lo que a usted más le convene es que salga cara lo más tarde posble. En cualquer caso, usted gana sempre algo de dnero, por lo que es justo que yo le cobre alguna cantdad o cuota para permtrle partcpar en el juego». J. M. Parrondo INVESTIGACIÓN Y CIENCIA, febrero, 007 Danel Bernoull 738 San Petersburgo. «La pregunta que se hzo Bernoull, y que en certo modo sgue sn resolverse, es: cuál es la cuota de entrada que se debería cobrar para que el juego fuera justo?» 44
45 La paradoja de San Petersburgo Sea la gananca. Su valor esperado o gananca meda, es: E n n + n La probabldad de que salga cara por prmera vez en la n-ésma trada es: / n El jugador debería pagar una cantdad nfnta para que el juego fuera justo! «En otras palabras, s yo le ofrezco entrar en el juego con una cuota de, dgamos, un mllón de euros, usted debería aceptar, porque la gananca meda en el juego, que es nfnta, supera esa y cualquer otra cantdad. Sn embargo, nade en su sano juco aceptaría semejante trato. Esta es la paradoja de San Petersburgo: el sentdo común nos dce que el valor medo de la gananca no determna la cuota de entrada aceptable. Cómo determnamos entonces dcha cuota?» 45
46 El problema fundamental del juego de San Petersburgo es que proporcona premos muy cuantosos con probabldad etremadamente pequeña. Por ejemplo, s la prmera cara aparece en la trada décma, la gananca es de 04 euros, y esto ocurre con una probabldad de entre 04. Las ganancas crecen eponencalmente mentras que las probabldades decrecen tambén eponencalmente, sendo sempre el valor medo de cada posble premo gual a un euro. Cruz 3 veces segudas: más de 6 mllones de gananca en un mllón de turnos, esto puede ocurrr con una probabldad superor al 5 %.
47 La paradoja del vatcno paradoja de Wllam A. Newcomb 969 Vas a jugar contra el supercomputador HAL 9000, capaz de vatcnar la eleccón de su contrncante. HAL es un oráculo moderno. Te presenta dos cajas cerradas: la caja que puede contener 0 o.000 euros y la caja que puede contener 0 o euros. Pensa que HAL vatcna con total segurdad lo que vas a escoger: a S HAL vatcna que optarás por las dos cajas, pondrá.000 euros en la caja y nada en la caja. b S HAL vatcna que optarás por la caja, pondrá.000 euros en la caja y de euros en la caja. c S HAL vatcna que elegrás las dos cajas, y sn embargo, optas por la caja, no ganas nada. d S HAL vatcna que optarás por la caja, y sn embargo, optas por las dos cajas, ganas las sumas contendas en las cajas y, es decr: euros.
48 Matrz de pagos Teoría de juegos: HAL Tú Vatcna que elegrás caja Vatcna que elegrás las dos cajas Elges la caja Elge las dos cajas Qué elges: recbr el contendo de ambas cajas o sólo el de la caja?
49 Todo está ya lsto: Qué opcón elges? La gente ncludos los matemátcos y flósofos profesonales suele dvdrse en dos bandos: Los que optan por la caja : S optas por las dos cajas: HAL lo habrá vatcnado y habrá colocado.000 euros en la caja y nada en la. Premo:.000 euros. Pero s optas por la caja : HAL lo habrá vatcnado y habrá colocado.000 euros en la caja y de euros en la caja. Premo: euros. Es preferble tener la cas plena certeza de ganar de euros que ganar.000 euros. Los que optan por las dos cajas: HAL ya ha efectuado su vatcno, de modo que el contendo de la caja ya está determnado: así que la caja contene euros o nada. S HAL puso de euros en la caja, al optar por las dos cajas, ganaré euros. S HAL solo puso.000 euros en la caja, me convene tambén optar por las dos, puesto que mejor.000 euros que nada.
50
Métodos 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 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 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 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 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 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 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 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 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 detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
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 detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesMatemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato
Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
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 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 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 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 detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesComparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
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 detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesC I R C U L A R N 2.133
Montevdeo, 17 de Enero de 2013 C I R C U L A R N 2.133 Ref: Insttucones de Intermedacón Fnancera - Responsabldad patrmonal neta mínma - Susttucón de la Dsposcón Transtora del art. 154 y de los arts. 158,
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detalles1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo
EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesVARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
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 detallesDEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesAnálisis estadístico de incertidumbres aleatorias
Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas
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 detallesELECTROSTÁTICA. CAMPO ELÉCTRICO EN EL VACÍO.
