PROBABILIDAD Y ESTADÍSTICA
|
|
- Blanca Sáez Cruz
- hace 6 años
- Vistas:
Transcripción
1 PROBABILIDAD Y ESTADÍSTICA Epermeto aleatoro.- Se llama epermeto aleatoro a todo feómeo cuyos resultados o se puede predecr de atemao, au cuado cada prueba se repta bajo las msmas codcoes. Ejemplos de epermetos aleatoros: - Lazar ua moeda al are - Estudar el seo e la descedeca - Sacar ua carta de ua baraja - Jugar a: la lotería, las quelas, al bgo, a la prmtva, etc. Espaco muestral.- Se llama espaco muestral al cojuto de todos los posbles resultados de u epermeto, y se represeta por E. cara, cruz - S el epermeto es lazar u dado al are: E=,,, 4, 5, 6 Ejemplos:- S el epermeto es lazar ua moeda al are: E= SUCESO. SUCESO ELEMENTAL. SUCESO IMPOSIBLE. SUCESO SEGURO. SUCESO CONTRARIO. Se llama suceso a cada uo de los subcojutos del espaco muestral. E el lazameto de u dado es u suceso sacar par : A=, 4, 6 Se llama suceso elemetal a todo subcojuto utaro del espaco muestral. Sacar par y mayor que 5 e el lazameto de u dado, es u ejemplo de suceso elemetal. Suceso mposble es el que o se produce uca, se le desga por : que se lace ua moeda al are y que o caga, que ua gata haya pardo ua gavota. Suceso seguro es el que se verfca sempre: el día sguete del lues es el martes. Suceso cotraro o complemetaro del suceso A es el que se verfca cuado o ocurre A: Al lazar u dado el suceso cotraro de A= 4 6 A c,, 5.,,, es OPERACIONES CON SUCESOS Sea E ) el cojuto de todos los posbles resultados de u epermeto aleatoro co espaco muestral E. S el epermeto aleatoro es lazar ua moeda al are: E= C F,, P E C F C F ( ),,,,. Se dce que el suceso A está cludo e B, y se escrbe AB, cuado sempre que ocurre A, se verfca B. - E el lazameto de u dado s A= sacar 6 y B= sacar par ; AB. La operacó uó de dos sucesos A y B es el suceso AB, que se dará cuado se dé al meos uo de los dos, es decr, cuado se verfque A o B, o ambos. La operacó terseccó de los sucesos A y B: AB es el suceso que se verfcará cuado ocurra smultáeamete A y B. Dos sucesos A y B so compatbles cuado o se puede dar a la vez, es decr el suceso AB es mposble: AB=. Y dos sucesos A y B so compatbles s se puede dar a la vez: AB.
2 La dfereca de los sucesos A y B, que escrbmos A-B, se da cuado se da A y o se da B. A- B=AB c. Ejemplos: E el epermeto aleatoro trar u dado se cosdera los sucesos: A: sacar par ; B= sacar meor que ; C: sacar múltplo de 5 AB=,, 4, 6, AB=. A-B= 4, 6. Los sucesos A y C so compatbles, así como B y C. Los sucesos A y B so compatbles, ya que AB=. PROPIEDADES DE LA UNIÓN, INTERSECCIÓN Y CONTRARIO. Asocatva: A ( B C) ( A B) C ; A ( B C) ( A B) C. Comutatva: A B B A ; A B B A. Dstrbutva: A ( B C) ( A B) ( A C) ; A ( B C) ( A B) ( A C) 4. De los complemetaros: A A E ; A A c 5. Ivolucó del cotraro: ( A ) 6. Cotraro del suceso seguro e mposble: E ; E 7. Leyes de Morga: ( A B) A B ; ( A B) A B c c A C c c c c c c c c FRECUENCIAS ABSOLUTA Y RELATIVA Sea A u suceso correspodete a u determado epermeto aleatoro. S efectuamos pruebas y represetamos por m el úmero de veces e que ocurre el suceso A e las pruebas, etoces se llama frecueca absoluta del suceso A a m, es decr f a (A)=m. Llamaremos frecueca relatva del suceso A y se deota f r (A)= m. Ejemplo: E el epermeto de lazar u dado se realza 00 pruebas obteedo el sguete resultado: º aparece f a ()=6, f r ()= Propedades de frecueca relatva. 0 f r ( A ). f r ( ) 0 / 0 ; f r ( E). f ( A B) f ( A) f ( B) r r r
