TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

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

Download "TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)"

Transcripción

1 TEMAS DE MATEMÁTICAS (Ooscoes de Secudaa TEMA 6 DESIGUALDAD DE TCHEBYCHEV. COEFICIENTE DE VARIACION. VARIABLE NORMALIZADA. ALICACIÓN AL ANÁLISIS, INTERRETACIÓN Y COMARACIÓN DE DATOS ESTADÍSTICOS.. Vaable Aleatoa... Coceto de Vaable Aleatoa... Vaable Aleatoa Dsceta..3. Vaable Aleatoa Cotua.. Eseaza Matemátca... Mometos... Vaable Nomalzada.3. Coefcete de Vaacó. 3. Desgualdades de Makov y Tchebychev. 4. Teoemas de Beoull y Move. 5. Alcacó al Aálss, Iteetacó y Comaacó de Datos Estadístcos. 5.. Ejemlos. Bblogafía Recomedada. /4

2 TEMA 6 DESIGUALDAD DE TCHEBYSCHEV. COEFICIENTE DE VARIACION. VARIABLE NORMALIZADA. ALICACIÓN AL ANÁLISIS, INTERRETACIÓN Y COMARACIÓN DE DATOS ESTADÍSTICOS.. VARIABLES ALEATORIAS... Coceto de Vaable Aleatoa. DEF Sea u exemeto E y sea Ω el esaco muestal asocado co el exemeto. Llamaemos Vaable Aleatoa a ua fucó X que asga a cada elemeto s Ω u úmeo eal X(s. DEF Demos que ua vaable aleatoa es Dsceta s sólo toma u úmeo fto de valoes o u úmeo fto eo umeable. S la vaable aleatoa es dsceta, eumeaemos los valoes que toma como x, x, x 3,... DEF Demos que ua vaable aleatoa es Cotua s toma u úmeo fto o umeable de valoes.. Vaables Aleatoas Dscetas. DEF Defmos la fucó de obabldad de la vaable aleatoa dsceta X como aquella fucó que asga a cada úmeo eal x la obabldad de que la vaable aleatoa tome ese valo, Xx. f(x (Xx Tegamos e cueta que la vaable aleatoa X estaba defda sobe u esaco muestal Ω, el cual es dsceto. E cambo, la fucó de obabldad f(x esta defda sobe. Así ues, s el úmeo eal x o eteece al cojuto de valoes que toma X, se vefcaá f(x (Xx 0 E cambo, s eteece al cojuto de los valoes asumbles o X, se vefcaá: f(x (Xx > 0 E este caso, f(x seá la suma de las obabldades de todos los sucesos elemetales a los que X asga el valo x. Las oedades fudametales de la fucó de obabldad o so más que la taduccó de los axomas de la obabldad. RO S x, x,..., x so los valoes que toma la vaable aleatoa X, se vefca: /4

3 f x ( X x ( X x K ( X x ( f(x >0 :,,..., 3 S a<b<c, y defmos los sucesos mutuamete excluyetes A{aXb} y B{b<Xc}. S C{aXc}, es clao que CA B y, o tato: (axc (axb (b<xc DEF Defmos la fucó de Dstbucó de ua vaable aleatoa dsceta X como F(x(Xx. Esta clao que esa obabldad seá la suma de las obabldades de todos los sucesos elemetales de Ω a los que X asga valoes meoes o guales que x. RO La fucó de dstbucó de ua vaable aleatoa vefca las sguetes oedades: F(- 0 F( 3 F(x es cecete. 4 (a<xb F(b F(a. 5 F(x es Cotua o la Deecha. Dem. Sea x, x,..., x los úcos valoes que uede toma la vaable aleatoa X y sea x 0 u valo meo que el más equeño de los valoes ateoes. Es clao que el suceso {Xx 0 } es u suceso mosble. o tato su obabldad es ceo, mateedose dcho valo cuado más equeño sea x 0. Luego se vefca. Aáloga a la ateo. 3 o oa Defcó, ya que todos los sumados so o egatvos. 4 Los sucesos {Xa} y {a<xb} so mutuamete excluyetes, y su uó es el suceso {Xb} (Xb (Xa (a<xb Es dec (a<xb (Xb - (Xa F(b F(a 5 o Defcó..3. Vaables Aleatoas Cotuas. DEF Llamamos fucó de Desdad de obabldad de ua vaable aleatoa cotua X a ua fucó f(x que vefca las dos codcoes sguetes: f(x 0 f ( x dx 3/4

