Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números

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

Download "Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números"

Transcripción

1 IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1

2 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números reales. Por ejemplo, una v.a. continua puede ser el tiempo de retraso con el que un alumno o un profesor llega al aula de clases ó también el peso o la estatura de los estudiantes de la FE.

3 La función de densidad de una variable aleatoria continua La función f() es una función de densidad de probabilidad para la variable aleatoria continua X, definida sobre el conjunto de los números reales, sí: 1.- f() 0 R.- f ( ) d = P ( a X b) = P( a < X b) = P( a X < b) ( ) ( ) = P a < X < b = fx d b a 3

4 La función de densidad de una variable aleatoria continua Esto es, la probabilidad de que X tome un valor en el intervalo [a, b] es el área bajo la gráfica de la función de densidad, como lo ilustra la figura 4.1 La gráfica de f(), se conoce a veces como curva de densidad. d Esto es, la probabilidad de que X tome un valor en el intervalo [a, b] es el área bajo la gráfica de la función de densidad, como lo ilustra la figura. La gráfica de f(), se conoce a veces como curva de densidad. 4

5 La función de densidad de una variable aleatoria continua Propiedades Para una v.a. X, f X () satisface las siguientes propiedades: 1. f () 0,. f ( ) d = 1 X P 1 X = f X d 3. ( ) ( ) 1 Note además que P(X = c) = 0, para cualquier número real c. 5

6 La función de densidad de una variable aleatoria continua Ejemplo Un profesor de la UNAM nunca termina su clase antes del término de la hora, mas nunca se pasa de minutos de ésta. Sea X : el tiempo que transcurre entre el término de la hora y el término efectivo de la clase. Suponga que la fdp de X viene dada por: f X ( ) k 0 = 0 dom... 6

7 La función de densidad de una variable aleatoria continua 1. Encuentre el valor de k.. Cuál es la probabilidad de que la clase termine a menos de un minuto después del término de la hora? 3. Cuál es la probabilidad de que la clase continúe entre 60 y 90 segundos después del término de la hora? 4. Cuál es la probabilidad de que la clase continúe por lo menos 90 segundos después del término de la hora? 7

8 La función de densidad de una variable aleatoria continua a 0 ) X ( ) = f d 0d k d 0d k = 3 = k 3 Como 8 3 f X ( ) d = 1 k = 1 k = 3 8 ( ) = 3 3 d b ) P X 1 = = = 0,

9 La función de densidad de una variable aleatoria continua ( ) 1,5 ) 1 1,5 = 3 1 d cp X = ( ) 19 = 3 3 0, ,5 3 3 = 1 1, d ) P X 1,5 = d d = = 1 1 = 0,

10 Función de Distribución Acumulada La distribución acumulada F() de una variable aleatoria continua X, con una función de densidad f() es: para F() () = P(X ) = f ( s ) ds De la definición de función de distribución acumulada de una variable aleatoria continua se deducen las propiedades p siguientes: 1.- F( ) = 0.- F( ) = P( 1 X ) = F( ) F( 1 ) df ( ) 4.- = f ( ) d 10

11 Función de Distribución Acumulada 11

12 Función de Distribución Acumulada Se ilustra el cálculo de probabilidades entre a y b como una diferencia entre las probabilidades acumuladas en la fda ( áreas ). Cálculo de P a X b acumuladas. ( ) a partir de las probabilidades 1

13 Esperanza Matemática Esperanza Matemática Sea X una variable aleatoria continua con función de densidad f(). Se llama esperanza matemática o valor esperado, valor medio o media de X al número real. E ( X ) = μ = f ( ) d Significado de la esperanza Como valor medio teórico de todos los valores que puede tomar la variable. Representa una medida de centralización. 13

14 Esperanza Matemática Ejemplo: La distribución de la cantidad de grava (en toneladas) vendida a una empresa en particular proveedora de materiales para la construcción, en una semana dada, es una v.a. X continua con fdp: f X ( ) ( ) = 0 0 de otra manera Cuántas toneladas esperarías que se vendan durante esa semana? 14

15 Esperanza Matemática Solución: Por definición tenemos: 1 3 = = = = 8 0 E X f d 1 d 0,375 ( ) ( ) 3 ( ) X Lo cual significa que esperaríamos que se vendieran 0,375 [Ton] ó 375 [kg] de grava a la empresa proveedora de materiales para la construcción. 15