3 DEFINICIONES DE PROBABILIDAD Itroduccó al cocepto de probabldad como límte de frecuecas (Ley de los grades úmeros) Jacques Beroull ( ) demostró la llamada ley de los grades úmeros, que eucada de forma seclla dce así: La frecueca relatva de u suceso tede a establzarse e toro a u valor a medda que el úmero de pruebas del epermeto crece defdamete, y a este valor lo llamaremos probabldad del suceso. Ejemplo: Obsérvese la sguete tabla que recoge los resultados obtedos al lazar ua moeda: º de pruebas frecueca relatva de cara Se observa que la frecueca relatva tede a establzarse e toro a. Esta defcó preseta el coveete de ser ua probabldad a posteror, es decr para calcular la probabldad de u suceso hay que realzar u gra úmero de pruebas prevamete, y además se obtee u valor apromado de la probabldad. Defcó clásca de probabldad. Regla de Laplace La defcó de Laplace (749-87) se suele eucar así: La probabldad de u suceso A es el cocete etre el úmero de casos favorables y el úmero de casos posbles. S dcamos la probabldad del suceso A por p(a), esta defcó se puede epresar así: º de casos favorables al suceso A p( A) º de casos posbles Los casos favorables so los elemetos que compoe el suceso A el suceso A. Los casos posbles so todos los resultados del epermeto, es decr todos los elemetos del espaco muestral. A la hora de aplcar esta defcó hay que teer e cueta que los sucesos elemetales tee que ser equprobables (gualmete probables). Ejemplos: E el lazameto de u dado: obteer u )=/6, p(obteer par)=/6 E la etraccó de ua carta de la baraja española: p(obteer u oro)=0/40,p(obteer u rey)=4/40 p(obteer el caballo de copas)=/40 Defcó aomátca de probabldad La defcó clásca de probabldad tee el coveete que todos los sucesos so equprobables. La dea de la aomátca de Kolmogorov (90-987) es cosderar la ítma relacó que este etre el cocepto de frecueca relatva y probabldad, cuado el úmero de pruebas es muy grade y basádose e la ley de los grades úmeros costruye u sstema de aomas sprados e las propedades de las frecuecas relatvas. Se llama probabldad a ua aplcacó que asoca a cada suceso A, u úmero real que llamaremos probabldad de A, y represetaremos por p(a), que cumple los sguetes aomas:. La probabldad de u suceso cualquera es postva o ula: p(a)0.
4 . La probabldad del suceso seguro es gual a la udad: p(e)=. La probabldad de la uó de dos sucesos compatbles es gual a la suma de las probabldades de cada uo de los sucesos: S A y B so compatbles: AB)=p(A)+p(B). Propedades de la probabldad. La probabldad del suceso cotraro de A es gual a uos meos la probabldad del suceso A: p(a c )=- p(a).. La probabldad del suceso mposble es cero: p()=0.. S el suceso A está cotedo e B, etoces p(a) es meor o gual que p(b), es decr: Sí AB p(a) p(b) B 4. Cualquera que sea el suceso A se tee: p(a). 