ELECTROSTÁTICA. CAMPO ELÉCTRICO EN EL VACÍO..- PERSPECTIVA HISTÓRICA MATERIA { MOLÉCULAS } { ÁTOMOS}, sendo los átomos y/o moléculas estables por la nteraccón electromagnétca. Desde la perspectva electromagnétca
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detalles1.- Una empresa se plantea una inversión cuyas características financieras son:
ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES. Departamento de Economía Aplcada (Matemátcas). Matemátcas Fnanceras. Relacón de Problemas. Rentas. 1.- Una empresa se plantea una nversón cuyas característcas
Más detallesEn este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de
Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO
Más detallesRentas o Anualidades
Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades
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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
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 detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesPregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesRentas financieras. Unidad 5
Undad 5 Rentas fnanceras 5.. Concepto de renta 5.2. Clasfcacón de las rentas 5.3. Valor captal o fnancero de una renta 5.4. Renta constante, nmedata, pospagable y temporal 5.4.. Valor actual 5.4.2. Valor
Más detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
Más detallesCANTIDADES VECTORIALES: VECTORES
INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesIntroducción a las Subastas de Múltiples Objetos
Introduccón a las Subastas de Múltples Objetos Alvaro J. Rascos Vllegas Unversdad de los Andes Abrl de 2010 lvaro J. Rascos Vllegas (Unversdad de losintroduccón Andes) a las Subastas de Múltples Objetos
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesContinua: Corriente cuyo valor es siempre constante (no varía con el tiempo). Se denota como c.c.
.. TIPOS DE CORRIENTES Y DE ELEMENTOS DE CIRCUITOS Contnua: Corrente cuyo valor es sempre constante (no varía con el tempo). Se denota como c.c. t Alterna: Corrente que varía snusodalmente en el tempo.
Más detallesFIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesCAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan
CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta
Más detallesMatemáticas A 4º E.S.O. pág. 1
Matemátcas A º E.S.O. pág. HOJA : ESTADÍSTICA º.- Agrupa en ntervalos y construye una tabla de frecuencas (con la marca de clase ncluda) y la frecuenca absoluta de las sguentes alturas, meddas en centímetros,
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesGANTT, PERT y CPM INDICE
GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesResumen de los teoremas fundamentales del análisis estructural aplicados a celosías
Resumen de los teoremas fundamentales del análss estructural aplcados a celosías INTRODUCCIÓN Fuerzas aplcadas y deformacones de los nudos (=1,n) ESTICIDD Tensón =Ν/Α. Unforme en cada seccón de la arra.
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 detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesCAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS
CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de
Más detallesDISTRIBUCION DE RENDIMIENTOS: APLICACIONES
DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se
Más detallesCONSEJERÍA DE SANIDAD Y SERVICIOS SOCIALES
CONSEJERÍA DE SANIDAD Y SERVICIOS SOCIALES Orden SAN/24/2013, de 26 de dcembre, por la que se crean las categorías de Facultatvo Especalsta de Área de Pscología Clínca y de Pscólogo Clínco de Atencón Prmara.
Más detallesNotar que A = A S = A ( ). Por la propiedad distributiva, se tiene que n A = A, donde la
4.3.2 Probabldad Total y Regla de ayes Regla de la Probabldad Total. Sean 1,, n una coleccón de eventos que forman una partcón del espaco muestral S esto es n S y φ para. Sea A otro evento defndo sobre
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesMODELOS DE SECUENCIACIÓN EN MÁQUINAS 1
odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesCAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL
CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL La estadístca descrptva en su uncón básca de reducr datos, propone una sere de ndcadores que permten tener una percepcón rápda de lo que ocurre en un enómeno. La
Más detalles2.AUTORIDADES Y PERSONAL
2.AUTORIDADES Y PERSONAL 2.2.CURSOS, OPOSICIONES Y CONCURSOS AYUNTAMIENTO DE RIBAMONTÁN AL MAR Bases y convocatora para cubrr la plaza Admnstracón Especal, Subescala Servcos Especales, Clase Cometdos Especales,
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detalles