Demostraremos estos resultados por medio de la Función generatriz de momentos y algunos de los resultados ya obtenidos en la Práctica 4.
|
|
- Víctor Ramos Venegas
- hace 7 años
- Vistas:
Transcripción
1 ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 8: UESTREO EJERCICIO Dmosrarmos sos rsulados or mdio d la Fució grariz d momos y alguos d los rsulados ya obidos la Prácica 4. Sa, ocs, + + +, al qu Broulli (. Eocs: ( (iddcia ( ( ( ( igual disribució [ ( ] [( + ], qu s la f.g.m. d ua biomial co arámros y. Por lo ao: Bi (, La disribució d s la qu, simlm, oma los mismos valors qu, ro divididos r, us. E s caso s dic qu: o ambié qu Bi (, i disribució xaca cuasi-biomial. o i disribució biomial, a sar qu las robabilidads s calcula mdia la cuaía biomial, orqu su rcorrido o s {0,,, } sio {0, /, /,, /}. Dmosrarmos sa roidad u caso más gral l qu gamos m variabls alaorias iddis, co i Bi ( i,. Eocs, sido m mos qu: ( (iddcia ( (... m ( [( + ] [ ] ( +... [( + ] (... [( ] m , qu s la f.g.m. d ua biomial co arámros ( m y. Por lo ao, ara l caso aricular..., Bi (.m,. Como l caso arior, s dic qu: m m Bi (.m, 3 Sa, variabls alaorias i Go (. Eocs: ( (iddcia ( (... (... ( ( [ ( ] Tambié s dic qu:, qu s la f.g.m. d ua Biomial Ngaiva (,. Bi Ng (, ( 4 Sa Probarmos aquí, ambié, u caso más gral dod cada i Poisso (λ i. La fució grariz d momos d s: ( (iddcia ( ( λ+λ λ ( (... ( Si λ λ... λ λ, ocs Poisso ( λ, Cuasi-Poisso ( λ. λ ( λ (..., qu s la f.g.m d ua Poisso ( λ + λ λ λ ( Poisso ( λ y s dic qu:
2 5 Suogamos qu mos variabls alaorias iddis, co i Ex (λ θ y sa uvam Por lo ao: ( (iddcia ( (... (... θ θ θ, la cual θ s la f.g.m d ua Gamma (, θ. Por Ejrcicio 3 d la Prácica 4, sabíamos qu: a ( (a y ocs: ( (/ / θ ( /, qu s la f.g.m. d ua Gamma (, θ/. θ Co lo qu: Gamma (, θ/ 6 Esa ar s similar a la arior, dado qu Ex (θ Gamma (, θ. Plamos u caso ambié más gral dod cada i Gamma (a i, θ (isisamos uvam qu la oació ara l sgudo arámro s arbiraria, or lo qu quda a lcció dl lcor, simr qu λ θ. Por lo ao: ( (iddcia ( θ a + a a (... ( θ a θ, la cual s la f.g.m d ua Gamma (a + a a, θ. Para l caso a a... a a, Gamma ( a, θ. Co idéico razoamio qu 5 rsula, ara s úlimo caso, qu: a... θ a Gamma ( a, θ/ 7 Cosidramos, gralizado, l caso qu i N (μ i,. Eocs: ( (iddcia ( ( μ +μ μ + ( (... ( i μ+ μ+... μ+, qu s la f.g.m. d ua N (μ + μ μ, Si μ μ... μ μ y..., ocs N ( μ,. Fialm, la disribució d forma qu arriba. s N (μ,, la cual s dduc calculado la f.g.m. d igual 8 La rsusa a sa ar, s l llamado Torma dl Lími Cral qu dic qu dadas,,..., variabls alaorias iddis idéicam disribuidas (su disribució ud sr cualquira y doamos so como qu s disribuy igual a, co E ( μ < + y V ( < +, ocs: μ d N (0, Esa sis idica qu, l romdio d variabls alaorias, sadarizado, id disribució a ua ormal sádar y so sucd, valga la rdudacia, cualquira sa su
3 3 disribució (s hcho s lo sorrd!!!. Dicho d oro modo, a mdida qu crc, las robabilidads dl romdio sadarizado d ua AS c/r d cualquir variabl alaoria, s aroxima a las d ua ormal sadarizada. Es rsulado ambié s ud scribir d la sigui forma: Eocs, s fácil obsrvar qu: d N (μ, d N ( μ, EJERCICIO (úlil oció slccioado d los xáms d marzo y simbr y d la sguda rvisió dl 00 E las dos rimras ars d s jrcicio s suo, qu ambos casos, omamos ua.a.s. co rosició. La vrdadra s la a. Como V (, la disrsió d dd d y d : cuao mayor sa la disrsió d -V ( -, mayor s la d amaño d la musra, mor s la disrsió d. y cuao mayor sa l Sa i i, ara i,,...,. Eocs, ambié las i, so iddis idéicam disribuidas co: E ( i E ( i E ( i 0 V ( i V ( i V ( i ( Si alicamos ahora l Torma dl Lími Cral a la sucsió { i} i,,..., d N ( 0, Eso idica qu la disribució d ( N ( 0, y or lo ao c s la vrdadra. ( :, a mdida qu crc, s aroxima a la d ua 3 Como la ar arior, alicado l Torma dl Lími Cral ahora a la sucsió : { i} i,,..., i i d V ( N (μ, N ( E (, Tomado 50, la disribució d 50 s aroximadam igual a la d ua N ( E (, Eocs, la rsusa corrca s la c. 4 Por l jrcicio arior, ar 5, vimos qu si cada i Ex (θ, ocs: Gamma (, θ/ Por lo ao, ara 0, 0 Gamma (0, θ/0 y s corrca la oció b. V ( 50
4 4 EJERCICIO 3 T ( (id. a ( b ( (a (b (a b μ (a b + b μ + +. μ a + a μ b + y b, la cual corrsod a la f.g.m. d ua N (a μ + b μ, a + Eocs: T + 3 N ( 6, 696 y or llo P(T > 8 P( φ (0, ,4806. T EJERCICIO 4 Pso d cada araja d la caja: i N(95, 5. Pso dl coido o d ua caja: i 4 4 i. Pso srado dl coido o d ua caja: E( i 95 x gramos. Amliud dl irvalo: 0% d gramos. i Irvalo ormalizado: ( , (6.37, EJERCICIO 5 Si Gamma (α /, λ / Gamma (α /, θ, ocs or Ejrcicio 4 d la Prácica, su f.g.m. s: / ( Por lo ao: ( / ( ( ( / ( Eocs: admás: 8 3 ( ( / + ( E( (0 E( (0 4 + ( + V( ( ( Es dcir qu ua Gamma (α /, θ, s llama chi-cuadrado co grados d librad (oació: χ (, i como sraza sus grados d librad y como variaza l dobl d ésa. Alguas robabilidads d sa disribució, ara difrs valors d, sá abuladas al fial d la GUÍA.