5. S A y B so sucesos compatbles se verfca: p(ab)=p(a)+p(b)-p(ab). A C E A B A B A B PROBABILIDAD CONDICIONADA E ua empresa hay 00 hombres y 00 mujeres, de los hombres fuma 70 y de las mujeres fuma 0. Hombres Mujeres Fuma No fuma p( H F) 70 / 00 p( H / F) 7 / 8 p( F) 80 / 00 p(h)=00/00 p(h/f)=7/8 p(f/h)=7/0 p(f/m)=/0 p(h/o F)=/4 p(m)=00/00 p(m/f)=/8 p(o F/H)=/0 p(o F/M)=9/0 p(m/o F)=/4 Defcó: dados dos sucesos A y B se deoma probabldad codcoada del suceso A respecto del suceso B, y deotamos por p(a/b), al cocete: p( A B) p( A / B) p( B) De esta defcó se deduce : p(ab)=p(a/b) p(b) ; s p( B) 0 SUCESOS DEPENDIENTES E INDEPENDIENTES 4
5 Dos suceso A y B so depedetes sí p(a/b)=p(a). E caso cotraro se dce depedetes: p(a/b)p(a). S A es depedete de B, també B es depedete de A. Ejemplo: E las etraccoes de las cartas de ua baraja será depedetes las etraccoes co devolucó. PROBABILIDAD COMPUESTA O DE LA INTERSECCIÓN DE SUCESOS S A y B so sucesos depedetes: p(ab)=p(a) p(b). S A y B so sucesos depedetes: p(ab)= p(a) p(b/a)=p(b) p(a/b). Estas dos fórmulas se puede geeralzar para más sucesos. Ejemplo: E la etraccó de dos cartas sucesvas de ua baraja española, cuál es la probabldad de etraer dos reyes? a) S devolver la carta después de la ª etraccó: p(r R )=p(r ) p(r /R )=4/40 /9=/0 b) Devolvédola: p(r R )=p(r ) p(r /R )= p(r ) p(r )=4/40 4/40=/00 TEOREMA DE LA PROBABILIDAD TOTAL Sea A, A,... A u sstema completo de sucesos: A A A E A A j j Sea B u suceso cualquera, etoces: p(b)=p(a )p(b/ A ) Demostracó: p( B) p( B E) p( B ( A )) p( ( B A )) p( B A ) p( A ) p( B / A ) Ejemplo: Ua caja cotee tres moedas P, S, T, la prmera ormal, la seguda tee cara por los dos lados y la tercera está trucada de forma que la probabldad de salr cara es /. Se elge ua moeda al azar y se tra al are; hallar la probabldad de que se obtega cara. p(c)= 8 Teorema de Bayes 5
6 Sea A, A,... A u sstema completo de sucesos: A A A E A A j j Nota: Al sstema completo de sucesos també se le deoma partcó del espaco muestral E. Sea B u suceso cualquera, S A ),, A ),, A ) so o ulas, etoces se verfca: A B) A ) B / A ) A / B) p( B) p( A ) p( B / A ) Notacó: Probabldades cales o a pror: p(a ) Verosmltudes: p(b/a ) Probabldades fales o a posteror: p(a /B) Ejemplo: S e ejemplo ateror de las tres moedas hemos obtedo cara, cuál sería la probabldad de que hubésemos sacado la moeda T. T C) T ) C / T ) / / T / C) C) C) / 8 8 / 99 DISTRIBUCIONES: BINOMIAL Y NORMAL Varable aleatora: Se llama varable aleatora a toda aplcacó del espaco muestral e el cojuto de los úmeros reales. Ejemplo: E el lazameto de dos moedas al are, E={(C,C),(C,X),(X,C),(X,X)}; la varable aleatora "º de caras obtedas" toma los valores: 0,,. Tpos de varables aleatoras Varable aleatora dscreta: es aquella que toma u º fto de valores. Ejemplo: El º de pulsacoes de u efermo, º de avoes que aterrza e u aeropuerto. Varable aleatora cotua: es aquella que puede tomar cualquer valor de u tervalo real. Ejemplo: La temperatura del cuerpo, la velocdad de u automóvl. Varables aleatoras dscretas Fucó de masa de probabldad: es ua aplcacó que asoca a cada valor de la varable aleatora su probabldad p =f( ). Normalmete se represeta así:... p p p... p f( ) p Obvamete se verfca : f( ) p 0 Ejemplo: S cosderamos el epermeto aleatoro de lazar dos dados al are y la varable aleatora " úmero de putos obtedos". Su fucó de probabldad será: 6