4 DEF Llamaemos fucó de Dstbucó de la vaable aleatoa cotua X a ua fucó que asga a todo úmeo eal x, la obabldad de que X sea gual o meo que x. x F ( x ( X x f ( t dt RO La fucó de dstbucó de ua vaable aleatoa cotua X vefca: F( Lm F( x 0 x F( Lm F ( x x 3 F(x es ua fucó o dececete. 4 (a<xb F(b F(a. df( x 5 S F(x es devable, f ( x dx Dem. Imedata.. ESERANZA MATEMÁTICA. DEF Sea X ua vaable aleatoa co fucó de obabldad f(x. Llamaemos Eseaza Matemátca de X a µ, sedo: Caso Dsceto: µ E ( X x f ( x Caso Cotuo: µ E ( X xf ( x dx La eseaza matemátca, deotada o E(X, també ecbe el ombe de Meda o Valo Eseado. Cuado ua vaable aleatoa se exesa medate ua fucó YG(X, co X ota vaable aleatoa, odemos exesa la eseaza matemátca de Y utlzado X como sgue: Caso Dsceto. µ E ( Y E( G( X g( x f ( x yh( y Caso Cotuo. µ E ( Y E( G( X g( x f ( x dx yh( y dy S teemos que ua vaable aleatoa Z se exesa como oducto de otas dos vaables aleatoas, ZX Y, su eseaza matemátca seá: E( Z E( XY, j x y j f ( x, y E ( Z E( XY xyf ( x, y dxdy j 4/4

5 RO Sea a y b costates y X ua vaable aleatoa co meda µ. S YaXb etoces E(Y aµb. RO El valo eseado de la suma o dfeeca de dos o más fucoes de ua vaable aleatoa X, es la suma o dfeeca de los valoes eseados de las fucoes. E[g(X±h(X] E[g(X] ± E[h(X] RO La Eseaza Matemátca es ua fucó leal. E(aXbY ae(x be(y... Mometos. DEF Sea X ua vaable aleatoa Dsceta co fucó de obabldad f(x. Llamaemos Mometo de Ode Resecto al Oge de la vaable aleatoa X, y lo deotamos o α, a la exesó: E( X x f ( x α DEF Sea X ua vaable aleatoa Cotua co fucó de desdad de obabldad f(x. Llamaemos Mometo de Ode Resecto al Oge de la vaable aleatoa X, y lo deotamos o α, a la exesó: α E( X x f ( x dx odemos destaca a µ que coesode ecsamete co E(X, la meda de la vaable aleatoa. DEF Sea X ua vaable aleatoa Dsceta co fucó de obabldad f(x. Llamaemos Mometo Cetal de Ode de la vaable aleatoa X, y lo deotamos o µ, a la exesó: µ [( X E X ] ( X E( X E ( f ( x DEF Sea X ua vaable aleatoa Cotua co fucó de desdad de obabldad f(x. Llamaemos Mometo Cetal de Ode de la vaable aleatoa X, y lo deotamos o µ, a la exesó: µ [( X E( X ] ( X E( X E f ( x dx DEF Sea X ua vaable aleatoa co dstbucó de obabldades f(x y meda µ. Defmos la Vaaza de X, y se deota o Va(X, como µ, Mometo Cetal de Ode. E el caso dsceto [ ( X E ( X E( X ] ( x Va µ µ f ( x E el caso cotuo ( X E[ ( X E( X ] Va µ ( x µ f ( x dx 5/4