5 5 EJERCICIO 6 Para hallar la disribució d la variabl vamos a dducir su f.g.m. ( E ( E( + / x dx π π + + x x dx / x dx π + x ( dx π Para s úlima igualdad s obsrvó qu dsidad d ua N ( 0, π + / x igrada odo R y or lo ao val. s la fució d Cocluimos ocs qu: ( / Qu corrsod a la f.g.m. d ua Gamma (α /, θ, o lo qu s lo mismo ua χ (. Por lo mcioado l jrcicio arior, E ( y V (. Rsulado irsa: l cuadrado d ua variabl ormal sadarizada i ua disribució coocida: chi-cuadrado co u grado d librad. EJERCICIO 7 (CONTROL 00 a Si N (, 9, ocs N (0,. Como 9 Z N (0,, or l jrcicio arior χ (. 9 ( 9 Z, co Por lo ao: P ( 3,84 ( m fijo la abla chi-cuadrado 0,95 b P ( 3,84 P ( Z 3,84 P ( 3, 84 Z 3, 84 P (,96 Z,96 P ( Z,96 Φ (,96 x 0,05 0,95. EJERCICIO 8 (EAEN OCTUBRE DE 997 E( V( + E ( [ ( μ ] 3 E Como γ 0 dado qu μ 0, E( ( 3 x V( E [ ( ] E ( E( 4 [E( ]
6 6 3 a Como i N(0, 9, ara i 6, ocs 3 i N(0,, 6 i 3 i 3 χ ( y dado qu las variabls so iddis U χ (6. i J 3,4 b P(J 3,4 P( P(U,6 0,95. (Obsérvs qu J 9.U. 9 9 c P(J > c 0, P( 9 J > 9 c 0, P(U > 9 c 0, P(U 9 c 0,9 c 0,65 c 95,85 9 d Como U χ (6 o lo qu s lo mismo ua Gamma ( α 3, θ, ocs: E(U α θ 6, y V(U α θ. EJERCICIO 9 a E( 750 y 0 s lo qu afirma la romoció. S adquir l lo si 3 > 745. E virud dl amaño d la musra ( > 30, s ud afirmar qu TCL 0 3 N(750,. E coscucia: 3 P( 3 > Φ Φ(-,39 Φ(,39 0,977. b N(750, 0. S raa d calcular P(S > 30. S sab qu: 3. S 3x30 P > P χ. S ( χ > 4,8 P( 4,8 0,5 0, χ. Eocs: EJERCICIO 0 (EAEN DICIEBRE DE 994 Como N(μ, y N(μ + 5,, ocs or l Ejrcicio 6: μ y μ 5 μ μ 5 iddis su suma + μ χ (. y μ 5 N(0,. Por lo ao, χ (, y dado qu las variabls so Culmiamos l razoamio obsrvado qu 00 μ μ 5 +. P( 640 P( ( llamamos J a ua χ 640 ( P( J 00 x,3 P(J,77 0,75.
