TEMA 1: INCERTIDUMBRE Y PROBABILIDAD

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

Download "TEMA 1: INCERTIDUMBRE Y PROBABILIDAD"

Transcripción

1 MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD La probabldad. Conceptos y cuantfcacón Defncón axomátca de la probabldad Probabldad condconada e ndependenca Probabldad total y teorema de Bayes TEM 1. COMPETENCIS En este tema se pretende famlarzar al alumno con el concepto de probabldad como herramenta para cuantfcar la ncertdumbre asocada a fenómenos aleatoros. Una vez superado el tema los alumnos serán capaces de: Entender las dversas concepcones de la probabldad (clásca, frecuencal y subjetva). Saber dstngur las prncpales expresones que aparecen en el cálculo combnatoro. Interpretar adecuadamente los conceptos de suceso complementaro, unón e nterseccón de sucesos; sucesos ncompatbles y sucesos ndependentes. Identfcar una partcón de sucesos y aplcar sobre ella los teoremas de la probabldad total y Bayes. Interpretar adecuadamente las probabldades a pror, a posteror y las verosmltudes.

2 MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD La probabldad. Conceptos y cuantfcacón Motvacón La probabldad es una medda de la ncertdumbre aplcable a muchas stuacones cotdanas Probabldad de mpago de la deuda? Concepto y sgnfcado de la probabldad Cuantfcacón numérca xomátca Probabldad de que suba el IBEX- 35?

3 Conceptos de probabldad Probabldad Clásca Probabldad Frecuencal Probabldad Subjetva P( ) = c. f. c. p. n fr() = n ( ) P P()= Grado de creenca en Cuántos casos posbles hay? Son equprobables los resultados? Es posble repetr las observacones? Se mantenen las condcones? Es posble observar? Cómo se asgnan las probabldades? Cálculo de probabldades. Teoría combnatora Cuál es la probabldad de ganar una apuesta con dados? Y de tener premo en la lotería prmtva? Y de ser nombrado membro de un jurado popular? Varacones con repetcón Varacones Permutacones Combnacones

4 De cuántas formas es posble selecconar n Varacones elementos partendo de un total de m? Seleccón 1 Varacones con Repetcón VR m, n = m. m... m = m Varacones sn Repetcón Vm, n = m.( m 1)...( m n + 1) n Pueden aparecer elementos repetdos El orden es relevante El orden es relevante De cuántas formas es posble ordenar m elementos? Permutacones P = m m!

5 De cuántas formas es posble formar grupos de tamaño n partendo de un total de m elementos? Combnacones C m, n m m! = = n n!( m n )! El orden NO es relevante MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD Defncón axomátca de la probabldad

6 Expermentos aleatoros. Conceptos asocados E Espaco muestral o suceso seguro (conjunto de resultados posbles de un expermento aleatoro), B... Sucesos (subconjuntos de E) Suceso mposble B Unón de sucesos (ocurre al menos uno de los dos sucesos) B Interseccón de sucesos (ocurren y B) C Suceso complementaro de (no ocurre ) B= Sucesos ncompatbles (no pueden ocurrr smultáneamente) famla de sucesos con estructura de σ-álgebra s a) b) C c),...,,... 1 n = 1 xomátca de Kolmogorov Una medda de probabldad es una aplcacón de en : P: P() que verfca los sguentes axomas: R R ) P() 0, ) P(E) = 1 ) 1,..., n,..., j = j P = 1 = = 1 P( )

7 Propedades dervadas C B P( C ) = 1 P() B P() P(B) P( ) = 0 B B P( B) = P() + P(B) P( B) MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD Probabldad condconada e ndependenca

8 Probabldad condconada La dsponbldad de nformacón afecta a la asgnacón de probabldades Un trabajador tene 24 años o menos Cuál es la probabldad de que se encuentre en paro? INFORMCIÓN DISPONIBLE S edad del trabajador Probabldad de estar en paro condconada por el suceso S La probabldad condconada por un suceso B (P(B)>0), se defne para cada suceso de como: P(/B) = P( B) P(B) Independenca en probabldad La probabldad de ocurrenca de se ve afectada por la ocurrenca de B? NO es ndependente de B P(/B) = P() P ( B) = P()P(B) Condcón de ndependenca es ndependente de B <=> B es ndependente de