6 DEF Llamamos Desvacó Tíca o Estáda de ua vaable aleatoa X, y se deota o σ, a la aíz cuadada de la Vaaza. σ Va( X µ RO La vaaza de ua vaable aleatoa X se uede exesa como la meda de los cuadados meos el cuadado de la meda. [( X E( X ] E( X E( Va( X E X RO S a y b so costates y X es ua vaable aleatoa co meda µ y vaaza σ. Se vefca: Va(aXb a Va(X.. Vaable Nomalzada. DEF S e la ooscó ateo, tomamos como caso atcula los valoes a y σ µ X µ b, la vaable, que exesa la desvacó de la vaable aleatoa X σ σ esecto de su meda y medda e udades de la desvacó tíca, ecbe el ombe de Vaable Nomalzada o Tfcada. Nótese que la meda de la vaable omalzada es ceo y su desvacó tíca uo. X µ X µ X µ E 0 Va σ E σ σ.3. Coefcete de Vaacó. DEF Llamaemos Coefcete de Vaacó de la vaable aleatoa X al cocete de la desvacó tíca o la meda. σ E(X aa ode comaa las medas atmétcas de dos dstbucoes que vega dadas e udades dfeetes teemos el coefcete de vaacó de easo. DEF Defmos el coefcete de vaacó de easo como la elacó o cocete ete la desvacó tíca y la meda atmétca. V σ µ 6/4

7 E me luga, teemos que dcha medda es admesoal. E segudo luga, V eeseta el úmeo de veces que σ cotee a µ. Cuato mayo sea V, más veces cotedá σ a µ, luego elatvamete a mayo V meo eesetatvdad de µ. Este coefcete se suele exesa e tato o ceto, sedo σ V 00 µ Como tato e σ como e µ ha tevedo todos los valoes de la dstbucó, V eseta la gaatía de que utlza toda la fomacó. La cota feo de V es ceo, al se éste el meo valo que uede toma σ, y es el valo de V que dca la máxma eesetatvdad de µ. E caso de que la meda atmétca sea ula, el valo de V o es sgfcatvo, ya que su esultado uméco os uede hace toma coclusoes estadístcamete equvocadas. 3. DESIGUALDADES DE MARKOV Y TCHEBYCHEV. E este aatado vamos a ve las desgualdades de Makov y Tchebychev. Ambas se basa e el coceto de valo eseado aa establece acotacoes sobe la obabldad. La desgualdad de Makov establece ua acotacó de la obabldad de ua fucó o egatva de ua vaable aleatoa X. Co la desgualdad de Tchebychev, s coocemos la dstbucó de obabldades de ua vaable aleatoa X, odemos calcula su eseaza E(X y su vaaza Va(X, s exste. S embago, el ecíoco es falso. Es dec, coocedo la meda y la vaaza de la vaable aleatoa X o odemos ecostu la dstbucó de obabldades de X. Debdo a esto, es coveete obtee uas cotas sueo e feo aa la fucó de obabldad. DESIGUALDAD DE MARKOV. Dadas ua fucó g o egatva de la vaable aleatoa X y ua costate t ostva, se vefca que E [ ] [ g( X ] g( X t t Dem. La demostacó vamos a ealzala aa el caso de que la vaable aleatoa X sea cotua. El caso dsceto es aálogo. Sea D el domo e el que g(x t. Etoces: E [ g( X ] g( x f ( x dx g( x f ( x dx tf ( x dx t D D D f ( x dx Teedo ahoa e cueta las oedades que vefca la fucó de desdad: 7/4

8 esulta que y oeado llegamos a f ( x dx y f ( x dx [ g( X t] D E [ g( X ] t[ g( X t] E ( [ g X t] [ g( X ] U caso atcula que meece la ea destaca es cuado la fucó g sea la detdad, g(xx. E este caso [ X t] t E[ X ] t seme que X 0. Esta exesó os va a emt demosta la desgualdad de Tchebychev. DESIGUALDAD DE TCHEVYCHEV. Sea X ua vaable aleatoa co meda µ y vaaza σ. Etoces, k>0 se vefca: Dem. k ( µ kσ < X < µ kσ ( X µ < kσ Defamos la vaable aleatoa Y[X-E(X]. Como (Y 0 odemos alca la desgualdad de Makov, aa obtee: E( Y σ ( X µ kσ ( Y k σ k σ k σ k vefcado su comlemetao la desgualdad que queemos demosta: k ( X µ < kσ Veamos ahoa ota maea de euca la desgualdad de Tchevybech, y vamos a ealza su demostacó aa el caso de ua vaable dsceta. DESIGUALDAD DE TCHEVYBECH. Sea X ua vaable aleatoa. k>o se vefca: Dem. E( X k ( X k 8/4

