Demostraremos estos resultados por medio de la Función generatriz de momentos y algunos de los resultados ya obtenidos en la Práctica 4.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Demostraremos estos resultados por medio de la Función generatriz de momentos y algunos de los resultados ya obtenidos en la Práctica 4."

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)

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 detalles

El transistor bipolar de unión (BJT)

El 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 detalles

Un ejercicio relacionado con la función Li(x)

Un 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 detalles

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

3. 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 detalles

APUNTES DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA. Y = Xβ + U, donde los parámetros se han

APUNTES 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 detalles

Modelos Probabilísticos comunes

Modelos 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 detalles

9 Momentos y funciones generatrices de Momentos

9 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 detalles

Tabla de contenido. Página

Tabla 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 detalles

1. Ecuaciones de Chapman-Kolmogorov. Probabilidad absoluta de encontrarse en un estado tras n transiciones.

1. 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 detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad 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 detalles

Variables aleatorias discretas

Variables 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 detalles

al siguiente límite si existe: . Se suele representar por ( x )

al 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 detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se 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 detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad 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 detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 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 detalles

NOTAS DE CLASE ECONOMETRÍA I UDI ECONOMETRÍA E INFORMÁTICA

NOTAS 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 detalles

APÉNDICE B HIDRÁULICA DEL REACTOR DE MEZCLA COMPLETA

APÉNDICE 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 detalles

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS

TEMA 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 detalles

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos

Política 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 detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL 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 detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación 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 detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad 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 detalles

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES 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 detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 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 detalles

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A

variables 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 detalles

Variables aleatorias continuas

Variables 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 detalles

EJERCICIOS RESUELTOS TEMA 1: PARTE 3

EJERCICIOS 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 detalles

Observación: si en la urna hubiese 1500 bolillas blancas y 500 verdes y se extraen dos bolillas al azar sin reemplazo, entonces

Observación: 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 detalles

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática

República 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 detalles

EJERCICIOS DE INTEGRALES EULERIANAS PROPUESTOS EN EXÁMENES. x y = 1. π 2 3. sen x cos xdx (Septiembre Ex. Or.)

EJERCICIOS 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 detalles

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- 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 detalles

Modelo de Regresión Logística

Modelo 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 detalles

5 MECÁNICA ESTADÍSTICA CUÁNTICA DE GASES IDEALES

5 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 detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 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 detalles

III - Enfoques teóricos alternativos sobre inflación

III - 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 detalles

Capítulo IV. Estadísticas cuánticas.

Capítulo 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 detalles

Cap. II: Principios Fundamentales del Flujo de Tránsito

Cap. 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 detalles

Problemas Tema 2: Sistemas

Problemas 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 detalles

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD

TEMA 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 detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL 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 detalles

Estimacion puntual y por Intervalo

Estimacion 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 detalles

TALLER 4: Preparación parcial final. Cálculo Integral. UdeA Profesor: Jaime Andrés Jaramillo.

TALLER 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 detalles

APLICACIONES DE LA DERIVADA

APLICACIONES 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 detalles

Un 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

Un 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 detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a 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 detalles

2. Definición de Cadena de Markov Propiedad Markoviana y estacionariedad. 3. Matriz de Probabilidades de transición y Diagrama de estados.

2. 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 detalles

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros

2.8.3 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 detalles

Consideremos los siguientes experimentos aleatorios

Consideremos 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 detalles

x a es una serie de la forma que el radio de convergencia de la serie geométrica es el intervalo abierto

x 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 detalles

MATEMÁTICA D Módulo I: Análisis de Variable Compleja. Teoría de Residuos

MATEMÁTICA 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 detalles

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES 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 detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE

EL 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 detalles

TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS

TEMA 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 detalles

EL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE

EL 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 detalles

Límites finitos cuando x: ˆ

Límites 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 detalles

2º Bachillerato: ejercicios modelo para el examen de las lecciones 11, 12 y 13

2º 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 detalles

IDENTIFICACION DE SISTEMAS DE SEGUNDO ORDEN

IDENTIFICACION 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 detalles

I.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. 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 detalles

8 Límites de sucesiones y de funciones

8 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 detalles

6. Intervalos de confianza

6. 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 detalles

PRÁCTICA 1: Análisis en el dominio del tiempo de sistemas continuos simples

PRÁCTICA 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 detalles

CURSO CONVOCATORIA:

CURSO 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 detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos 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 detalles

CÁLCULO DE LÍMITES. Por otro lado es importante distinguir en el cálculo de límites, los casos indeterminados de los determinados: = ; = ; =

CÁLCULO 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 detalles

Análisis del caso promedio El plan:

Análisis 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 detalles

T 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. 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 detalles

Tema 8. Limite de funciones. Continuidad

Tema 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 detalles

LÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN

LÍMITE 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 detalles

Variables aleatorias continuas y Teorema Central del Limite

Variables 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 detalles

Respuesta al escalón unitario

Respuesta 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 detalles

ESTIMADOR DE AITKEN Y PROPIEDADES DEL MISMO (Última revisión: 1 de marzo de 2007)

ESTIMADOR 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 detalles

Solución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b

Solución: 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 detalles

Hoja de Problemas Tema 3. (Sucesiones y series)

Hoja 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 detalles

En esta unidad vamos a aprender el proceso inverso de derivar, que se llama integrar. 2, la función F(

En 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 detalles

una sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:

una 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 detalles

FUNCIONES EXPONENCIAL Y LOGARÍTMICA TRANSFORMACIONES ABACOS Prof : Sergio Weinberger. 2 3x. El número e

FUNCIONES 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 detalles

3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)

3.1. 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 detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 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 detalles

IES Fco Ayala de Granada Junio de 2013 (Modelo 1 Específico 2 ) Solución Germán-Jesús Rubio Luna. Opción A

IES 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 detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA 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 detalles

Señales y Sistemas. Análisis de Fourier.

Señales 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 detalles

I. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS

I. 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 detalles

TEMA 1 INTRODUCCIÓN A LA TEORÍA DE LA SEÑAL

TEMA 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 detalles

APLICACIONES 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 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 detalles

Teoría de Sistemas y Señales

Teoría 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 detalles

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.

SERIES 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 detalles

1. 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 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

= 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 detalles

Estimación de Parámetros

Estimación 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 detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas 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 detalles

1. Propiedades de los estimadores

1. 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 detalles

Análisis Matemático IV

Análisis 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 detalles

INTEGRALES INDEFINIDAS

INTEGRALES 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 detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación 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 detalles

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 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 detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos 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 detalles

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n =

85.- 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 detalles

91 EJERCICIOS de DERIVABILIDAD 2º BACH.

91 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