9 Ilustracón Encuesta a 100 actvos de 2 comundades autónomas sobre su stuacón laboral sturas () País Vasco (V) Ocupados (O) Parados (N) P = 100 ( N) = 0,06 Probabldad conjunta 14 P = 100 ( N) = 0,14 ( N) P( ) 6 P 0,06 P ( N/) = = = = 0, ,33 ( N) P( V) 8 P V 0,08 P ( N/V) = = = = 0, ,67 Probabldad margnal Probabldades condconadas Independenca? MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD Probabldad total y teorema de Bayes

10 Partcón o sstema completo de sucesos Un sstema de sucesos 1,, n, forman una partcón o sstema completo de sucesos s verfcan: 1) P( ) > 0 = 1,2,...n 2) 3) n = 1 j = = E j E Teorema de la probabldad total Dado un espaco de probabldad (E,,P) sobre el que se establece una partcón ( 1,..., n ), y dado un suceso B de : E P(B) = n = 1 P(B/ )P( ) Probabldades a pror o ncales 1 2 B Verosmltudes 3 4

11 Teorema Probabldad Total. Ilustracón La plantlla de una empresa consta de un 70% de técncos, un 25% de admnstratvos y un 5% de drectvos. En cada una de estas categorías la proporcón de personas que ha comprado accones (C) de la empresa ascende al 40%, 30% y 70% respectvamente lternatva Técncos (T) dmnstratvos () Drectvos (D) Partcón Probabldad a pror 0,70 0,25 0,05 Comprar accones (C) 40% 30% 70% Verosmltudes Selecconado un trabajador al azar, probabldad de que haya comprado accones de la empresa? P(C)=P(C/T)P(T)+P(C/)P()+P(C/D)P(D)=0,39 Teorema de Bayes Dada una partcón 1,..., n de E y otro suceso B tal que P(B)>0, entonces se tene: P( /B) = n P(B/ = 1 P(B/ )P( ) )P( ) Probabldades a posteror o fnales

12 Probabldades a posteror. Ilustracón Un trabajador ha comprado accones de la empresa, probabldad de que se trate de un drectvo? P(C/D)P(D) (0,70)(0,05) P(D/C) = = = 0,09 P(C) 0,39 lternatva Probabldad a pror Probabldad con compra de accones Técncos (T) 0,7 0,72 dmnstratvos() 0,25 0,19 Drectvos (D) 0,05 0,09 Probabldades a posteror o fnales

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

FACULTAD DE INGENIERÍA U N A M

FACULTAD DE INGENIERÍA U N A M FCULTD DE INGENIERÍ U N M Irene atrca Valdez y lfaro renev@servdor.unam.mx T E M S DEL CURSO 1. nálss Estadístco de datos muestrales. 2. Fundamentos de la Teoría de la probabldad. 3. Varables aleatoras.

Más detalles

4. PROBABILIDAD CONDICIONAL

4. PROBABILIDAD CONDICIONAL . ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD

INTRODUCCIÓN A LA PROBABILIDAD INTRODUCCIÓN A LA PROBABILIDAD José Lus Quntero Expermento aleatoro Expermento Bnomal Teoría de Conjuntos Probabldad Teorema de Bayes Técncas de Conteo Unversdad Central de Venezuela Facultad de Ingenería

Más detalles

PROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos.

PROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos. ROILIDD Álgebra de sucesos. Un fenómeno o exerenca se dce que es aleatoro cuando al reetrlo en condcones análogas es mosble de redecr el resultado. El conjunto de todos los resultados osbles de un exermento

Más detalles

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c. Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Tema 1: TEORÍA DE LA PROBABILIDAD

Tema 1: TEORÍA DE LA PROBABILIDAD Tema : TEORÍ DE L ROLDD Carlos lberola López Lab. rocesado de magen, ETS Telecomuncacón Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lp.tel.uva.es/sar . ara qué estudar esto? Se pretende

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

Más detalles

PROBABILIDADE 1) EXPERIMENTO ALEATORIO. ESPACIO MOSTRAL ASOCIADO.