16 Esperanza Matemática 16

17 Varianza Definición Medida del cuadrado de la distancia promedio entre la media y cada elemento de la población. Sea X una variable aleatoria continua con distribución de probabilidad f() y media μ. La varianza de X es calculada por medio de: σ [ ] ( X μ) = ( μ) f ( ) d = f ( ) d μ = E 17

18 Desviación estándar 18

19 IV.1. La distribución Uniforme 19

20 IV.1. La distribución Uniforme b f ( ) d = 1 a μ = b + E [ ] = Var() () = ( b a) 1 a 0

21 IV.1. La distribución Uniforme Densidad de una v.a. Uniforme 1

22 IV.. Distribución de Probabilidad Eponencial

23 IV.. Distribución de Probabilidad Eponencial 0 λe λ d b λ lim e b λ 0 d 3

24 IV.. Distribución de Probabilidad Eponencial Sea: Entonces: lim b e λ t = dt d dt e λ = λe λ λ = λe λ d λ ( λ) d = lim e ( λ ) b b 0 b 0 d Realizando el cambio de variable Sustituyendo: t lim b b 0 e t dt = lim b ( t e ) λ = e ( λ ) b = lim e b 0 b 0 1 = lim b e λ b 0 4

25 IV.. Distribución de Probabilidad Eponencial Evaluando la integral: = lim lim = 0 lim b λ b b λ ( 0) 0 e b e e [ ( )] lim 1 = lim ( 1 ) = 1 1 = 0 lim = = b 1 b b Lo cual queda demostrado. 5

26 IV.. Distribución de Probabilidad Eponencial Función de distribución: Demostración: F( ) = 0 λe λ t dt La integral se resuelve por cambio de variable: Sea: w = e λt dw t = λe λ d dw = λe λt dt 6

27 IV.. Distribución de Probabilidad Eponencial Entonces: t F = ( ) λe λ dt 0 λt ( λ) dt = e ( )dt λt F( ) = e λ 0 0 Realizando el cambio de variable: F F λt ( ) e ( ) = λ dt 0 w ( ) e dw = = 0 e w 0 7

28 IV.. Distribución de Probabilidad Eponencial F( ) F ( ) F( ) F( ) F ( ) = e = e = = = 1 w 0 λt 0 [ ( )] λ λ 0 e e [ ] λ 0 e e e λ 8

29 IV.. Distribución de Probabilidad Eponencial La media y la varianza de la distribución eponencial son: 1 E() ( ) = λ 1 Var ( ) = λ Respectivamente. 9

30 IV.. Distribución de Probabilidad Eponencial Propiedad de la pérdida de memoria de la distribución eponencial. 1. La distribución eponencial carece de memoria, es decir: t P (X > + > ) = P(X > t) X. La distribución eponencial es la generalización al caso continuo de la distribución Geométrica. 3. La distribución eponencial aparece, en ocasiones, caracterizada utilizando como parámetro la media, 1 E( ) = μ = λ 4. La distribución eponencial se caracteriza por tener una razón de fallo constante; la probabilidad de fallar en cualquier intervalo no depende de la vida anterior. Es, por lo tanto, adecuada para describir la aparición ió de fallos al azar. La razón de fallo fll viene dada dd por: h(t) = λ. 30

31 IV.3. Distribución de Probabilidad Normal El 1 de noviembre de 1733, Abraham DeMoivre desarrolló la ecuación matemática de la curva normal. De igual manera proporcionó una base sobre la cual se fundamenta una gran parte de la teoría de la estadística inductiva. A la distribución normal se le llama también Distribución Gaussiana en honor a Karl Friedrich Gauss. 31

32 IV.3. Distribución de Probabilidad Normal Definición Una variable aleatoria continua X tiene una distribución normal con parámetros μ y σ, siendo μ un número real cualquiera y σ > 0, siendo su función de densidad de probabilidad de la forma siguiente: Con: f < < < μ < σ > 0 ( ) = ( μμ ) 1 σ e πσ 3

33 IV.3. Distribución de Probabilidad Normal Para ser una función de densidad de probabilidad debe de satisfacer las siguientes condiciones. 1. Que f() 0para toda que pertenece a los números reales. Que por ser una función eponencial lo cumple.. f ( ) d = 1 33