7 p /6 /6 /6 4/6 5/6 6/6 5/6 4/6 /6 /6 /6 Fucó de dstrbucó: Sea X ua varable aleatora dscreta, cuyos valores supoemos ordeados de meor a mayor. Llamaremos fucó de dstrbucó de la varable aleatora X a la fucó: F R R F() X ) es decr la fucó de dstrbucó asoca a cada valor de la varable aleatora la probabldad acumulada hasta ese valor. Puede decrse que la fucó de dstrbucó es la traduccó al modelo teórco de las frecuecas relatvas acumuladas de ua varable estadístca. Ejemplo: Sea X la varable aleatora "º de caras obtedas al lazar al are dos moedas". La fucó de probabldad es: 0 s 0 / 4 s 0 Y la fucó de dstrbucó es : F( ) / 4 s s Ejercco: Hacer la represetacó gráfca de la fucó de dstrbucó. Propedades de la fucó de dstrbucó: a) Es acumulatva b) R; F( ) 0 c) Es moótoa crecete: F( ) F( ) d) s ; F( ) 0 s ; F( ) 0 p /4 / /4 Meda, Varaza y Desvacó Típca de ua varable aleatora dscreta Meda: E I p Varaza: VAR ( ) p Desvacó típca: I var aza I p ( ) p p Ejemplo: Cosderemos ua varable aleatora cuya fucó de probabldad es: X 4 5 ) /5 5/5 /5 /5 4/5 7
8 Calculemos la meda, varaza y desvacó típca: p p p /5 /5 /5 5/5 0/5 0/5 /5 /5 9/5 4 /5 /5 48/5 5 4/5 0/5 00/5 47/5 79/5 47 p p LADISTRIBUCIÓN BINOMIAL O DE BERNOUILLI Se llama epermeto de Beroull de pruebas al epermeto aleatoro que verfca las sguetes codcoes: a) E cada prueba sólo so posbles dos resultados, el suceso A y su cotraro A. Al suceso A lo llamaremos éto, ya al cotraro A fracaso. b) El resultado obtedo e cada prueba es depedete de los resultados aterores. c) La probabldad de que ocurra el suceso A o varía durate toda la prueba. Ejemplos: a) El lazameto de ua moeda al are 0 veces. b) Los descedetes de ua determada pareja. Represetaremos por B(,p) a la varable de la dstrbucó bomal, sedo y p los parámetros de dcha dstrbucó. Fucó de Probabldad S llamamos p=p(a) es decr a la probabldad de éto y q=-p a la probabldad de fracaso q=p( A ). Realzamos pruebas del epermeto y deseamos saber la probabldad de obteer r étos e las pruebas. º Cosderemos uo de los casos e los que se obtee r étos e las pruebas. Será el suceso: B A A... A A A... A r etos r fracasos La probabldad de este suceso teedo e cueta la depedeca e pruebas sucesvas es: p(b)=p r q -r º Las maeras posbles de obteer r étos y -r fracasos es el úmero combatoro. r º S represetamos por X la varable aleatora bomal que represeta el úmero de étos obtedos e las pruebas del epermeto, se cocluye: p(obteer r étos)=p(x=r)= p r q -r r Esta epresó recbe el ombre de fucó de probabldad de la dstrbucó bomal. Meda, Varaza y Desvacó Típca de ua Bomal 8