PROBABILIDADE 1) EXPERIMENTO ALEATORIO. ESPACIO MOSTRAL ASOCIADO. PROBABILIDADE 1) EXPERIMENTO ALEATORIO. ESPACIO MOSTRAL ASOCIADO. 1.1 Concepto de expermento aleatoro : aqueles expermentos que ó repetlos en análogas condcóns non se pode predecr o resultado en cada nova

Más detalles

Variables aleatorias discretas

Variables aleatorias discretas UNIDAD 5 Varables aleatoras dscretas Objetvos Al fnalzar la undad, el alumno: utlzará el método de puntos muestrales asocado a varables aleatoras dstngurá una varable aleatora dscreta de una varable aleatora

Más detalles

TEMA 1: PROBABILIDAD

TEMA 1: PROBABILIDAD robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Introducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava

Introducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

Tema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas

Tema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO.

INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO. INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO. I.- RELACIONE AMBOS COLUMNAS Y SELECIONE LA RESPUESTA CORRECTA

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa Geometría Axomátca de la Convexdad Parte II: Axomátca de Cápsula convexa Juan Carlos Bressan Resumen En la Parte I estudamos una axomátca de segmentos, en la que defnmos los convexos y estudamos sus propedades

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Guía para la autoevaluación del del capítulo 6

Guía para la autoevaluación del del capítulo 6 Capítulo 6: EL BANCO CENTRAL Y LA POLÍTICA MONETARIA Guía para la autoevaluacón del del capítulo 6 1) Ante una recuperacón económca, cuál es el cambo que se produce en los valores de equlbro del mercado

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Vectores en el espacio

Vectores en el espacio ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c

Más detalles

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e Números Complejos Matemátca 4º Año Cód. 403-8 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e Números Complejos Matemátca 4º Año Cód. 404-7 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de M atemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

Números Complejos. Matemática

Números Complejos. Matemática Números Complejos Matemátca 4º Año Cód. 40-6 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Números Complejos. Matemática

Números Complejos. Matemática Números Complejos Matemátca 4º Año Cód. 40-5 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Probabilidad condicionada

Probabilidad condicionada Probabldad condconada Ejemplo: En una empresa con 00 empleados, 00 hombres y 00 mujeres, hay que selecconar a varos de ellos, por sorteo, para formar un comté que supervse las decsones de la drectora.

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones. Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo

Más detalles

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica. TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

deterministas, que son aquellos cuyos resultados se pueden predecir de antemano, y

deterministas, que son aquellos cuyos resultados se pueden predecir de antemano, y CÁLCULO DE PROBBILIDDES : Experimento aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuencias. Propiedades. Probabilidad. Resumen de Combinatoria. Probabilidad condicionada. Teoremas. PROBBILIDD

Más detalles

Mecánica Estadística: Estadística de Maxwell-Boltzmann

Mecánica Estadística: Estadística de Maxwell-Boltzmann Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra

Más detalles

Indice de Coste Laboral Armonizado. Metodología

Indice de Coste Laboral Armonizado. Metodología Indce de Coste Laboral Armonzado Metodología Indce 1. Introduccón 2. Defncones 3. Formulacón 4. Ajuste de seres 1. Introduccón El objetvo prncpal del Indce de Coste Laboral Armonzado es proporconar una

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

La representación Denavit-Hartenberg

La representación Denavit-Hartenberg La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

MÓDULO DE ADMINISTRACIÓN DE DOCUMENTOS EN IRON MOUNTAIN CONNECT C

MÓDULO DE ADMINISTRACIÓN DE DOCUMENTOS EN IRON MOUNTAIN CONNECT C Búsqueda smple MÓDULO DE ADMINISTRACIÓN DE DOCUMENTOS EN IRON MOUNTAIN CONNECT C3.2 07.16 2016 Iron Mountan Incorporated. Todos los derechos reservados. Iron Mountan y el dseño de montaña son marcas regstradas

Más detalles

PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS 1. La Significación de Medias en Muestras Grandes

PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS 1. La Significación de Medias en Muestras Grandes Departamento de Maneo Forestal FR00 SEMINARIO EN ESTADISTICA FORESTAL PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS La Sgnfcacón de Medas en Muestras Grandes De las sesones anterores podemos entender

Más detalles

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de

Más detalles

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena. UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es

Más detalles

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las

Más detalles

UNIDAD Nº 3 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

UNIDAD Nº 3 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD UNIDAD Nº 3 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD DISTRIBUCION BINOMIAL: Se busca generalmente, determnar la probabldad de que un suceso ocurra un determnado número (n ) de veces en n repetcones de