34 IV.3. Distribución de Probabilidad Normal Propiedades. 1. Es unimodal.. La moda, mediana y moda poseen el mismo valor. 3. El dominio de f() son todos los números reales y su imagen está contenida en los reales positivos. 4. Es simétrica respecto de la recta μ. Esto se debe a que: f(μ + ) = f(μ ) 5. Tiene una asíntota horizontal en y = 0 En efecto y = 0 es una asíntota horizontal, ya que: 34 ( ) 0 lim f =

35 IV.3. Distribución de Probabilidad Normal 6. Alcanza un máimo absoluto en el punto: μ, 1 π σ Demostración Sea: f ( ) 1 = e πσ ( ) 1 μ σ 35

36 IV.3. Distribución de Probabilidad Normal Derivando con respecto a μ. f f Igualando a cero: ( ) ( ) = = ( μ ) ( μ) ( ) 1 σ e 1 πσ ( μ ) 1 σ ( μ) σ e πσ σ ( μ ) ( μ ) 1 σ e = πσ σ 0 De donde resulta: μ = 0 = μ 36

37 IV 3 Distribución de Probabilidad Normal IV 3 Distribución de Probabilidad Normal IV.3. Distribución de Probabilidad Normal IV.3. Distribución de Probabilidad Normal Obteniendo la segunda derivada: ( ) ( ) ( ) + = 1 σ σ μ σ μ f f f ( ) ( ) ( ) ( ) + = 1 4 σ σ μ σ σ σ f f f ( ) ( ) ( ) = 1 4 σ σ μ σ σ f f ( ) ( ) ( ) = 1 1 μ σ σ f f ( ) ( ) σ σ f f 37

38 IV.3. Distribución de Probabilidad Normal De donde resulta: Entonces: Y como: Por lo tanto: 1 σ ( ) = f f f(μ) < 0 = μ ( μ) = 1 πσ Lo que prueba que el máimo se encuentra en: 38 1 μ, μσ

39 IV.3. Distribución de Probabilidad Normal 7. Es creciente en el intervalo (, μ) y decreciente en (μ, ): Si < μ, es f () > 0, entonces la función es creciente Si > μ, es f () < 0, entonces la función es decreciente 39

40 IV.3. Distribución de Probabilidad Normal 8. Posee dos puntos de infleión en: = μ σ = μ + σ Considerando la segunda derivada, la obtenida en el punto seis, e igualando a cero: 1 ( ) ( μ) f 1 = 0 σ σ Despejando: ( μ) = 1 σ De donde resulta: ( μ) = σ Por lo tanto: μ = σ y μ = σ = σ + μ y = μ σ 40

41 IV.3. Distribución de Probabilidad Normal 9. Los parámetros μ y σ son la media y la varianza respectivamente. 41

42 IV31 IV.3.1. Distribución Normal Tipificada Teorema. Si X tiene una distribución normal con la media y la desviación estándar, entonces: X μ Z = σ Donde: X es la variable de interés. μ: es la media. σ: es la desviación estándar Z: es el número de desviaciones i estándar ád de X respecto a la media de esta distribución. La distribución normal estándar tiene media cero y varianza 1, y se denota como N(0,1). 4

43 IV31 IV.3.1. Distribución Normal Tipificada Propiedades. 1. Su dominio son todos los números reales y su imagen son los números reales positivos.. Es simétrica respecto al eje de ordenadas. 3. Tiene una asíntota horizontal en y = Alcanza un máimo absoluto en el punto (0, ). π 5. Es creciente en el intervalo (, 0) y decreciente en el intervalo (0, ). 6. Posee dos puntos de infleión en = 1 1 y = 1, respectivamente. 43

44 IV31 IV.3.1. Distribución Normal Tipificada Áreas de la normal: 1. Aproimadamente el 68% de todos los valores se encuentran dentro de una desviación estándar.. Aproimadamente el 95.5% de todos los valores se encuentran dentro de dos desviaciones estándar. 3. Aproimadamente el 99.7% de todos los valores se encuentran dentro de tres desviaciones estándar. 44

45 IV31 IV.3.1. Distribución Normal Tipificada 45 Probabilidades bilid d asociadas con una distribución ib ió normal

46 Ejemplos de distribución normal Ejemplo 1 El tiempo que tarda un automovilista en reaccionar a las luces de freno traseras de otro vehículo al desacelerar, es crítico para ayudar a evitar una colisión. Suponga que esta variable se puede modelar como una distribución normal con media de 1,5 segundos y desviación estándar de 0,46 segundos. Cuál es la probabilidad de que el tiempo de reacción se encuentre 1 y 1,75 segundos? 46