7 7 EJERCICIO (CANAVOS 7. Sa ssor dl marial lásico mdido cm., co N (μ, 0,0. Sabmos, admás. S or Torma 8.0 d la GUÍA qu χ 5 S ( o sa qu χ (4. 0,0 Eocs: P(S 0,05 5 S P ( 0,0 5 x 0,05 0,0 5 S P ( 0,0 56,5 0,000 El rsulado qu obuvimos s qu dicho sucso i robabilidad rácicam cro si la variaza oblacioal s 0,0. Por llo, s ud dducir qu s muy dudosa la afirmació hcha or l fabrica. Para qu l sucso d qu la variaza musral fura más vrosímil, s 5 x 0,05 csario qu l coci sa más quño y or lo ao la variaza oblacioal más grad. EJERCICIO Prviam a cosar las rguas hallmos la disribució dl sadísico J. Para llo, obsrvmos, rimr lugar, qu cada i χ ( sgú l Ejrcicio 6. Por ora ar, como las i so iddis, ambié los so las i y ocs rcordado qu las disribucios chi-cuadrado so u caso aricular d la gamma, y ido cua, uvam, l Ejrcicio, dod su dsarrollo s dmosró qu la suma d gammas iddis co iguals arámros da ua gamma, cocluimos qu J χ (0. P ( J > 8,3 P ( J 8,3 0,05 P ( J 9,34 0,50 P ( 3,5 J 6 0,90 0,05 0,875. (i Rcordmos qu S i. S ud dmosrar, co u razoamio más S comlicado qu ara J, qu χ ( χ (9 (sa dmosració s l Torma 8.0 mcioado l jrcicio arior y la érdida u grado d librad s db a qu s ddi d las i. Eocs: P(S >,4 P(S,4 P( 0 S,4 x 0 0,5 EJERCICIO 3 (Exam ar/003 Es jrcicio s rsulv co l mismo argumo dl Torma d la Parició d Cochra. Si 3, ocs s + 3. S cuml: (. Como y 3 so ( 3 + variabls iddis, la fució grariz d la suma s l roduco d las grarics margials. Admás, la fució grariz d ua disribució chi-cuadrado s d la forma (. ( dod so los grados d librad d la disribució. Eocs:
8 8 ( ( ( ( (... (. (. ( 3 3 r k r k r k. Rsula qu 3 i ua fució grariz d la forma chi-cuadrado co arámro (k-r. Por ao, la variabl 3 i disribució chi-cuadrado co (k-r grados d librad. EJERCICIO 4 (EAEN DICIEBRE 994 Como N (, μ y N (, μ, ocs μ y μ N (0,. Por l Ejrcicio 6, s cuml qu μ y μ s disribuy ambas χ (. Admás, como so iddis, y co los mismos argumos d los Ejrcicios 0 y, dducimos qu μ + μ χ (. Si W s iddi d, W ambié s iddi d μ + μ, y or ao, la variabl ' + μ μ W T i disribució co grados d librad (or sr l coci d ua ormal sobr la raíz cuadrada d ua chi-cuadrado sobr sus grados d librad, ambas iddis. Obsérvs qu T T, or lo qu cocluimos qu cocluimos qu: ' + μ μ W T T Por lo ao: P (T <,065 P ( T < x,065 P (T <,9 0,95 EJERCICIO 5 Rcordmos l orig d la disribució T d Sud. Suogamos qu,,... s ua AS c/r co i N (μ,. Eocs: N (μ, /, y or lo ao: / μ N (0,. Si mbargo, dsd l uo d visa rácico, si dscoocmos l valor d, sa disribució o os rmi formular ifrcias rsco a μ. Eocs surg la disribució T: T(ν ν / Z dod Z N (0, y χ (ν y so iddis
9 9 (ν so los llamados grados d librad d T Cosruyamos ahora u sadísico T, co las hiósis adichas y suoido μ coocida y dscoocida: μ Por la obsrvació d arriba sa Z N (0,. / Tambié vimos qu S χ ( y or lo ao odmos dfiir S χ ( Fialm os quda: T Z μ / S / ( μ - S Eocs l cálculo s fácil: P ( >, P( <, 0,05. EJERCICIO 6 Par A (CANAVOS 7.5 Sa i la caidad d icoia mg. l i-ésimo cigarrillo. Sabmos qu i N (μ, y qu si omamos ua musra d amaño 6, s cura qu l romdio s x 0,75, y la variaza musral s s 0,75. Para hallar P( 6 0,75, alicarmos ua disribució coocida qu llamamos T d Sud, cuya abla s cura la GUÍA: Obmos: P( 6 0,75 P ( 5 (6 0,6 0,75 ( S μ 5 (0,75 0,6 P ( 5 3,3 0, ,75 Es dcir, qu la robabilidad d qu s dé l sucso, dada la afirmació dl fabrica, s muy quña, or lo cual la hiósis d arida (μ 0,6, s oco críbl. Para qu l rsulado musral fus más robabl sría csario admiir qu la vrdadra mdia oblacioal μ s más grad. Noa: P ( 5 3,3 0,00333 s ha obido uilizado las fucios sadísicas d ua lailla lcróica (FUNCIONES, FUNCIONES ESTADÍSTICAS, DISTRIBUCIÓN T iroducido l argumo (3,3, los grados d librad (5 y l úmro d colas d la disribució cuya robabilidad s quir calcular (, s caso. E la abla d la GUÍA solo sá abulados alguos valors dl argumo. E s caso la mjor aroximació s P( 5,95 0,005, y lo qu odmos afirmar uilizado la abla d la GUÍA s qu P ( 5 3,3 < 0,005. Par B Cuado s grad ( > 30, la disribució T s ud aroximar or la disribució ormal sádar. E coscucia:
10 0 35 ( 36 0,6 35 (0,75 0,6 P( 6 0,75 P ( P ( 35 5,07 Φ(5,07 0 0,75 0,75 S raa d u sucso rácicam imosibl. Ora vz, s cocluy qu la hiósis d arida (μ 0,6 s oco críbl. EJERCICIO 7 (EAEN Como U, V y Z so variabls alaorias N(0,, ocs U, V y Z N(0, y or l U V Z Ejrcicio 6 s cuml qu, y χ (. Admás, como las variabls so iddis, su suma sigu ua disribució chi-cuadrado co 3 grados d librad: L U V Z + + χ (3. Si llamamos L caidad d liros d Rai Rai qu oma l aricia A ua hora y L caidad d liros d Rai Rai qu oma l aricia B ua hora, la robabilidad qu os solicia l jrcicio s: dod ao P(L > 3 L (como L y L so osiivas P( L > 9 L P( L como L L χ (3, y so iddis. Por llo: F disribució abulada la GUÍA. Eocs: P(L > 3 L P(F > 9 0,0504 L > 9 L L / 3 / 3 F(3, 3, Noa: P(F 3.3 > 9 0,0504 s ha obido uilizado las fucios sadísicas d ua lailla lcróica (FUNCIONES, FUNCIONES ESTADÍSTICAS, DISTRIBUCIÓN F iroducido l argumo (3,3 y los grados d librad dl umrador y dl domiador (3 y 3. E la abla F d la GUÍA solo sá abulados alguos valors dl argumo y d los grados d librad (los argumos corrsod a valors qu acumula 0,95 o 0,99 d robabilidad. E s caso la mjor aroximació s P(F 3.3 9,8 0,95 P(F 3.3 > 9,8 0,05, y lo qu odmos afirmar uilizado la abla d la GUÍA s qu P(F 3.3 > 9 > 0,05. EJERCICIO 8 Rcordmos rimro la disribució F d Fishr: dadas dos variabls alaorias U y V, iddis, co disribucios d robabilidad χ (m y χ ( rscivam, ocs la variabl alaoria coci: U/ m F(m, V / i disribució F co m y grados d librad. Como N ( μ, 9 y N ( μ, 6 or la dfiició arior: 0 S, ocs χ (9 y 9 8 S χ (7. Por lo ao, 6
11 Por lo ao: F(9, 7 0 S 9 8 S 6 / 9 / S 40 W S P(W >,9 P( W >,9 P(F(9, 7 > 3,68 0, Admás, como rsula obvio obsrvar qu la variabl alaoria F F(, m. Eocs: 40 W 8 Por llo: 40 P ( > 5,6864 P ( W W W, co F(7, 9 F F 8 > 5,6864 P ( > 5,6864 P ( F(7, 9 > 3,9 0,05 F F 40 EJERCICIO 9 F ( P( P(,..., (id. P(... P( (igual disrib. [ P( ] F (. Eocs: a si < 0 F ( 0 F ( 0 b si 0 <, F ( F ( c si. F ( F ( lim F ( lim 0 0, si < 0 + lim F ( + + lim 0, si 0 < + lim F ( lim, si + + Obsrvació: F ( s la fució d disribució d la variabl alaoria qu s cosam igual a ; o dicho d oro modo s la variabl alaoria Z, al qu P(Z. S dic qu covrg disribució a la variabl Z, cuado. EJERCICIO 0 F ( P( P( > P( >,..., > (id. P( >... P( > (idé. disrib. [ P( > ] [ P( ] [ F ( ]. Eocs: a si 0 F ( 0 F ( 0 b si > 0, F ( θ F ( θ lim F ( lim 0 0, si 0 + lim F ( + + θ + lim, si > 0 Obsrvació: E s caso ós qu F ( o s ua disribució, ya qu o s coiua or la drcha 0. Para qu sa ua disribució, s csario modificar la fució F (
12 d mara qu F ( 0 si < 0 y F ( θ si 0. Ahora, la variabl alaoria W cuya fució d disribució rsula d hacr lim F (, s ua variabl cosa, cocrada + l uo w. S dic qu covrg disribució a la variabl W, cuado. EJERCICIO Para rsolvr s jrcicio hay qu hacr u suuso adicioal qu o sá scrio, ro qu s odría dducir cohrcia co las hiósis y s qu s uiform discra. Por lo ao: P( i, ara i Eocs: a F ( P( 0, si < k k b F ( P( k k k + i, si < y 0 < k < i c F ( P(, si Por lo ao: lim F ( lim 0 0, si < + lim F ( + + lim + k, si 0 <. Eso s db a qu, dado l Rc (, xis k, al qu k F ( < < ε k k k + ara suficim grad us < y or k ao: 0 <. Eocs: lim F (, si + Noa: La obsrvació fial s jrcicio s qu dicha disribució corrsod a la d ua uiform coiua l irvalo [0, ]. S dic qu covrg disribució a ua uiform C[0, ], cuado. EJERCICIO Rcordmos rviam la sigui dfiició: (la v.a. id robabilidad a lim P ( ε + Rcordmos qu or la llamada Ly Débil d los Grads Númros: Si,..., v.a. iid co E( i μ y V( i (fiias i μ i Si Bi(,, ocs co i Br(, E( i y V( i (. Obsrvado qu ˆ, si alicamos la Ly Débil d los Grads Númros obmos qu: μ.
