Héctor Allende 1. w Ω, resultado elemental. Ω : Espacio Muestral: Todos los posibles
|
|
- Mariano Serrano Revuelta
- hace 7 años
- Vistas:
Transcripción
1 Coeptos ásos Capítulo Curso ILI-80 I Semestre 00 Profesor: Hétor llede Expermeto aleatoro : ξ Espao Muestral : Ω Eveto o Sueso : ; ;. Evetos elemetales, seguros e mposbles Probabldad : grado de ertdumbre Probabldad y Juegos de zar Probabldad y Freuea relatva Probabldad Subetva (Persoal Coeptos ásos Coutos y Evetos Expermeto leatoro: Expermeto que tee o más resultados posbles Espao Muestral: El outo que otee todos los resultados posbles Eveto Elemetal: Resultado de u expermeto dvsble Eveto -El outo de todos los evetos elemetales posbles que resulta de la ourrea del eveto Eveto Mutualmete Exluyetes : s la ourrea de uo exluye la posbldad de observar otro - Eveto Equprobable : Cada eveto smple tee la msma probabldad Ω Ω : Espao Muestral: Todos los posbles resultados elemetales w Ω, resultado elemetal I :Famla de todos los evetos posbles deω I, luego es u Eveto mposble Ω I, luego Ω es el Eveto Seguro y I, luego so evetos I; I; I, so evetos w Ω 4 Coepto de σ-álgebra de suesos Sea I ua lase o vaía formada por ertos suboutos del espao muestral Ω. σ-algebra de suesos : I es ua σ-algebra Es evdete que s Φ,, Ω є I, so suesos y por tato los suesos omplemetaros.e. Φ,, Ω є I de aquellos que está e I y també está e I, así omo sus uoes umerables (sea ftas o ftas. Esto se puede euar omo: I I I es ua σ álgebra I I,..., U 5 Smltud etre T. Coutos y T. Probabldad Teoría Coutos Teoría Probabldades Ω Uverso Espao Muestral I Couto Potea Famla Clases de Evetos I subouto de Ω es u Eveto w w es elemeto de Ourre el eveto Couto vaío Eveto Imposble Ω Uverso Eveto Seguro uó Eveto o Eveto terseó Eveto y Eveto Complemeto de Eveto o- es subouto de mpla y so dsutos y mutuamete exluyetes 6 Hétor llede
2 Eemplo Dado Expermeto aleatoro : Se lazar u dado legal -Suesos elemetales {}, {}, {}, {4}, {5}, {6} -Espao Muestral Ω{,,,4,5,6} -Couto Potea I Ω{Ø, Ω,{},{},...,{,},...} Ø sueso mposble σ-álgebra Ω sueso seguro {,, 5} -Suesos aleatoros {4, 5, 6} {, 4, 6}{,, 5} C... Eemplo S se realza u expermeto aleatoro : Este osste determar el tempo de esperar hasta que se geere u terremoto de grado mayor o gual a 7 e la esala de Rhter e ua determada Regó. + Ω R s embargo, el σ-álgebra de suesos que se osdera o es R, que es ua lase demasado omplea para defr sobre sus elemetos ua medda de probabldad. E su lugar se osdera el σ-álgebra formada por todos los tervalos, abertos o errados, y sus uoes e terseoes ftas I {Ø, R +, (0,,(,,...,(,],...} lo que por supuesto luye a los putos de R Eemplo S se realza u expermeto aleatoro : Este osste determar el úmero de lazametos hasta obteer la prmera ara Ω I(aturales s embargo, el σ-álgebra de suesos que se osdera o es I, que es ua lase demasado omplea para defr sobre sus elemetos ua medda de probabldad. E su lugar se osdera el σ-álgebra formada por todos los suboutos de teres, sus uoes e terseoes ftas Eemplo 4: Expermeto leatoro I II lo que por supuesto luye a los putos de I 9 Se toma al azar ua esfera de la ura I Se trasfere a la ura II, se mezla be. Se elge, aleatoramete, ua esfera de la ura II. uál es la probabldad a pror que sea verde? 0 I Espao Muestral Traspasar Roa # Traspasar Verde # Traspasar Verde # II II II Dsttos resultados del expermeto. Esto os sugere u uevo oepto deomado probabldad odoal Cálulo de Probabldades Probabldad (medda de la ertdumbre (Problema de Estmaó Teóra - Pror Pr ( úmero de posble formas e que puede ser observado úmero total de resultados posbles Hstóra (freuea empíra - Posteror úmero de vees que ourro úmero total de observaoes Pr ( Subetva : (Opó de u Experto: Propoó observaoal Depede de la experea pereptva de su experea pasada, de su oometo y de sus expetatvas. Hétor llede