47 Ejemplos de distribución normal Solución: 47

48 Ejemplos de distribución normal A continuación se muestra el cálculo de esta probabilidad en forma gráfica, mostrando la equivalencia en el área entre la distribución normal y la estándar 48

49 Ejemplos de distribución normal Ejemplo En un quiosco de periódicos se supone que el número de ventas diarias se distribuye normalmente con media 30 y varianza. Determinar: a) Probabilidad de que en un día se vendan entre 13 y 31 periódicos b) Determinar el máimo número de periódicos que se venden en el 90% de las ocasiones 49

50 Ejemplos de distribución normal 50

51 Ejemplos de distribución normal Ejemplo 3. Los pesos de 000 soldados presentan una distribución normal de media 65 kg y desviación típica 8 kg. Calcula la probabilidad de que un soldado elegido al azar pese: a) Más de 61 kg. b) Entre 63 y 69 kg. c) Menos de 70 kg. d) Más de 75 kg 51

52 Ejemplos de distribución normal 5

53 Ejemplos de distribución normal Ejercicio En un estudio estadístico sobre la altura de los españoles y de los ingleses. Se han obtenido los siguientes datos: Nacionalidad Españoles Ingleses Media Desviación típica a) Quién es más alto en su país, un español que mide 177 cm o un inglés que mide 181 cm? b) Cuál es la probabilidad de que un español mida más de 180 cm? c) Cuál es la probabilidad de que un ingles mida entre 160 y 170 cm? d) Cuál es la probabilidad de que un español sea más alto que un inglés? 53

54 Ejemplos de distribución normal 54

55 Apéndice Distribución de Probabilidad Normal f ( ) d = 1 Demostración Sea: f ( ) Como: = I ( μ ) 1 σ e πσ ( ) ( μ ) 1 σ = f d = e d πσ Estableciendo la siguiente igualdad: t μ = σ 55

56 Apéndice Derivando: Entonces: Por lo que: dt 1 e π 1 = d σ ( ) 1 μ 1 σ 1 e π d σ t dt Considerando I : I t s 1 1 = e dt e ds π π 56

57 Apéndice Por lo que ahora tenemos una integral doble de la siguiente forma: ( s + t ) 1 = I π e dsdt De donde resulta: ( s + t ) 1 I = e dsdt ππ 57

58 Apéndice Realizando un cambio a coordenadas polares. Sea: s = r cos α Y t = r sen α Por lo que el área ds y dt se transforma en rdrd α, y los nuevos intervalos son: - <s < y - <t < 0 < r < y 0 < α < π 58

59 Apéndice Entonces π ( r sen α + r cos α ) 1 I e = rdrdα π 0 0 π r ( sen α + cos α ) 1 I = e rdrdα π I I = = 1 π 1 π 0 0 π 0 0 e r π e r 0 0 ( 1) rdrd α rdrdα 59

60 Apéndice Resolviendo: Por cambio de variable Sea: La integral resultante es: r e 0 rdr r w = dw = r dw = rdr I r ( ) e ( 1)rdr = 0 60

61 Apéndice Por lo que: w ( ) e dw = lim 0 b 0 w dw r lim lim w b e 0 = e b e 0 Sustituyendo: b o lim e lim e b b = lim b 1 lim1 b b e = [ 0 1] = 1 61

62 Apéndice Entonces: π π 1 d α = α = π 0 = π 0 0 Por lo tanto: I 1 = π π [ ] = 1 Lo cual queda demostrado. I = 1 6

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

FACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de

Más detalles

Variables aleatorias

Variables aleatorias Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando

Más detalles

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL. LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante

Más detalles

JUNIO Opción A

JUNIO Opción A Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

JUNIO Bloque A

JUNIO Bloque A Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.

Más detalles

Generación de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Generación de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 2012) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 2012) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 1) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dadas las matrices A = x y z y B = 1, se pide: 1 1 3 1 k, X = 1.

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS II TEMA 4: FUNCIONES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS II TEMA 4: FUNCIONES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 0 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva, Ejercicio,

Más detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

VARIABLES ALEATORIAS DISCRETAS

VARIABLES ALEATORIAS DISCRETAS VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:

Más detalles

Distribución normal estándar. Juan José Hernández Ocaña

Distribución normal estándar. Juan José Hernández Ocaña Distribución normal estándar Juan José Hernández Ocaña Tipos de variables jujo386@hotmail.com Tipos de variables Cualitativas Son las variables que expresan distintas cualidades, características o modalidades.