13 3 Eucimos l sigui Torma: Si y, ocs dadas dos fucios, g: R R, coiua y h: R R, coiua ambas variabls, s ud dmosrar qu: g( g( h(, h(, Para usro caso, si omamos g(x x ( x qu cuml las codicios dl Torma ocs: g ( ( ˆ ( ˆ ( 3 Si alicamos l Torma dl Lími Cral al cojuo,,.., : i Broulli( obmos qu: ˆ d N(0, ( ( d El Torma d Slusky sablc qu si 0 y, ocs d T. Si alicamos l Torma uciado, omado g (x ( ˆ ( ˆ ya qu g s ral y admás coiua (0,. x x( x ( dducimos qu: Sa ( y o lo qu s lo mismo: (. Hay qu robar qu 0, ( ( 0 Ahora bi: ( ( ( ( ( ( como ambos facors covrg robabilidad a 0: 0 y ( ( 0
14 4 ocs su roduco ambié id robabilidad a cro, co lo qu quda robado qu 0, y or l Torma d Slusky, d N (0, ( EJERCICIO 3 Plamos, ara llo l Torma d Khichi (Novals ág. 3, similar a la Ly Débil d los Grads Númros, ro qu o rquir dl sgudo momo ara las variabls: Si,..., v.a. iid co disribució igual a la d y E( < + Probarmos, ahora qu S i E( i. Para llo, aliqumos l orma arior a las variabls,,..., las cuals so ambié iddis idéicam disribuidas us las origials lo so, y su sraza E ( < + or hiósis: i E( i Rcordado qu S i ( i, alicamos, rimr lugar, l orma i i uciado l jrcicio arior ar, omado g (x x y la sucsió, co lo qu obmos: ( ( i E ( Fialm, mlamos l Torma 8. dl Novals (ág. 309: S i i ( i i i Co ora ar dl mismo orma, ligido las sucsios y E( E ( Var ( S y, como S, (sa s ua sucsió d variabls cosas ara cada, mos qu: s S.
PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)
PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad
Más detallesEl transistor bipolar de unión (BJT)
l rasisor biolar d uió (JT roducció 1948-1949: illia hockly, Joh ard y alr H. raai dscubr s disosiivo y modla su riciio d fucioamio. s l rasisor más uilizado circuios discros. Prsa mayors vlocidad d rsusa
Más detallesUn ejercicio relacionado con la función Li(x)
Uivrsidad Iramricaa d Puro Rico - Rcio d Poc U jrcicio rlacioado co la fució Por: Eriqu Díaz Gozálz Uivrsidad Iramricaa d Puro Rico, Rcio d Poc. U poco d hisoria. E la búsquda para ua l qu idicara la disribució
Más detalles3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes
3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la
Más detallesAPUNTES DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA. Y = Xβ + U, donde los parámetros se han
APNTS D CLAS CONOMTRÍA I DI CONOMTRÍA INFORMÁTICA Prof. Rafal d Arc Rafal.darc@uam.s "CONTRAST DL PRDICTOR" o INTRVALO D CONFIANZA D LA PRDICCIÓN PNTAL N L MBRL a d las mdidas d bodad a posriori más frcum
Más detallesModelos Probabilísticos comunes
Modlos robabilísicos comus M. A. Vícor D. iilla Morá Faculad d Igiría, UNAM Rsum Iroducció. sayo d Broulli. Disribució d Broulli, drmiació d su mdia y d su variaza. rocso d Broulli. Disribució biomial,
Más detalles9 Momentos y funciones generatrices de Momentos
9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s
Más detallesTabla de contenido. Página
Tabla d coido Págia Opradors difrcials sismas d cuacios Opradors difrcials Oprador aulador 6 fiició 6 Sismas d cuacios difrcials lials 9 Solució d u sisma, méodo d los opradors 9 Rsum 5 Bibliografía rcomdada
Más detalles1. Ecuaciones de Chapman-Kolmogorov. Probabilidad absoluta de encontrarse en un estado tras n transiciones.
SESIÓN b CASIICACIÓN d CAENAS d ARKOV Ecuacios d Chama-Kolmogorov robabilidad absolua d corars u sado ras rasicios Timos d r aso Clasiicació d sados Class d ua Cada d arov riodicidad Ejmlos robabilidads
Más detallesUniversidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas
Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.
Más detallesVariables aleatorias discretas
Probabilidads y stadística Comutació Facultad d Cicias actas y aturals. Uivrsidad d Buos Airs Aa M. Biaco y la J. Martíz 4 Variabls alatorias discrtas istribució Biomial: Muchos rimtos alatorios satisfac
Más detallesal siguiente límite si existe: . Se suele representar por ( x )
UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D
Más detallesSe llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...
TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s
Más detallesUniversidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.
Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su
Más detallesTEMA 1: CALCULO DIRECTO DE LÍMITES
INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL
Más detallesNOTAS DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA
MDIDAS D BONDAD A POSTRIORI CONTRAST D JANS NOTAS D CLAS CONOMTRÍA I DI CONOMTRÍA INFORMÁTICA Prof. Rafal d Arc rafal.darc@uam.s Rvisado dicimbr 8 CONTRAST DL PRDICTOR" o INTRVALO D CONFIANZA D LA PRDICCIÓN
Más detallesAPÉNDICE B HIDRÁULICA DEL REACTOR DE MEZCLA COMPLETA
APÉNDIE B HIDRÁULIA DEL REATOR DE MEZLA OMPLETA B.1 REATOR DE MEZLA OMPLETA (fluj idal) El mdl d fluj u racr ral s cura algú pu r las cdicis d mzcla d ls racrs idals (racr d mzcla cmpla (RM) y racr d fluj
Más detallesTEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS
Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar
Más detallesPolítica Fiscal. Gobiernos de coalición o de intereses geográficos dispersos
Política Fiscal Goiros d coalició o d itrss oráficos disrsos Goiros d coalició o d itrss oráficos disrsos Escario olítico dod l oiro stá comusto or dos artidos coalició:. Partidos ti rfrcias distitas sor
Más detallesINTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES
Más detallesAproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin
Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesSEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim
SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesvariables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A
cors loros. só más d dos dmsos Dcó: S... rbls lors dscrs l ucó d robbldd cou dl cor loro... s d como: ddo culqur couo A R...... P... P... A...... A...... s ucó ssc ls sgus rodds:.................. orm
Más detallesVariables aleatorias continuas
Probabilidads y Estadística Comutación Facultad d Cincias Eactas y Naturals. Univrsidad d Bunos Airs Ana M. Bianco y Elna J. Martín 4 Variabls alatorias continuas Distribución Uniorm: Rcordmos qu tin distribución
Más detallesEJERCICIOS RESUELTOS TEMA 1: PARTE 3
Ejrcicios rsultos Tma part III): Límits d uncions º BCN EJERCICIOS RESUELTOS TEMA : PARTE 3 LÍMITES DE FUNCIONES. CONTINUIDAD Ejrcicios rsultos Tma part III): Límits d uncions º BCN ) Dada la guint unción:
Más detallesObservación: si en la urna hubiese 1500 bolillas blancas y 500 verdes y se extraen dos bolillas al azar sin reemplazo, entonces
art Variabls alatorias rof. María B. itarlli.- Variabls alatorias discrtas imortats Distribució biomial Sa ε u xrimto alatorio. Sa u vto asociado a ε y aotamos Suogamos u xrimto alatorio ε u cuml los siguits
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesEJERCICIOS DE INTEGRALES EULERIANAS PROPUESTOS EN EXÁMENES. x y = 1. π 2 3. sen x cos xdx (Septiembre Ex. Or.)
TUTORÍA DE MATEMÁTICAS III (º A.D.E.) -mail: imozas@l.und.s hp://lfonica.n/wb/imm EJERCICIOS DE INTEGRALES EULERIANAS PROPUESTOS EN EXÁMENES.- Razon y obnga qu la ingral ulriana (p) (gamma d p) para p
Más detalles1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:
.- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim
Más detallesModelo de Regresión Logística
Modlo d Rgrsión Logística Modlo d rgrsión qu lica l comortaminto d una variabl dndint discrta, Y, dicotómica n función d una o más variabls indndints cualitativas o cuantitativas. Los valors qu toma la
Más detalles5 MECÁNICA ESTADÍSTICA CUÁNTICA DE GASES IDEALES
ma 5 MCÁICA SADÍSICA CUÁICA D GASS IDALS stadística d rmi-dirac y stadística d Bos-isti. l límit clásico. Gas idal d rmi: lctros mtals. Gas idal d Bos: fotos y 4H líquido. Codsació d Bos-isti. [RI-9; HUA-8;
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesIII - Enfoques teóricos alternativos sobre inflación
III - Efoqus óricos alraivos sobr iflació Iflació Dfiició y Mdició S dfi l ídic d rcios como: P =X g i f i i dod asumimos P = 1 (ivl d rcios dl ríodo bas). Para l caso cocro d uilizació d u ídic d Lasyrs
Más detallesCapítulo IV. Estadísticas cuánticas.
Capítulo I. stadísticas cuáticas. Lcció 6 Itroducció a las stadísticas cuáticas. Partículas distiguibls idistiguibls. stadísticas d Bos-isti y d rmi-dirac. Lcció 7 Gas idal d rmi: lctros mtals. Lcció 8
Más detallesCap. II: Principios Fundamentales del Flujo de Tránsito
Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos
Más detallesProblemas Tema 2: Sistemas
SISTEMAS Y CIRCUITOS ~ PROBLEMAS Curso Académico 00900 Problmas Tma Sismas PROBLEMA. Dados los siguis sismas impo coiuo las sñals d rada idicadas, drmi las sñals d salida corrspodis ( ) x sñal d rada x
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesINTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS
Más detallesEstimacion puntual y por Intervalo
Eimacio uual y or Iervalo El objeivo e efecuar ua geeraliació de lo reulado de la muera a la oblació. Iferir o adiviar el comoramieo de la oblació a arir del coocimieo de ua muera. E geeral o iereará coocer
Más detallesTALLER 4: Preparación parcial final. Cálculo Integral. UdeA Profesor: Jaime Andrés Jaramillo.
TALLER : Prparació parcial fial Cálculo Itgral UdA - Profsor: Jaim Adrés Jaramillo jaimaj@cocptocomputadorscom Sucsios Mustr los primros cuatro térmios d la sucsió y dtrmi si s covrgt o divrgt: a) d) +
Más detallesAPLICACIONES DE LA DERIVADA
APLICACIONES DE LA DEIVADA Ecucación d la rcta tangnt Ejrcicio nº.- Halla las rctas tangnts a la circunrncia: y y 6 n Ejrcicio nº.- Dada la unción abscisa., scrib la cuación d su rcta tangnt n l punto
Más detallesUn forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l
El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.
Más detallesa a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.
(Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar
Más detalles2. Definición de Cadena de Markov Propiedad Markoviana y estacionariedad. 3. Matriz de Probabilidades de transición y Diagrama de estados.