3 Cálulo de Probabldades (Evetos Equprobables oó tutva (regla de Laplae: Resultados favorables del eveto Resultados posbles oó freuetsta : total de vees que se realza u expermeto : total de vees que ourre lm oó ayesaa ( Tarea volutara Eemplo 4 : Probabldad (Freuetsta Smulada E la fgura se preseta la evoluó de la freuea relatva del úmero de aras obtedo e el lazameto de ua moeda e 00 oasoes (smulado e u omputador. 4 Eemplo 5: Regla de Laplae (Evetos Equprobables Cuál es la probabldad de que al lazar u dado el resultado sea mpar? -El espao muestral es Ω{,,, 4, 5}. Vamos a llamar, al sueso osstete e que el resultado es mpar, {,,5}. Como o supoemos que gua de las aras ofree ua probabldad de ourrea dferete a las demás, podemos aplar la regla de Laplae para obteer que úmero de asos favorables a P[ ] úmero de asos posbles 6 Observaó -E muhas oasoes os preoupamos de elegr de maera aleatora uo o más obetos desde ua oleó de obetos Sea el úmero de obetos. -Elegr obeto al azar, sgfa que ada obeto tee la msma probabldad de ser elegdo. Es der / -Elegr obetos al azar sgfa que ada par de obetos tee la msma probabldad de ser elegdo. Supogamos que exste K de tales pares, etoes la probabldad de elegr u par ualesquera es / K. -Elegr r obetos al azar r <, sgfa que ada r-tupla de obetos tee la msma probabldad de ser elegda que ualquer otra r-tupla. 5 6 Eemplo 6 : Regla de Laplae Modelo Probablísto Cuál es la probabldad de obteer u as, al extraer ua arta, de ua baraa ormal? Cuál es la probabldad de obteer u poker de ases al extraer 4 artas, de ua baraa ormal? Sea ua Dstrbuó de Probabldad P, fuó que asga a ada sub-outo de terés Ω u valor etre 0 y. P : I [0;] Ω Sea I oleó de Evetos de terés ( ;;C.. de la Ω (σ-álgebra Modelo de Probabldad ( Ω, I, P 7 8 Hétor llede
4 Probabldad xomáta ( Kolmogorov Propedades xoma : xoma : xoma :- 0 Ω (U Supoedo que { }, I so mutuamete P I exluyete. φ 0.. C - 4. S Σ S Eemplo : Ω Fto Probabldad Codoal Sea Ω w, w,..., w } E { w } U E Ω {,.., Espao Muestral Fto Eveto Elemetal Mutuamete exluyete s de a pares plado los axomas se tee E f U E Como > 0 E I E 0,,,..., f E U E E + E Sea, dos suesos tal que > 0. La probabldad de odoada a la ourrea de, deotada omo : I Propedades: 0 Ω Σ o,, : Probabldad Codoal Eemplo : Probabldad Codoal Ω Cetra el foo de ateó e el heho que se sabe que ha ourrdo el eveto També se ha eotrado que el 5% de la pezas que o tee fallas superfales so fuoalmete defetuosas Se ha eotrado que el 5% de las pezas o fallas superfales so fuoalmete defetuosas Estamos dado que el espao muestral de terés se ha redudo sólo a aquellos resultados que defe la ourrea del eveto Por lo tato el 90% o tee fallas vsbles e la superfe. 00% pezas Maufaturadas Se sabe que el 0% de las pezas maufaturadas tee fallas vsbles e la superfe. Etoes, mde la probabldad relatva de o respeto al espao redudo Eveto { peza fuoalmete defetuosa} { peza tee ua falla vsble e la superfe} dado P (? 4 Hétor llede 4
5 Casos Probabldad Codoal Eemplo 6 S 0 Sea, suesos de u msmo modelo de probabldad (Ω, R, P tales que: S 0,4 0,7 0,75 Determar: S C ; - ; C C ; C S 5 6 Soluó Probabldad Total C / 0,75 * 0,4 0, 0,7-0,4 + 0, 0,6 C 0,4 - C - 0,6-0, 0, C C C + C - C C C C C - C 0,6-0, 0, Luego C C 0,4 + 0,6-0, 0,7 / C C 0, 0,5 C 0,4 Sea,,..., evetos mutuamete exluyetes : P ( Etoes U Coseuea (Regla de ayes: 7 8 Probabldad Total Regla de ayes Equpo Fallado Sea,,..., Etoes evetos mutuamete exluyetes Equpo Maufaturado e Plata U Supogamos de que se elge aleatoramete u Equpo y se euetra que está fallado. uál es la probabldad que sea maufaturado e Plata? Se pde ; pero sólo se ooe,,,,.., k Sabemos que I φ ; U S 9 0 Hétor llede 5