9 Sea X ua vaable aleatoa dsceta. Etoces E( X E( X x x x k x x k kx x x k< x< k k x k kx x k x E( X E( X k ( X k ( X k S e la desgualdad ateo susttumos la vaable aleatoa X o ota vaable que X µ esté tfcada, obteemos la desgualdad de Tchevychev demostada e me σ luga. La desgualdad de Tchevychev os va a sev aa ode justfca la toduccó del coceto fecuecalsta de obabldad. Sea A u suceso aleatoo, co obabldad, (A. Sea f la vaable aleatoa que mde el úmeo de aacoes de A e ua see de obsevacoes deedetes. k f X X... X dode X 0 s se vefca A s o se vefca A e la -ésma exeeca E(X (A 0 ( (A Va(X E[(X ] ( ( (0 ( Como los exemetos so deedetes: E(f E(X E(X... E(X Va(f Va(X Va(X... Va(X ( 4. TEOREMAS DE BERNOUILLI Y MOIVRE. TEOREMA DE BERNOUILLI. Dado k>0, la obabldad de que la desvacó absoluta de la fecueca elatva de A sea mayo que k e la eetcó de exeecas deedetes esecto a la obabldad de A tede a 0 cuado tede a. Dem. 9/4

10 Alquemos la desgualdad de Tchebychev a la vaable aleatoa f. f E σ Va f ( ( f k ( k 4k ya que ( [ 0, ] 4 Etoces: Lm f k 0 U caso algo más geeal fue obtedo o osso, que hacía vaa la obabldad de A de u exemeto a oto. S la obabldad de A e el exemeto -ésmo es, teemos que y etoces sedo la obabldad meda. E ( f Va( f f k ( ( k 4 k El teoema de Beoull se ublco e el año 73, 50 años desués que la desgualdad de Tchebychev. Ogalmete se demostó calculado dectamete la obabldad f k ( f k ( k ( k ( Beoull tadó vete años e calcula el sumatoo ateo, y oba que tede a cuado tede a. S embago, hoy e día uede deducse u esultado mucho más geeal que el de Beoull y que fue dado o De Move e 733, y que se odía euca como: La Dstbucó Bomal es Astótcamete omal també coocdo como Teoema Cetal del Límte, e foma educda. 0/4

11 /4 E la demostacó de De Move, se utlzaba la vaable tfcada ( f Etoces: < < ( ( ( ( ues be < < ( π du e Lm u sedo la exesó de la deecha la fucó de dstbucó omal. El cálculo de la obabldad ( ( ( ateo, cuado uede hacese de foma lgeamete dstta, lo que oocoa ota dstbucó límte, llamada de osso, muy útl cuado es muy gade y es muy equeña. Sea u aámeto tal que y q X! ( ( ( K! L Tomado límtes cuado os queda la dstbucó de osso e X! ( Se vefca que! 0 e, la eseaza es y la vaaza es σ E la áctca, se suele utlza cuado es suceso A es ao y 5