SESIÓN a CAENAS E ARKOV INTROUCCIÓN Noción d rocso Esocásico finición E asociados a un sisma finición d Cadna d arov roidad aroviana y sacionaridad 3 ariz d robabilidads d ransición y iagrama d sados 4
Más detalles2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros
.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito
Más detallesConsideremos los siguientes experimentos aleatorios
69 Veremos e lo que sigue uevas variables aleatorias discretas. Estas variables y sus distribucioes se utiliza como modelos e muchas alicacioes estadísticas. Distribució Biomial Cosideremos los siguietes
Más detallesx a es una serie de la forma que el radio de convergencia de la serie geométrica es el intervalo abierto
ERIE DE POTENCIA ERIE DE POTENCIA. Diició. U sri d pocis c s u sri d l orm c c c c... c... Por jmplo. i c y l sri d pocis om l orm....... Por jmplo. i c y l sri d pocis om l orm....... TEOREMA. El cojuo
Más detallesMATEMÁTICA D Módulo I: Análisis de Variable Compleja. Teoría de Residuos
Matmática D MATEMÁTIA D Módulo I: Aálisis d Variabl omplja Uidad Toría d siduos Mag. María Iés Baragatti Sigularidads S dic qu s ua sigularidad aislada d f( si f( o s aalítica pro sí s aalítica u toro
Más detallesIntervalos de confianza Muestras pequeñas. Estadística Cátedra Prof. Tamara Burdisso
Iervalos de cofiaza Muesras pequeñas Qué ocurre cuado
Más detallesEXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3
Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más
Más detallesEL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE
Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO CRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació e la maemáica
Más detallesTEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS
www.iova.ued.es/webpages/ilde/web/idex.htm e-mail: imozas@elx.ued.es TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS Distribució uiforme e el itervalo [a, b].-, a x b Fució de desidad: f(x) = b a 0, e el
Más detallesEL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE
Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u
Más detallesLímites finitos cuando x: ˆ
. Límits latrals its al infinito 7 FIGURA.3 3 3 La gráfica d = >. (b) La cuación () no s aplica a la fracción original. Ncsitamos un n l dnominador, no un 5. Para obtnrlo multiplicamos por >5 l numrador
Más detalles2º Bachillerato: ejercicios modelo para el examen de las lecciones 11, 12 y 13
º Bachillrato: jrcicios modlo para l amn d las lccions, y 3 Sa la unción F ( ) t dt a) Calcular F (), studiar l crciminto d F() y hallar sus máimos y mínimos. b) Calcular F () y studiar la concavidad y
Más detallesIDENTIFICACION DE SISTEMAS DE SEGUNDO ORDEN
Ediorial d la Uivridad Tcológica Nacioal IDENTIFICACION DE SISTEMAS DE SEGUNDO ORDEN Ig. Robro Agl Rivro* Rum Para l diño d ima d corol, xi umroo méodo qu rmi r darrollado dro d ua amlia gama d caracríica.
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detalles8 Límites de sucesiones y de funciones
Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...
Más detalles6. Intervalos de confianza
6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros
Más detallesPRÁCTICA 1: Análisis en el dominio del tiempo de sistemas continuos simples
Sismas Sñals Crso 4/5 Igiría Iformáia PRÁCTICA : Aálisis l omiio l impo sismas oios simpls I.- Prosamio sñal Malab Tal omo s vio l rso arior Malab rabaa o úio ipo lmos: las maris. Los ipos aos básios o
Más detallesCURSO CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesCÁLCULO DE LÍMITES. Por otro lado es importante distinguir en el cálculo de límites, los casos indeterminados de los determinados: = ; = ; =
CÁLCULO DE LÍMITES Propidds d los límits.- ( b ) b.- ( b ) b.- ( b ) b.- ( b ) b b.- ( ) ( ) 6.- k k b Por otro ldo s importt distiguir l cálculo d límits, los csos idtrmidos d los dtrmidos: Csos dtrmidos:
Más detallesAnálisis del caso promedio El plan:
Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesTema 8. Limite de funciones. Continuidad
. Límit d ua fució. Fucios covrgts.... Límits latrals.... Distitos tipos d límits.... Límits ifiitos cuado tid a u úmro ral asítota vrtical.... Límits fiitos cuado tid a ifiito asítota horizotal... 8.
Más detallesLÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN
LÍMITE DE FUNCIONES LÍMITE DE UNA FUNCIÓN CUANDO LÍMITE FINITO. DEFINICIÓN Cuando la función pud comportars d divrsas manras: f l Al aumntar los valors d, los valors d f s aproiman a un cirto númro l.