6 Eemplo 7 U proesador para omputadores puede prover de ualquera de tres fabrates o probabldades: p 0,5; p 0,50; p 0,5. Las probabldades de que u proesador fuoe orretamete durate horas es 0,; 0, y 0,4 respetvamete para los fabrates: Calular la probabldad de que u proesador elegdo al azar fuoe durate horas. S el proesador fuoó orretamete durate el período de horas uál es la probabldad de que haya provedo del er fabrate? P C F 0.* * * Soluó F C F F ( F 0.4* Probabldad Multplatva Problema de ayes (Tarea Ley Multplatva: I... I sempre que: I > 0. E Certo mometo de ua vestgaó rmal, el spetor eargado está e u 60% ovedo de la ulpabldad de u sospehoso. Supoga ahora que se desubre ua ueva evdea que muestra que el rmal tee erta araterísta (Como por eemplo ser zurdo, ser alvo,..et. S el 0% de la poblaó tee dha araterísta. Qué ta seguro estará ahora el vestgador de la ulpabldad del sospehoso, uado el sospehoso perteee a dho grupo. hora supogamos que la ueva evdea esta sueta a dsttas terpretaoes posbles, y que e realdad sólo aerta el 90% uado el rmal tee dha araterísta. Qué ta seguro estará ahora el vestgador de la ulpabldad del sospehoso, s resulta que la evdea es postva. Comparar los resultados y ustfar las dferea 4 Soluó Soluó Soluó: parte Soluó : parte Sea G: Eveto el sospehoso es ulpable C: Eveto el sospehoso posee la araterísta C/ G* G + C/ G * G 0,9*0,6 + 0,*0,4 0,6 G / GI / C / G GI / G G/ C/ G I G/ 0,6*0,9/ 0,6 0,87 G 0,6 C / G GI 0,6 C / G* G + C / G * G *0,6 + 0,* 0,4 0,68 G / C G I C / C 0,6 / 0,68 0,88 Soluó parte l dsmur la erteza de la araterísta dsmuya la ulpabldad 5 6 Hétor llede 6
7 Idepedea Probablísta Sea, dos evetos del modelo probablísto (Ω, I, P., se de probablístamete depedetes ss: I Sea { : I {,,,...,k}} ua oleó de evetos de (Ω, I, P. Se de que los elemetos so outamete depedetes ss: I φ J I {,,,..., k} J J Observaoes Idepedea probablísta Couta Idepedea de a pares. Idepedea probablísta de a pares Idepedea probablísta Couta. S, so evetos depedetes probablístamete. Etoes se tee, C so depedetes. C, C so depedetes C, so depedetes 4. Sea (Ω, Ω, P modelo de probabldad. Estudar depedea outa y de a pares. 7 8 Eemplo 8: Idepedea Probablísta Sea (Ω, Ω, P modelo de probabldad. Ω { (,0,0 (0,,0 (0,0, (,, } {w } /4, 4 Sea,, evetos de (Ω, Ω, P : : era oord. es : da oord. es : era oord. es Estudar depedea outa y de a pares. Eemplo 9 : Idepedea Probablísta 4 Probabldad de errar los relés,, y 4 es p. S todos los relés fuoa depedetemete, uál es la probabldad que pase orrete de a 4 ( E P[( R I R U ( R I R4]; E P[ R I R] + P[ R I R4] P[ IR ] p p P Costruó Modelos de Probabldad Sea µ ua medda e el Espao Muestral tal que µ (Ω < : Logtud ; Superfe Volume. et. Etoes exste u fuó defda e IR P : R R µ ( µ ( Ω es ua medda de Probabldad 4 Eemplo 0: Problema del euetro: Dos estudates auerda [9; 0] eotrarse e la bblotea de la UTFSM etre las 9.M. y las 0.M. u día lues. El prmero que llega a la bblotea, espera al otro 0 mutos (detro del tervalo de tempo patado. S se supoe que ada uo llega al azar e el tervalo de tempo ovedo y que los tempos de llegada so depedetes. Cuál es la probabldad que estos estudates se euetre? Soluó: X(t : Llegada del estudate Y(t : Llegada del estudate [X(t;Y(t] [9; 0]x [9; 0] [0; 60]X [0; 60]Ω {[X(t;Y(t] : X(t;Y(t < 0} µ(α/µ(ω / 6 4 Hétor llede 7