12 5. ALICACIÓN AL ANÁLISIS, INTERRETACIÓN Y COMARACIÓN DE DATOS ESTADÍSTICOS. La ocó de ley de obabldad coesodete a ua vaable aleatoa se toduce e Estadístca como u modelo de las eguladades que se obseva al cosdea sees estadístcas. Al gual que sucede co todas las teoías de las Matemátcas, la seguda ate es ve como se adata los modelos matemátcos a la ealdad. Igualmete, s llegamos a establece cteos que emta afma que ua see estadístca se uede cosdea como ua ceta aoxmacó de ua ley de obabldad, odemos admt que el mecasmo que coduce a estas obsevacoes seá aálogo al de los exemetos magados aa obtee valoes del uveso que tee dcha ley de obabldad. Cocetamete, al alca métodos estadístcos aa obtee uevos coocmetos de los feómeos atuales, se uede cosdea cuato etaas: a Desccó. ooe la ecogda, clasfcacó y esetacó esumda de datos elatvos a u feómeo. b Modelos. aa exlca los hechos obsevados se fomula hótess, teoías o se busca modelos, que exese e foma matemátca las elacoes que se ha obsevado e los datos estadístcos. c Vefcacó. També llamado Cotaste del Modelo, Se ealza medate la ecogda de uevos datos estadístcos elatvos al feómeo estudado. S la ley se cofma, odá utlzase e lo sucesvo. S o, se descata. d edccó. La teoía o modelo establecdo emte establece edccoes. 5.. Ejemlos. a Ley de Medel. Desccó. Medel estudó el cuce de ua vaedad de gusates amallos co otos vedes. Los gusates vedes, al eoducse, da seme vedes, eo los amallos da uos sólo amallos y otos amallos y vedes. Estos amallos da ua aza ua que da /4

13 defdamete amallos. S se cuza vedes co amallos de aza ua, se obtee ua mea aza de híbdos vedes. S éstos se cuza ete sí, se obtee gusates amallos y vedes aoxmadamete e ua oocó 3 a. Modelo Matemátco. Este modelo fue sugedo o el oo Medel. E los comosomas del gusate hay u coúsculo otado del colo. E la aza híbda, uos gametos lleva el ge V y otos el A e la msma oocó. Al fomase las células, se uede tee los sguetes tos: V V A V V A A A Como A es domate, etoces la oocó de amallos es de ¾. 3 Vefcacó. E este caso, la comobacó de la Ley debe hacese co test de hótess, o ejemlo la χ de easo. 4 edccó. Ua vez cofmada la ley, se uede sabe co ceta obabldad cual seá el esultado del cuzameto de dos latas de gusates e las codcoes ateoes. b Caldad e la oduccó de Iyectables. Desccó. Se ha obsevado que ua máqua oduce yectables co u ocetaje de defectuosos del % e u lote de udades. Modelo. El úmeo de yectables defectuosos e ua caja de 00 udades es vaable, eo ua teoía basada e la obsevacó y e u modelo del cálculo de obabldades emte cosdea el úmeo de defectuosos como ua vaable de osso 3 Vefcacó. S este modelo es cofmado o la exeeca, se uede utlza aa la edccó. S o es cofmado, se evsa la hótess del aso. 4 edccó. La hótess y teoía ateo emte edec que es áctcamete seguo que e ua caja de 00 udades de yectables aaezca, a lo sumo, cuato defectuosos. 3/4

14 BIBLIOGRAFÍA RECOMENDADA. Itoduccó a la Teoía de la Estadístca. Aut.: Mood/Gaybll. Ed. Agula. Itoduccó a la obabldad y la Medda. Aut. ocoo Zooa. Ed. U Algotmo. Matemátcas II. Cou. Aut.: Vzmaos y Azola. Edt. SM. Cuso Básco de Estadístca Ecoómca. Aut.: M.. Matí y F.J. Matí. Edt.: AC. 4/4

5. Estimación puntual. Curso Estadística

5. Estimación puntual. Curso Estadística 5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de

Más detalles

Evento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro).

Evento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro). I. INTRODUION. oceptos báscos xpemeto: Ua stuacó que da luga a u esultado detfcable. muchos estudos cetífcos os efetamos co expemetos que so epettvos po atualeza o que puede se cocebdos como epettvos.