Más detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesRespuesta al escalón unitario
Rpua al caló uiario Epcificacio l domiio dl impo La ampliud duració d la rpua raioria db mar dro d lími olrabl dfiido E ima d corol lial la caracrizació dl raiorio comúm raliza uilizado u caló uiario a
Más detallesESTIMADOR DE AITKEN Y PROPIEDADES DEL MISMO (Última revisión: 1 de marzo de 2007)
Apts d clas d coomtría II / 6 STIMADOR D AITKN Y ROIDADS DL MISMO Última rvisió: d marzo d 7 rof. Rafal d Arc rafal.darc@am.s stimació d los parámtros dl MBRL por máxima vrosimilitd Apoádoos la hipótsis
Más detallesSolución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b
Matmáticas Emprsarials I PREGUNTAS DE TIPO TEST DERIVADAS Y APLICACIONES Drivabilidad ( ) b si S09. La función f ( ) s continua y drivabl n = : a( ) si a) Si a = y b = b) Si a = y b = 5 c) Nunca pud sr
Más detallesHoja de Problemas Tema 3. (Sucesiones y series)
Depto. de Matemáticas Cálculo (Ig. de Telecom.) Curso 23-24 Hoja de Problemas Tema 3 (Sucesioes y series) Sucesioes de úmeros reales. Sea {a } N, {b } N sucesioes de úmeros reales. Demostrar o refutar
Más detallesEn esta unidad vamos a aprender el proceso inverso de derivar, que se llama integrar. 2, la función F(
. PRIMITIV DE UN FUNCIÓN E sa uidad vaos a aprdr l procso ivrso d drivar, qu s llaa igrar. Diició: Ua ució F diros qu s ua priiiva d ora ució dada, si la drivada d F s, s dcir: F s priiiva d F Ejplo :
Más detallesuna sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:
Tema 8 Series de fucioes Defiició 81 Sea {f } ua sucesió de fucioes de A Formemos ua ueva sucesió de fucioes {S } de A de la forma siguiete: S (x) = f 1 (x) + f 2 (x) + + f (x) = f k (x) Al par de sucesioes
Más detallesFUNCIONES EXPONENCIAL Y LOGARÍTMICA TRANSFORMACIONES ABACOS Prof : Sergio Weinberger. 2 3x. El número e
NOMBRE P 6º I 8 FUNCIONES EXPONENCIAL Y LOGARÍTMICA TRANSFORMACIONES ABACOS Pro : Srgio Winbrgr MATEMÁTICA A Lico: Nº NOCT. Rsolvr : a 44 b d 8. 4. 5 5 c 6. 6 Rsolvr : a 5 5 4 b 5 > 4 El númro n "El númro
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
Más detallesIES Fco Ayala de Granada Junio de 2013 (Modelo 1 Específico 2 ) Solución Germán-Jesús Rubio Luna. Opción A
IES Fco Ayala d Granada Junio d 03 (Modlo Espcífico ) Grmán-Jsús Rubio Luna Opción A Ejrcicio opción A, modlo Junio 03, spcífico [ 5 puntos] Halla las dimnsions dl rctángulo d ára máima inscrito n un triangulo
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesSeñales y Sistemas. Análisis de Fourier.
Sñals y Sistmas Aálisis d Fourir. Itroducció El foqu d st capítulo s la rprstació d sñals utilizado sos y cosos ( otras palabras, xpocials complas). El studio d sñals y sistmas utilizado xpocials complas
Más detallesI. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS
Eamn Parcial. Análisis. Matmáticas II. Curso 010-011 I. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS Curso 010-011 19-XI-010 MATERIA: MATEMÁTICAS II INSTRUCCIONES
Más detallesTEMA 1 INTRODUCCIÓN A LA TEORÍA DE LA SEÑAL
EMA INRODUCCIÓN A LA EORÍA DE LA SEÑAL Vicor Moisés Hrádz Cham hdzcham@ux.s Sismas d rasmisió d Daos.ELEMENOS BÁSICOS DE UN SISEMA DE COMUNICACIÓN U sisma d comuicació básico sá compuso por: - fu - caal
Más detallesAPLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS DE MEZCLAS
APLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS DE MEZCLAS 0 Considérs un anqu qu in un volumn inicial V 0 d solución (una mzcla d soluo y solvn). Hay un flujo ano d
Más detallesTeoría de Sistemas y Señales
Toría d Sistmas y Sñals Trasparias: Aálisis ruial d sñals TD Autor: Dr. Jua Carlos Gómz Aálisis ruial d Sñals Timpo Disrto. Sri d ourir d Sñals Timpo Disrto Sa () ua sñal priódia o príodo, s dir: ( ) +
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detalles= 1n. + c. x dy. x x. + 2r. y y. Rojas Huachin Miryan. Homogéneas y Reducibles a Homogéneas
Ecacions difrncials Ejrcicios d Ecacions Difrncials Homogénas Rdcibls a Homogénas. arsolvr: ' r b Drminar para q valors d r in solcions d la forma la cación ''' '' ' 0 Solción a Hacmos l cambio: ' ' Rmplaando
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesAnálisis Matemático IV
Aálisis Matemático IV Relació 4. Ejercicios resueltos Ejercicio : Estudiar la covergecia putual y uiforme de las siguietes series fucioales e los cojutos que se idica (i) Σ x =! e x e [0, ] Primero, estudiamos
Más detallesINTEGRALES INDEFINIDAS
Ingrals Indfinidas@JEMP INTEGRALES INDEFINIDAS MÉTODOS DE INTEGRACIÓN. Ingración inmdiaa.- Tnindo n cuna qu l procso d ingración s l invrso d la drivación, podmos scribir fácilmn las ingrals indfinidas
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detalles85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n =
Hoa Problemas Aálisis II /9 85.- Sea la fució oliómica: N R Demosrar que: i ii iii iv Solució: Cosideremos la ideidad: R N. Derivado e ambos miembros reseco de mulilicado desués or se obiee: - Derivado
Más detalles91 EJERCICIOS de DERIVABILIDAD 2º BACH.
9 EJERCICIOS d DERIVABILIDAD º BACH. Drivabilidad y continuidad:. Dada si 0 f() si < 0 (Soluc: / f'(0)), s pid: a) Estudiar su drivabilidad n 0 b) Rprsntarla.. Ídm con 4 5 si f() 4 si < n (Soluc: f'()).
Más detalles