9 Fucó de dstrbucó E p; Var( X) pq; DT pq F R R F( ) P X p q Ejemplos: A) Cuál es la probabldad de que ua famla co 6 hjos tega varoes? 4 6 6! 5 Es ua bomal B(6,/): P 6 4!! 64 Co las tablas P[==0.44 Nota: S tuvésemos ua bomal B(8,0.6) Procederíamos co las tablas de la sguete forma: P X tablas B) U eame tpo test costa de 0 pregutas, cada ua de las cuales tee 4 respuestas, sedo sólo ua de ellas correcta. U alumo tee "prsa" y decde cotestar al azar. Se pde: a) Probabldad de acertar eactamete cuatro pregutas. b) Probabldad de o acertar gua. c) Probabldad de acertar todas. d) Probabldad de acertar al meos cco (probabldad de aprobar) Sol: a) B(0,0.5); X ) b) X=0)=0.056 c) X=0)=0 d) X5)=p(X=5)+p(X=6)+p(X=7)+p(X=8)+p(X=9)+p(=0)=0.078 FUNCIÓN DE DENSIDAD DISTRIBUCIONES CONTINUAS La probabldad e las dstrbucoes cotuas se determa medate fucoes f(), que llamaremos fucoes de desdad, caracterzadas por: a) f() 0, para todo, a b sedo a y b los etremos del campo de esteca de la varable X. b) El área bajo la curva determada por f(), etre a y b, es. Es decr: b f ( ) d a c) La probabldad de que la varable cotua X esté e el tervalo [a,b, vee dada por el área bajo la curva f() y los límtes a y b; es decr: 9
10 Ejercco: 0 0 Comprobar que f( ) 0 0 p( a X b) f( ) d b a es ua fucó de desdad de la varable aleatora X. FUNCIÓN DE DISTRIBUCIÓN Como e el caso de la varable aleatora dscreta, la fucó de dstrbucó proporcoa la probabldad acumulada hasta u determado valor de la varable: F R R F( ) p( X ) f( t) dt a La relacó etre la fucó de desdad y la de dstrbucó es F'()=f() Geométrcamete: s la varable toma valores e todo R, la fucó de dstrbucó es el área compredda etre la fucó de desdad, el eje OX desde - hasta. Propedades de la fucó de dstrbucó S el domo de la varable aleatora es todo R a) Es moótoa crecete: F( ) F( ) b) F(+)= c) F(-)=0 NOTA: S a y b so úmeros reales tales que a<b etoces: b a b p( a b) F( b) F( a) f( ) d f( ) d f( ) d MEDIA, VARIANZA Y DESVIACIÓN TÍPICA DE VARIABLES ALEATORIAS CONTINUAS E X f( ) d var( X) ( ) f ( ) d f( ) d a var( ) Ejemplo: Dada la fucó de desdad de la varable aleatora X: 0 0 f( ) k 0 0 Calcular: a) k para que f sea ua fucó de desdad b) Calcular la fucó de dstrbucó c) p(0'5<<0'75) d) la meda y la desvacó típca 0 k k a) f( ) d od kd od k 0 0 b) 0
11 s <0; F() 0d 0 0 s 0 ; F() od 0 d s >; F() od d etoces F() 0 0 0d c) p( 0' 5 0' 75) F( 0' 75) F( 0' 5) 0' 75 0' 5 0' 5 d) f( ) d d f ( ) d 0 d 0 8 LA DISTRIBUCIÓN NORMAL Ua varable aleatora cotua X sgue ua dstrbucó ormal de parámetros y s verfca: a) la varable aleatora X recorre el tervalo (-,+). b) Tee como fucó de desdad f( ) e ( ) A esta dstrbucó se la deota: N(,) A la vsta de la curva podemos destacar las sguetes característcas:. El domo o campo de esteca se etede a todo R.. Es smétrca respecto a la meda de la dstrbucó.. Posee u mámo e (,f()), dode se stúa també la moda y la medaa. 4. E las abscsas - y + posee sedos putos de fleó. 5. Tee como asítota horzotal y=0. 6. El área compredda por la curva y los límtes del tervalo [-,+ es el 68.6% del total; s el tervalo es [-,+ es el 95.44% del total; y s es [-,+ el área es el 99.74%. LA DISTRIBUCIÓN N(0,) S hacemos =0 y = la fucó de desdad es f ( ) e / E geeral, el área bajo ua curva ormal cualquera N(,) etre los valores +k y +k' sólo depede de k y de k', por tato cocde co el área bajo la ormal N(0,) etre k y k'. Esta cocdeca permte coocer las área bajo ua curva ormal cualquera, coocda ua de ellas, cocretamete la más seclla: N(0,). MANEJO DE LAS TABLAS DE LA N(0,).