Más detalles

Distribuciones de Probabilidad

Distribuciones de Probabilidad Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica

Más detalles

Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León

Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS II EJERCICIO Nº páginas: INDICACIONES:.- OPTATIVIDAD: El alumno deberá escoger una de las dos opciones, pudiendo

Más detalles

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua. Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,

Más detalles

Cálculo de derivadas

Cálculo de derivadas 0 Cálculo de derivadas. La derivada Piensa y calcula La gráfica f() representa el espacio que recorre un coche en función del tiempo. Calcula mentalmente: a) la pendiente de la recta secante, r, que pasa

Más detalles

Funciones. Rectas y parábolas

Funciones. Rectas y parábolas 0 Funciones. Rectas y parábolas. Funciones Dado el rectángulo de la figura, calcula: el perímetro. el área. P I E N S A C A L C U L A Perímetro = ( + ) = 6 Área = = Indica cuál de las siguientes gráficas

Más detalles

Definición de probabilidad

Definición de probabilidad Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total

Más detalles

Habilidades Matemáticas. Alejandro Vera

Habilidades Matemáticas. Alejandro Vera Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos

Más detalles

PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE VALENCIA JUNIO (RESUELTOS por Antonio Menguiano)

PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE VALENCIA JUNIO (RESUELTOS por Antonio Menguiano) I.E.S. CSTELR BDJOZ. Menguiano PRUEB DE CCESO (LOGSE) UNIVERSIDD DE VLENCI JUNIO (RESUELTOS por ntonio Menguiano) MTEMÁTICS II Tiempo máimo: horas Se elegirá el Ejercicio o el B, del que sólo se harán

Más detalles

PRIMITIVAS E INTEGRAL DEFINIDA Ejercicios de selectividad

PRIMITIVAS E INTEGRAL DEFINIDA Ejercicios de selectividad PRIMITIVAS E INTEGRAL DEFINIDA Ejercicios de selectividad Sea f : R R la función definida por f() = e /. (a) En qué punto de la gráfica de f la recta tangente a ésta pasa por el origen de coordenadas?

Más detalles

Variable Aleatoria Continua. Principales Distribuciones

Variable Aleatoria Continua. Principales Distribuciones Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables

Más detalles

Tema 5. Variables Aleatorias

Tema 5. Variables Aleatorias Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2014) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2014) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2014) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Considérese el siguiente sistema de ecuaciones dependiente del parámetro

Más detalles

Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad

Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.

Más detalles

REPRESENTACIÓN DE FUNCIONES

REPRESENTACIÓN DE FUNCIONES REPRESENTACIÓN DE FUNCIONES Página 5 REFLEXIONA Y RESUELVE Descripción de una gráfica Copia en tu cuaderno los datos encuadrados en rojo. A partir de ellos, y sin mirar la gráfica que aparece al principio,

Más detalles

6 Funciones. 1. Estudio gráfico de una función. Piensa y calcula. Aplica la teoría

6 Funciones. 1. Estudio gráfico de una función. Piensa y calcula. Aplica la teoría 6 Funciones 1. Estudio gráfico de una función Piensa y calcula Indica cuál de las siguientes funciones es polinómica y cuál racional: 2 + 5 f() = f() = 3 5 2 + 6 4 2 4 Racional. Polinómica. Aplica la teoría

Más detalles

REPRESENTACIÓN DE FUNCIONES

REPRESENTACIÓN DE FUNCIONES 8 REPRESENTACIÓN DE FUNCIONES Página 86 Descripción de una gráfica. Copia en tu cuaderno los datos encuadrados en rojo. A partir de ellos y sin mirar la gráfica que aparece al principio, representa esta

Más detalles

OPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.

OPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores. PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:

Más detalles

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido

Más detalles

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M. PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta

Más detalles

CUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE?

CUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE? TEOREMA DE BAYES Explica como considerar matemáticamente la nueva información en la toma de decisiones. P( AΙB) = P( A B) P( B) = P( A) P( BΙA) P( B) PROBLEMA: En cierto lugar llueve el 40% de los días

Más detalles

Guía de Ejercicios Funciones. Debes copiar cada enunciado en tu cuaderno y realizar el desarrollo, indica la respuesta correcta en la guía 2-1-

Guía de Ejercicios Funciones. Debes copiar cada enunciado en tu cuaderno y realizar el desarrollo, indica la respuesta correcta en la guía 2-1- Colegio Raimapu Departamento de Matemática Guía de Ejercicios Funciones Nombre del Estudiante: IV Medio Debes copiar cada enunciado en tu cuaderno realizar el desarrollo, indica la respuesta correcta en

Más detalles

Variables Aleatorias. Introducción

Variables Aleatorias. Introducción Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

Variables aleatorias

Variables aleatorias Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS II TEMA 4: FUNCIONES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS II TEMA 4: FUNCIONES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 05 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva, Ejercicio,

Más detalles

MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN

MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El

Más detalles

APLICACIONES DE LA DERIVADA

APLICACIONES DE LA DERIVADA APLICACIONES DE LA DERIVADA Ejercicio -Sea f: R R la función definida por f ( ) = + a + b + a) [ 5 puntos] Determina a, b R sabiendo que la gráfica de f pasa por el punto (, ) y tiene un punto de infleión

Más detalles

CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E1000. (1) Sea f(x) una función cuya derivada es

CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E1000. (1) Sea f(x) una función cuya derivada es CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E000 ) Sea f) una función cuya derivada es f ) = 3 3 4 3+) 50 + 6 y con dominio igual al de su derivada. Determine los intervalos de monotonía

Más detalles

Estudio Gráfico de Funciones

Estudio Gráfico de Funciones Esquema 1 2 Esquema 1 2 Definición es una correspondencia entre dos conjuntos A B tal que a cada elemento del conjunto A le corresponde un único valor solo uno del conjunto B. La gráfica de la función

Más detalles

Unidad Temática 3 UT3-1: Variable Aleatoria

Unidad Temática 3 UT3-1: Variable Aleatoria Autoevaluación UT3 Unidad Temática 3 UT3-1: Variable Aleatoria Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza.

Más detalles

JUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A

JUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.

Más detalles

Unidad 1: Espacio de Probabilidad

Unidad 1: Espacio de Probabilidad Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar

Más detalles

Distribuciones de probabilidad más usuales

Distribuciones de probabilidad más usuales Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y

Más detalles

REPRESENTACIÓN GRÁFICA DE UNA FUNCIÓN.. Se pide: x

REPRESENTACIÓN GRÁFICA DE UNA FUNCIÓN.. Se pide: x 1 REPRESENTACIÓN GRÁFICA DE UNA FUNCIÓN IBJ05 1. Se considera la función f ( ). Se pide: a) Encontrar los intervalos donde esta función es creciente y donde es decreciente. ( puntos) b) Calcular las asíntotas.

Más detalles

COL LECCIÓ DE PROBLEMES RESOLTS

COL LECCIÓ DE PROBLEMES RESOLTS DEPARTAMENT DE MATEMÀTICA ECONOMICOEMPRESARIAL DEPARTAMENT D ECONOMIA FINANCERA UNIVERSITAT DE VALÈNCIA LLICENCIATURA EN ECONOMIA LLICENCIATURA EN ADMINISTRACIÓ I DIRECCIÓ D EMPRESES DIPLOMATURA EN CIÈNCIES

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD Opción A Ejercicio 1.- Sea f : R R definida por f(x) = x 3 +ax 2 +bx+c. a) [1 75 puntos] Halla a,b y c para que la gráfica de f tenga un punto de inflexión de abscisa x = 1 2 y que la recta tangente en

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:

Más detalles

Distribución Normal Curva Normal distribución gaussiana

Distribución Normal Curva Normal distribución gaussiana Distribución Normal La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. La distribución normal tiene grandes aplicaciones prácticas, en

Más detalles

La distribución normal

La distribución normal La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10

Más detalles

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

I. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN GLOBAL. PRIMERA EVALUACIÓN. ANÁLISIS Eamen Global Análisis Matemáticas II Curso 010-011 I E S ATENEA SAN SEBASTIÁN DE LOS REYES EXAMEN GLOBAL PRIMERA EVALUACIÓN ANÁLISIS Curso 010-011 1-I-011 MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

EJERCICIOS DE REPASO PARA PREPARAR EL EXAMEN DE SEPTIEMBRE 2007 DE MATEMÁTICAS B PARA LOS CURSOS 4º ESO A Y 4º ESO B

EJERCICIOS DE REPASO PARA PREPARAR EL EXAMEN DE SEPTIEMBRE 2007 DE MATEMÁTICAS B PARA LOS CURSOS 4º ESO A Y 4º ESO B EJERCICIOS DE REPASO PARA PREPARAR EL EXAMEN DE SEPTIEMBRE 007 DE MATEMÁTICAS B PARA LOS CURSOS 4º ESO A Y 4º ESO B ) Clasifica los siguientes números como naturales, enteros, racionales e irracionales,