8 Eemplo 0: Problema del euetro: Regla de la Multplaó Dos estudates auerd [9; 0] a eotrarse e la bblotea de la UTFSM etre las 9.M. y las 0.M. u día lues. El prmero que llega a la bblotea, espera al otro 0 mutos (detro del tervalo de tempo patado. S se supoe que ada uo llega al azar e el tervalo de tempo ovedo y que los tempos de llegada so depedetes. Cuál es la probabldad que estos estudates se euetre? Soluó: X(t : Llegada del estudate Y(t : Llegada del estudate [X(t;Y(t] [9; 0]x [9; 0] [0; 60]X [0; 60]Ω {[X(t;Y(t] : X(t;Y(t < 0} µ(α/µ(ω / 6 El Expermeto tee maeras dferetes de elegr o saar u elemeto del outo que tee elemetos, luego otro Expermeto tee maeras dferetes de elegr o saar u elemeto de u outo Falmete el Expermeto k tee k maeras dferetes de elegr o saar u elemeto del outo k Etoes * *...* k 4 44 Varaoes Permutaoes Def: Sea u outo : Card (, se llama varaó smple o s repetó a todo subouto de elemetos dstguédose estos etre s, e los elemetos que lo ompoe y e el orde e que estos elemetos va oloados x, x,..., x } { V(, ( V(, ( (... V(, k ( (...( k + Obs: S las varaoes so o repetó V (, k k úmero de maeras dsttas de saar r elemetos de lote de CUDO EL ORDE IMPORT : ota: Estudar permutaoes o repetó obetos P r! ( r! r Combaoes Problema Combaoes (s repetó: úmero de maeras dsttas de saar r elemetos de lote de CUDO EL ORDE O IMPORT ota : Estudar ombaoes o repetó C (,r (+r-!/ r!(-!! C(, r r!( r!.- Se laza dados de olor dferete: lao, Roo y egro Cuál es la probabldad de que el resultado del lado egro sea o 6 y los otros dos o?. Defa laramete sus evetos y ustfque todos los supuestos para estmar la probabldad. (,5 Putos Hétor llede 8
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 detallesA 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 Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede
Más detallesCapítulo 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 detallesProbabilidad condicional
robabldad odoal osderemos ua ura que otee bolllas roas y 5 blaas. De las bolllas roas so lsas y rayadas y de las 5 bolllas blaas so lsas y ua sola es rayada. Supogamos que se extrae ua bollla y s que la
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesProbabilidades y Estadística Cs. de la Computación 1er cuatrimestre 2004
robabldades y Estadísta Cs. de la Computaó er uatrmestre 004 Itroduó reve reseña hstóra: La teoría de robabldades omeza a partr de ua dsputa etre jugadores e 654. Los dos matemátos que partparo de tales
Más detallesProbabilidades y Estadística Cs. de la Computación
robabldades y Estadísta Computaó Faultad de Ceas Exatas y Naturales. Uversdad de ueos res a M. ao y Elea J. Martíez 004 robabldades y Estadísta Cs. de la Computaó Itroduó reve reseña hstóra: La teoría
Más detallesIncertidumbre en las mediciones directas e indirectas
ertdumbre e las medoes dretas e dretas Reordado Para la seleó de u strumeto de medó os basamos e la Regla de Oro de la Metrología Luego, 0. T T La toleraa orregda por la ertdumbre del strumeto queda defda
Más detallesVARIABLE 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 detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesProbabilidad. 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 detallesProbabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3
Probabldad PROBABILIDAD 1. 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
Más detallesn 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 detallesPARTE 1 - PROBABILIDAD
arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Eemplos cláscos de expermetos aleatoros
Más detallesComparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia
Comparaoes múltples etre medas Tema 6. Comparaoes múltples. Comparaoes plaeadas o a pror:. F plaeadas. Comparaoes de tedea. Comparaoes o plaeadas o a posteror:. Prueba de Tukey.. Prueba de Sheffé . Comparaoes
Más detallesPARTE 1 - PROBABILIDAD
arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Ejemplos cláscos de expermetos aleatoros
Más detallesINSTITUTO 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 detalles10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
Más detallesExperimento 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 detallesAnálisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5
Aálss de Datos e Psología I. Pregutas de eame. Temas y p 7 9 0. 0. 0. 0. 9-0. Tabla. Dstrbuó, e proporoes, de las putuaoes de u grupo de 0 sujetos e ua prueba de eaje de formas. 7 9 Tabla. Dstrbuó de freueas
Más detalles1 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 detallesDivisión de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Más detallesPLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA
PLNTMNTO PROLMS LN MTR N PROSOS SN RÓN QUÍM. teder ual es el objetvo que se persgue e el proeso, la fuó de ada equpo (por lo meos ualtatvamete) y vsualzar los feómeos y trasformaoes que ourre.. detfar
Más detallesLa 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 detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesLas familias infinitas siempre están asociadas a experimentos cuyo número de posibles resultados es infinito.
1.4 MEDID DE PROBBILIDD La probabldad es ua parte de las matemátas; omo tal, su ostruó teóra es smlar a la del álgebra o a la de la geometría: a partr de uas uatas premsas, llamadas axomas, se dedue lógamete
Más detallesTEMAS CUESTIONARIO DE AUTOEVALUACIÓN
TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera
Más detallesGRADO 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 detalles1.- DISTRIBUCIÓN BIDIMENSIONAL
º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN
Más detallesTEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.
TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesV - MUESTREO ESTRATIFICADO
Capítulo V Muestreo estratfado (borrador)- 175 V - MUESTREO ESTRATIFICADO V.1 - Estratfaó y efea de los dseños muestrales Ya vmos que la prmera gra lasfaó de los dferetes métodos de muestreo depede del
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detallesANÁLISIS 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 detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detallesMUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesCAPITULO IV EQUILIBRIO VAPOR -LIQUIDO
CAITULO I EQUILIBRIO AOR -LIQUIDO ara evaluar el fuoameto de u sstema de separaó e etapas, es eesaro efetuar álulos de equlbro vapor-líqudo de balae de matera e ada etapa de separaó, utlado para ello ua
Más detallesCAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en
CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo
Más detallesPráctica 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 detallesDefinición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico
V. Muestreo V.. Dstrbucoes de Muestreo Defcó La dstrbucó de probabldad de u estadístco recbe el ombre de dstrbucó muestral. La dstrbucó muestral de u estadístco depede del tamaño de la poblacó, del tamaño
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesFUNDAMENTOS FÍSICOS DE LA INFORMÁTICA - 1/7/2005
Tempo: 3h. y mea FUDAMETOS FÍSICOS DE A IFOMÁTICA - /7/5.- (.5 putos) Explar por ué las líeas e ampo elétro o se puee ortar. Supoeo ue las líeas e ampo se ruzase e algú puto ué poríamos er e la fuerza
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detalles1. CONSULTAR : TABLA DE VELOCIDADES DEL SONIDO EN DISTINTOS MEDIOS.