Más detalles

Estadística Tema 9. Modelos de distribuciones. Pág. 1

Estadística Tema 9. Modelos de distribuciones. Pág. 1 Estadístca Tema 9. Modelos de dstbucoes. Pág. 9 Modelos de dstbucoes. 9. Modelos dscetos de vaables aleatoas. 9.. Epemetos y dstbucó de Beoull. 9.. Dstbucó bomal. 9.. Dstbucó ufome dsceta. 9.. Dstbucó

Más detalles

MANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente

MANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente ANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA 35 ANEXO A5 PROPAGACIÓN DE ERRORES Ramo abello Péez Escuela de Geocecas y edo Ambete 36 ANEXO 5 A5 PROPAGACIÓN DE ERRORES Tomado de la Ref. [0] Las magtudes

Más detalles

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS Julo Olva Coteo Estadístca TEMA 6 MEDIDA DE FORMA: AIMETRÍA Y CURTOI. MOMETO. Moetos de ua dstbucó Los oetos de ua dstbucó so eddas obtedas a pat de todos sus datos y de sus fecuecas absolutas. Estas eddas

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

Bolilla 4: Rotación de los cuerpos rígidos. Movimiento circular

Bolilla 4: Rotación de los cuerpos rígidos. Movimiento circular Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula 4. Vaables Agulaes Las vaables agulaes sve aa eeseta e foma mas smle e dóea al movmeto de otacó. La

Más detalles

UNIVERSIDAD DE JAÉN. Aproximación Bayesiana a la metodología de la Verosimilitud Empírica. Departamento de Estadística e I.O.

UNIVERSIDAD DE JAÉN. Aproximación Bayesiana a la metodología de la Verosimilitud Empírica. Departamento de Estadística e I.O. UNIVERSIDAD DE JAÉN Deatameto de Estadístca e I.O. Aomacó Bayesaa a la metodología de la Veosmltud Emíca Memoa esetada aa ota al gado de docto o Raúl Amo Puldo. Vº Bº del Decto Vº Bº del Tuto Fdo. D. Calos

Más detalles

Variables aleatorias

Variables aleatorias Vaables aleatoas M. e A. Vícto D. Plla Moá Facultad de Igeeía, UNAM Resume El cocepto de vaable aleatoa como abstaccó de u eveto aleatoo y su defcó. vaable aleatoa dsceta: fucó de pobabldad, sus popedades

Más detalles

IES Mediterráneo de Málaga Solución Junio 2012 Juan Carlos Alonso Gianonatti. Serie 3

IES Mediterráneo de Málaga Solución Junio 2012 Juan Carlos Alonso Gianonatti. Serie 3 E Medteáeo de Málaga olucó Juo Jua Calos loso Gaoatt ee.- Dga aa qué alo del aáeto los laos π :, π : π : tee coo teseccó ua ecta. [ utos] Tee coo teseccó ua ecta cuado el sstea que foa sea coatle deteado

Más detalles

DEF Diremos que una variable aleatoria es Discreta si sólo toma un número finito de valores o un número infinito pero numerable.

DEF Diremos que una variable aleatoria es Discreta si sólo toma un número finito de valores o un número infinito pero numerable. 1. VARIABLES ALEATORIAS. 1.1. Concepto de Vaiable Aleatoia. DEF Sea un expeimento E y sea Ω el espacio muestal asociado con el expeimento. Llamaemos Vaiable Aleatoia a una función X que asigna a cada elemento

Más detalles

TEMA 2 MEDIDAS DE CENTRALIZACIÓN

TEMA 2 MEDIDAS DE CENTRALIZACIÓN D37 ESTADÍSTICA. Tema TEMA MEDIDAS DE CETRALIZACIÓ. Caacteístcas de las meddas de poscó cetal.. Meddas de cetalzacó: meda atmétca, medaa y moda. Popedades. Relacó ete meda, medaa y moda..3 Cuatles: cuatles,

Más detalles

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II Uvesdad Técca Fedeco Sata Maía Uvesdad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-80 Capítulo Aálss de datos (Bvaados( Bvaados) Estadístca Computacoal I Semeste 006 Pate II Poesoes: Calos Valle ([email protected])