12 CASO a) '85)=0'9678 CASO -a)=a)=- a) -'85)=- '85)=-0'9678 CASO ab)=b)-a) '85)='85)-)=0'9678-0'84 CASO 4 CASO 5 -ab)=b)--a)=b)-[-a) -a-b)=-b)--a)=[-b)-[-a)=a)-b). TIPIFICACIÓN DE LA VARIABLE S a ua varable aleatora X, de meda y desvacó típca, la sometemos a la trasformacó de restarle y dvdrla por (llamada tpfcacó de la varable), la varable obteda Z, tee meda 0 y desvacó típca. Es decr: X S X es ua varable aleatora N(,), etoces la varable Z es N(0,). CÁLCULO DE ÁREAS PARA UNA N(,) * Calcular ) e N(8,). ) Z 8 5 ) Z ) Z ) ** Calcular ) e N(8,). 7 7 ) Z ) Z ) Z ) LA NORMAL COMO APROXIMACIÓN DE LA BINOMIAL Teorema de Movre: S X es ua varable co dstrbucó bomal B(,p); etoces la varable Z X p es N(0,) s tede a fto. pq Aú cuado o teda a fto se puede apromar ua bomal a ua N(0,) s p y q so ambos mayores o guales que 5. Cuato mayor sea y p esté más prómo a 0'5, mejor será la apromacó. Ejemplo: Para determar la probabldad de que haya más de 5 pezas defectuosas e ua muestra de 0 pezas, s la probabldad de defectuosa es 0 09; habrá que teer e cueta que se trata de ua bomal B(0,0 09) y hacer el sguete cálculo: que requere el cálculo de 95 sumados. 0 0 p( X 5) ( 0 ' 09 ) ( 0 ' 9 0 ) 6
13 S hacemos la apromacó a la ormal X, N(0 0 09, 0 0'09 0' 9 ) p(x>5) * p(x 5'5 9'9 5 5)=p(Z ) =p(z '87) =0 007 La gualdad () está motvada porque la varable X dscreta es susttuda por la varable X que es cotua, debédose hacer la correccó de cotudad, por la que las probabldades putuales ( de valor 0 para las varables cotuas) so susttudas por probabldades de tervalo del modo sguete: p(x=k)=p(k-0 5X k+0 5) y para otras stuacoes: p(xk)=p(x k+0 5) p(x<k)=p(x k-0 5) p(x>k)=p(x k+0 5) p(xk)=p(x k-0 5)
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 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 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 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 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 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 detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
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 detallesLOS 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 detallesTEMA 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 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 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 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 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 detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
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 detallesINTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
Más detalles5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
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 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 detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
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 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 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 detallesEste documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!
Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO
Más detallesPROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
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 detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
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 detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama
Más detallesTema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1
Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia
Más detallesFrecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti
116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr
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 detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesGuía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
Más detallesESTADÍSTICA DESCRIPTIVA
H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos
Más detallesTEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA
UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
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 detallesTEMA 4: NÚMEROS COMPLEJOS
TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.
Más detalles7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
Más detallesUNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS
Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesFórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función
Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL
Más detallesTema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA
Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,
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 detallesDIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA
DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro
Más detallesLECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesEstadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Más detallesEjercicios Resueltos de Estadística: Tema 1: Descripciones univariantes
Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesI n t r o d u c i ó n A l a E s t a d í s t i c a 1
Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
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 detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detallesJuegos finitos n-personales como juegos de negociación
Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos
Más detallesIII. GRÁFICOS DE CONTROL POR VARIABLES (1)
III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detallesDistribución conjunta de variables aleatorias
FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so
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 detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detallesLOS 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 aalzó el sgo
Más detalles6.2.- Funciones cóncavas y convexas
C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.
Más detallesCÁLCULO DE PROBABILIDADES :
CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD
Más detallesTEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)
Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesTEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :
Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS
Más detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detallesPRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A
PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua
Más detallesNOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
Más detallesANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS
UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,
Más detalles1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática
Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesC URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI
TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco
Más detallesINTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS
Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más detallesEjercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática
Ejerccos resueltos de fucoes geeratrces. Matemátca dscreta º Igeería Iformátca. Determa la fucó geeratrz para el úmero de formas de dstrbur 5 moedas de u euro etre cco persoas, s (a o hay restrccoes; (b
Más detallesGENERACION DE NUMEROS ALEATORIOS
GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua
Más detallesESTADÍSTICA DESCRIPTIVA E INFERENCIAL I
COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño
Más detallesTécnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
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 detallesActividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.
Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,
Más detallesANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Más detallesLínea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V
Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó
Más detallesRENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detallesCAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el
CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També
Más detalles