Más detalles

Marzo 2012

Marzo 2012 Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos

Más detalles

1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Solución:

1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Solución: RELACIÓN DE PROBLEMAS DE SELECTIVIDAD DE ANÁLISIS. I Departamento de Matemáticas 1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Función

Más detalles

IES Fco Ayala de Granada Septiembre de 2011 (Septiembre Modelo 2) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2011 (Septiembre Modelo 2) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Granada Septiembre de 0 (Septiembre Modelo ) Germán-Jesús Rubio Luna UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD CURSO 00-0. MATEMÁTICAS II Opción A Ejercicio opción A,

Más detalles

Distribuciones de probabilidad discretas

Distribuciones de probabilidad discretas Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin

Más detalles

Estadística para la toma de decisiones

Estadística para la toma de decisiones Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante

Más detalles

FUNCIONES EXPONENCIAL Y LOGARÍTMICA

FUNCIONES EXPONENCIAL Y LOGARÍTMICA FUNCIONES EXPONENCIAL Y LOGARÍTMICA 1. Crecimiento exponencial. La función exponencial. 1.1 La Función Exponencial. Una función exponencial es una expresión de la forma siguiente:,,. Donde es una constante

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad

Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad Facultad de Ciencias Sociales Universidad de la República Curso 2016 Índice 2.1. Variables aleatorias: funciones de distribución,

Más detalles

MURCIA JUNIO 2004. + = 95, y lo transformamos 2

MURCIA JUNIO 2004. + = 95, y lo transformamos 2 MURCIA JUNIO 4 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OBSERVACIONES IMPORTANTES: El alumno deberá responder a una sola de las dos cuestiones de cada uno de los bloques. La puntuación de las dos

Más detalles

Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n

Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales 1. Función de distribución binomial: Si X distribuye bin ( n, p), entonces f n x x n

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un

Más detalles

Estudio de funciones mediante límites y derivadas

Estudio de funciones mediante límites y derivadas Estudio de funciones mediante límites y derivadas CVS0. El precio del billete de una línea de autobús se obtiene sumando dos cantidades, una fija y otra proporcional a los kilómetros recorridos. Por un

Más detalles

Modelado de la aleatoriedad: Distribuciones

Modelado de la aleatoriedad: Distribuciones Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:

Más detalles

Tema 7: Aplicaciones de la derivada, Representación de Funciones

Tema 7: Aplicaciones de la derivada, Representación de Funciones Tema 7: Aplicaciones de la derivada, Representación de Funciones 0.- Introducción 1.- Crecimiento y Decrecimiento de una función. Monotonía..- Máimos y mínimos de una función.1.- Etremos relativos...-

Más detalles

Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010

Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

Tema 7.0. Repaso de números reales y de funciones

Tema 7.0. Repaso de números reales y de funciones Matemáticas II (Bachillerato de Ciencias) Análisis: Repaso de números reales y de funciones 47 Tema 70 Repaso de números reales y de funciones El conjunto de los números reales El conjunto de los números

Más detalles

Límites y continuidad de funciones reales de variable real

Límites y continuidad de funciones reales de variable real Límites y continuidad de funciones reales de variable real Álvarez S., Caballero M.V. y Sánchez M. a M. salvarez@um.es, m.victori@um.es, marvega@um.es Índice 1. Definiciones 3 2. Herramientas 10 2.1. Funciones

Más detalles

x - Verticales. No tiene asíntotas verticales porque f(x) está definida en R y no cambia de criterio en ningún punto. - Oblicuas.

x - Verticales. No tiene asíntotas verticales porque f(x) está definida en R y no cambia de criterio en ningún punto. - Oblicuas. f ( ) + +. Dominio D (f ) R 4. Recorrido Im( f ) [, ). Puntos de corte - Con el eje y, donde 0 y + + y P (0,) - Con el eje, donde y 0 No hay punto de corte con el eje 4. Asíntotas - Horizontales lim +

Más detalles

Definición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...