Más detalles

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

ESTUDIO DE LA CONSISTENCIA

ESTUDIO DE LA CONSISTENCIA 6. ESTUDIO DE LA COSISTECIA 76 Caítulo 6 ESTUDIO DE LA COSISTECIA 6.. DESARROLLOS DE TAYLOR. Este caítulo tee coo obeto eseta u ocedeto de aálss geéco aa el estudo de la cossteca. Este ocedeto os ayudaá

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Cinemática del Robot Industrial

Cinemática del Robot Industrial Cemátca del Robot Idustal M.C. Mguel de J. Ramíe C. CMfgT Automatacó de Sstemas de Maufactua Adatacó: Glbeto Reoso Estuctua Mecáca del Robot Idustal Mecácamete u obot es ua cadea cemátca fomada de eslaboes

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejeccos de Selectvdad sobe Ifeeca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Facsco Roldá López de Heo * Covocatoa de 007 Las sguetes págas cotee las solucoes de los

Más detalles

ESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA

ESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA ESTUDIO CIS º 3020 CIUDADAÍA ISSP FICA TÉCICA Ámbto: acoal cludas las Cudades Autóomas de Ceuta y Mellla. Uveso: Poblacó esdete de ambos sexos de 8 años y más. Maco: Padó Mucpal de abtates a de eeo de

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Espacio Euclídeo real n-dimensional TEOREMA DE WEIERSTRASS

Espacio Euclídeo real n-dimensional TEOREMA DE WEIERSTRASS Espaco Euclídeo eal -desoal TEOREMA DE WEERSTRASS Se geealza peaete a R el pcpo de ecaje de ato e R que es el stueto paa deosta el teoea del puto de acuulacó o de Bolzao- Weestass del que se deduce el

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Capítulo 2: ANÁLISIS ESTADÍSTICO

Capítulo 2: ANÁLISIS ESTADÍSTICO Capítulo : ANÁLISIS ESTADÍSTICO El aálss estadístco es todo el poceso de ogazacó, pocesameto, educcó e tepetacó de datos paa ealza eecas. Recodemos que los datos se tasomaá e omacó útl paa la toma de decsoes,

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES Espacios Vectoiales Heamietas ifomáticas paa el igeieo e el estudio del algeba lieal. ESPACIOS VECTORIALES.. ESTRUCTURA DE ESPACIO VECTORIAL... Defiició..2. Ejemplos de espacios vectoiales..3. Popiedades

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Fundamentos de Estadística:

Fundamentos de Estadística: Fudametos de Estadístca: Resúmees. A. Roeto Espeo Mohedao. Atuo Gallego egado. TEMA : Itoduccó a la Estadístca. La Estadístca las estadístcas. Defcó de Estadístca: o Estadístca Descptva. o Estadístca Matemátca

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Consideremos una lista p (l), p (2), p (3),... de proposiciones con índices en P. Todas las proposiciones p(n) son verdaderas a condición de que:

Consideremos una lista p (l), p (2), p (3),... de proposiciones con índices en P. Todas las proposiciones p(n) son verdaderas a condición de que: INTRODUCCION S estamos ete matemátcos, la palaba duccó os sugee el Pcpo de Iduccó Matemátca: S ua popedad vale paa 0 y s sempe que la popedad vale paa u úmeo (atual) vale paa su suceso, etoces la popedad

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

LA SERIE GEOMETRICA Y SU DERIVADA

LA SERIE GEOMETRICA Y SU DERIVADA Scietia et Techica Año XVII, No 7, Abil de 0. Uivesidad Tecológica de Peeia. ISSN 0-70 96 LA SERIE GEOMETRICA Y SU DERIVADA The Geometic seies ad it deivative RESUMEN E este atículo hallaemos el valo al

Más detalles

Santiago de la Fuente Fernández. Regresión Lineal Múltiple

Santiago de la Fuente Fernández. Regresión Lineal Múltiple atago de la Fuete Feádez egesó Leal Múltple atago de la Fuete Feádez egesó Leal Múltple EGEIÓN LINEAL MÚLTIPLE egesó Leal Múltple Las téccas de egesó leal múltple pate de (k+) vaables cuattatvas, sedo

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

Más detalles