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : CIENCIAS NATURALES Y EDUCACION AMBIENTAL ASIGNATURA: FISICA DOCENTE: HUGO HERNAN BEDOYA TIPO DE GUIA: CONCEPTUAL-EJERCITACION PERIODO GRADO N
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesAplicando Teorı a de Colas en Direccio n de Operaciones
Aplado Teorı a de Colas e Dreo de Operaoes José edro Garía Sabater Grupo ROGLE Departameto de Orgazaó de Empresas Uversdad oltéa de Valea. Curso 25 / 26 arte de estos aputes está basados e la fudametal
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesTeoría de Telecomunicaciones
Uersdad del Caua - FIET UIO E MOULCIÓ udo de Modulaó Uersdad del Caua Teoría de Teleomuaoes epartameto de Teleomuaoes Uersdad del Caua - FIET UIO E MOULCIÓ udo de modulaó leal Este aálss se basa e el sstema
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesRespuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesREGRESIÓN 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 detallesTema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.
Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.
Más detallesMétodos de Ordenamiento
Aálss y Complejdad de Algortmos Métodos de Ordeameto Arturo Díaz Pérez pos de ordeameto y meddas de efea Algortmos básos QukSort HeapSort BSort RadxSort Arboles de Desó Aálss y Dseño de Algortmos Sortg-
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesESTADÍSTICA 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 detallesTeoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.
Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra
Más detallesAPROXIMACIÓN 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 detallesEvolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?
APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000
Más detallesTEMA 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 detallesRAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES
RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES CLASE. MUESTRA ALEATORIA E estadístca, el cocepto de muestra aleatora, debe quedar claro desde el comezo del estudo, pues es la base del
Más detalles2. Censura y truncamiento
2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete
Más detallesESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:
SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesTopología General Capítulo 0-2 -
Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada
Más detallesSUCESOS Y PROBABILIDAD
SUCESOS Y PROAILIDAD Notas Idce. OJETIVOS 2. CONCEPTOS ÁSICOS DE LA TEORÍA DE CONJUNTOS. ESPACIO MUESTRAL. ÁLGERA DE SUCESOS 4 4. PROAILIDAD 8 5. INDEPENDENCIA DE SUCESOS 4 ILIOGRAFÍA 4 APÉNDICE. NOTACIÓN
Más detalles. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )
Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesTÉCNICAS CUANTITATIVAS 3 Grado en Marketing e Investigación de Mercados
DPTO. MÉTODOS CUATITATIVOS PARA A ECOOMÍA Y A EMPRESA UIVERSIDAD DE GRAADA TÉCICAS CUATITATIVAS 3 Grado e Marketg e Ivestgaó de Merados MUESTREO Teoría eeros. ÍDICE. Muestreo aleatoro smple...............................0
Más detallesCapítulo I. Introducción: Características de los sistemas macroscópicos, conceptos de probabilidad y estadística de sistemas de partículas.
Capítulo I. Itroduccó: Característcas de los sstemas macroscópcos, coceptos de probabldad y estadístca de sstemas de partículas. Leccó Itroduccó a la descrpcó estadístca de los sstemas de partículas. Fluctuacoes
Más detallesEl valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad
Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede
Más detallesPROBABILIDAD Y ESTADISTICA
1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca
Más detallesAnálisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Más detalles1. INTRODUCCIÓN Procedimientos de calibración
Smposo de Metrología 0 7 al 9 de Otubre VALUACIÓN D PROCDIMINTOS PARA CALIBRACIÓN D MICROBALANZAS CON L OBJTIVO D MINIMIZAR LA COMPONNT D INCRTIDUMBR DBIDA A LA INCRTIDUMBR D CALIBRACIÓN D LAS PSAS PATRÓN
Más detallesExperimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS
Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y
Más detalles1 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 detallesMETODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)
METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo
Más detallesIntensificación en Estadística
GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro
Más detallesIncertidumbre en las mediciones directas e indirectas
Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detallesCENTRO DE MASA centro de masas centro de masas
CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se
Más detallesEJERCICIOS RESUELTOS TEMA 3.
INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.
Más detallesLaboratorio de Física PRÁCTICA 1
PRELABORATORIO: MEDICIÓN - Medr. - Aprecacó. - Meddas drectas. - Meddas drectas. MEDIDAS DE LONGITUD - Cta métrca. - Verer. - Torllo mcrométrco. MEDIDAS DE TIEMPO - Croómetro. Error. - Error sstemátco.
Más detalles6- 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 detallesTema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS
Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesAnálisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Más detalles