Definición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,... Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme

Más detalles

Econometría II Grado en finanzas y contabilidad

Econometría II Grado en finanzas y contabilidad Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es

Más detalles

La distribución de Probabilidad normal, dada por la ecuación:

La distribución de Probabilidad normal, dada por la ecuación: La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada

Más detalles

La recta en el plano.

La recta en el plano. 1 CONOCIMIENTOS PREVIOS. 1 La recta en el plano. 1. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas. Representación

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Distribuciones de Probabilidad Para Variables Aleatorias Continuas

Distribuciones de Probabilidad Para Variables Aleatorias Continuas Distribuciones de Probabilidad Para Variables Aleatorias Continuas Departamento de Estadística-FACES-ULA 20 de Diciembre de 2013 Introducción Recordemos la definición de Variable Aleatoria Continua. Variable

Más detalles

Proceso de llegadas de Poisson

Proceso de llegadas de Poisson Gestión y Planificación de Redes y Servicios Proceso de llegadas de Poisson Area de Ingeniería Telemática http://www.tlm.unavarra.es Grado en Ingeniería en Tecnologías de Telecomunicación, 4º Proceso de

Más detalles

Hoja 6: Estadística descriptiva

Hoja 6: Estadística descriptiva Hoja : Estadística descriptiva Hoja : Estadística descriptiva May Dada la siguiente distribución de frecuencias, halle: a) la mediana; b) la media. Número (x) Frecuencia (y) May De enero a septiembre la

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD Opción A xcos(x)+b sen(x) Ejercicio 1.- [2 5 puntos] Sabiendo que lím x 0 x 3 es finito, calcula b y el valor del límite. Ejercicio 2.- Sean f : R R y g : R R las funciones definidas mediante f(x) = x(x

Más detalles

1 - TEORIA DE ERRORES : distribución de frecuencias

1 - TEORIA DE ERRORES : distribución de frecuencias - TEORIA DE ERRORES : distribución de frecuencias CONTENIDOS Distribución de Frecuencias. Histograma. Errores de Apreciación. Propagación de errores. OBJETIVOS Representar una serie de datos mediante un

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS

CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones

Más detalles

MATEMÁTICA DE CUARTO 207

MATEMÁTICA DE CUARTO 207 CAPÍTULO 1 CONJUNTOS NUMÉRICOS 1 Introducción... pág. 9 2 Números naturales... pág. 10 3 Números enteros... pág. 10 4 Números racionales... pág. 11 5 Números reales... pág. 11 6 Números complejos... pág.

Más detalles

Distribuciones de Probabilidad para Variables Aleatorias Discretas 1

Distribuciones de Probabilidad para Variables Aleatorias Discretas 1 Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,

Más detalles

EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA

EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA. Calcular las siguientes integrales definidas: b) d e d c) + d d) d e) sen d f) + d d ( ) En primer lugar se ha calculado una primitiva de f() Barrow. y después

Más detalles

Cálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos

Cálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím

Más detalles

Pruebas de Acceso a las Universidades de Castilla y León

Pruebas de Acceso a las Universidades de Castilla y León Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR

Más detalles

CAPÍTULO 4 TÉCNICA PERT

CAPÍTULO 4 TÉCNICA PERT 54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con

Más detalles

RELACIÓN DE EJERCICIOS TEMA 2

RELACIÓN DE EJERCICIOS TEMA 2 1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación

Más detalles

Discretas. Continuas

Discretas. Continuas UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de

Más detalles

V. DISCUSIÓN DE ECUACIONES ALGEBRAICAS

V. DISCUSIÓN DE ECUACIONES ALGEBRAICAS V. DISCUSIÓN DE ECUACIONES ALGEBRAICAS 134 5.1. DISCUSIÓN DE UNA ECUACIÓN Discutir una ecuación algebraica representada por una epresión en dos variables de la forma f (, y) = 0, significa analizar algunos

Más detalles

Guía 3 Del estudiante Modalidad a distancia. Modulo CÁLCULO UNIVARIADO INGENIERÍA DE SISTEMAS II SEMESTRE

Guía 3 Del estudiante Modalidad a distancia. Modulo CÁLCULO UNIVARIADO INGENIERÍA DE SISTEMAS II SEMESTRE Guía 3 Del estudiante Modalidad a distancia Modulo CÁLCULO UNIVARIADO INGENIERÍA DE SISTEMAS II SEMESTRE DATOS DE IDENTIFICACION TUTOR Luis Enrique Alvarado Vargas Teléfono 435 29 52 CEL. 310 768 90 67

Más detalles