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

5. DIAGONALIZACIÓN DE MATRICES

5. DIAGONALIZACIÓN DE MATRICES Dagonalzacón Herraentas nforátcas para el ngenero en el estudo del algebra lneal 5. DIAGONALIZACIÓN DE MATRICES 5.1. INTRODUCCIÓN 5.2. VALORES Y VECTORES PROPIOS 5.3. MATRICES DIAGONALIZABLES 5.4. DIAGONALIZACIÓN

Más detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

IN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco

IN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

Tema 2: El modelo clásico de regresión

Tema 2: El modelo clásico de regresión CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores

Más detalles

INTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES

INTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES Metodología de Encuestas ISSN: 1575-7803 Vol 4, Núm 1, 00, 87-104 INTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES Gonzalo Sánchez-Crespo Insttuto

Más detalles

CAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS

CAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS CAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES Departamento de Métodos

Más detalles

Aprendizaje Bayesiano. Oscar Javier Prieto Izquierdo Raúl Casillas Díaz

Aprendizaje Bayesiano. Oscar Javier Prieto Izquierdo Raúl Casillas Díaz Aprendzaje Bayesano Oscar Javer Preto Izquerdo Raúl Casllas Díaz Contendos Introduccón. Teorema de Bayes. MAP Maxmum a posteror. Aprendzaje MAP. Clasfcador bayesano óptmo. Aprendzaje bayesano nave. Ejemplo.

Más detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

ÍNDICE FUNDAMENTOS UNIDAD DIDÁCTICA 1. Capítulo 1. Presentación...15

ÍNDICE FUNDAMENTOS UNIDAD DIDÁCTICA 1. Capítulo 1. Presentación...15 ÍNDICE Presentacón...5 UNIDAD DIDÁCTICA Capítulo FUNDAMENTOS. Crcuto eléctrco... 2 2. Símbolos lterales... 2 3. Convenos para el sentdo de referenca de la corrente eléctrca... 23 4. Convenos para la polardad

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

ESTADÍSTICA II ESTADÍSTICA INFERENCIAL PARAMÉTRICA, NO PARAMÉTRICA Y MULTIVARIANTE

ESTADÍSTICA II ESTADÍSTICA INFERENCIAL PARAMÉTRICA, NO PARAMÉTRICA Y MULTIVARIANTE ESTADÍSTICA II ESTADÍSTICA INFERENCIAL PARAMÉTRICA, NO PARAMÉTRICA Y MULTIVARIANTE Notas de apoyo para el curso Prmera Edcón, febrero de 212 Dr. Oscar Valdemar De la Torre Torres Academa de Matemátcas

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.

Más detalles

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca

Más detalles

Tema 21: Distribución muestral de un estadístico

Tema 21: Distribución muestral de un estadístico Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15

Más detalles

Modelos de participación de mercado

Modelos de participación de mercado Modelos de partcpacón de mercado IN58B Ingenería de Marketng Ncolás Frts Manuel Reyes Maurco Ramírez Introduccón Por qué modelos de Partcpacón de Mercado (PM)? Se busca modelos en que puedan ntroducrse

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

Clase Auxiliar #1: Teoría de Juegos

Clase Auxiliar #1: Teoría de Juegos UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía

Más detalles

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X: 7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos

Más detalles

UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE TESIS DOCTORAL

UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE TESIS DOCTORAL UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE TESIS DOCTORAL ESTUDIO DE LA VARIABILIDAD CLIMÁTICA DE VALORES EXTREMOS DE OLEAJE Presentada por: CRISTINA IZAGUIRRE

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia

Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia Unverstas Scentarum ISS: 0-7483 revstascentfcasjaverana@gmal.com Pontfca Unversdad Javerana Colomba Aranda, Mosés; Molna, Fabo; Moreno, Vladmr EL PROBLEMA DEL CUMPLEAÑOS, UA GEERALIZACIÓ Unverstas Scentarum,

Más detalles

Estadística I Tema 4: Probabilidad

Estadística I Tema 4: Probabilidad Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5 Modelos de Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl

Más detalles

Capítulo 2. Juegos Simples Introducción

Capítulo 2. Juegos Simples Introducción Capítulo 2 Juegos Smples 2.. Introduccón Una vez ntroducdos los conceptos de los juegos cooperatvos, vamos a centrarnos en una famla muy mportante dentro de los juegos cooperatvos de utldad transferble.

Más detalles