Distribuciones: discretas y continuas
|
|
- Hugo Pérez Méndez
- hace 6 años
- Vistas:
Transcripción
1 Distribucioes: discretas y cotiuas DISTRIBUCIONES. DISTRIBUCIONES DISCRETAS. Distribució Uiforme.... Distribució Biomial Distribució de Poisso DISTRIBUCIONES CONTINUAS.. Distribució Uiforme o rectagular Distribució Normal Adició de distribucioes ormales Teorema cetral del límite Distribucioes derivadas de la ormal Distribució de Pearso Distribució t de Studet Distribució F de Sedecor... 6 Uidad Docete de Matemáticas de la E.T.S.I.T.G.C.
2 Distribucioes: discretas y cotiuas. DISTRIBUCIONES DISCRETAS. DISTRIBUCIÓN UNIFORME Ua variable aleatoria discreta que toma todos sus valores x, x,..., x co igual probabilidad se dice que tiee ua distribució uiforme discreta. La fució de probabilidad de ua variable aleatoria uiforme discreta está dada por P(X x) co x x, x,..., x siedo xi x j para i j La media y variaza de la distribució uiforme es x i i (x i ) xi i i. EJEMPLO : El temario para u exame costa de 35 temas, de los cuales se elegirá uo al azar. Si u alumo o ha estudiado los 0 últimos temas Cuál es la probabilidad de que el alumo sepa el tema elegido para el exame? Hallar la media y variaza. Solució: Sea X la variable aleatoria que represeta el úmero de tema seleccioado para el exame, como todos los temas tiee la misma probabilidad de ser seleccioado, X sigue ua distribució uiforme de parámetros a= y b=35. - La probabilidad de salir el tema es PX 35 El alumo aprueba el exame si le toca u tema del al 5; así pues: La probabilidad de salir u tema estudiado es: La media y variaza so los valores 5 5 PX i Uidad Docete de Matemáticas de la E.T.S.I.T.G.C.
3 Distribucioes: discretas y cotiuas DISTRIBUCIÓN BINOMIAL. EJEMPLO : Hallar la distribució de probabilidad del siguiete suceso: úmero de caras que se obtiee e cico lazamietos sucesivos de ua moeda. Solució: P(cara) = P(c) = ½ e u lazamieto y P(cruz) = P(x) = ½ e u lazamieto. Los posibles valores de la variable so = 0,,, 3, 4, 5. La probabilidad de cada suceso: xxxxx, que o salga cara P( = 0) = = 3 xxxxc, que salga vez P( = ) = 5 4 = 5 3 xxxcc que salga veces P( = ) = xxccc que salga 3 veces P( = 3) = xcccc que salga 4 veces P( = 4) = ccccc que salga 5 veces P( = 5) = = 0 3 = 0 3 = = 3 x i P( xi ) Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 3
4 Distribucioes: discretas y cotiuas Experimeto de Berouilli Cosideremos u experimeto aleatorio que admite sólo dos resultados excluyetes: Suceso A (éxito) co probabilidad P(A) = p. Suceso A (fracaso) co probabilidad P( A ) = -p = q. Supogamos que se realiza pruebas de Berouilli sucesivas e idepedietes, es decir, se realiza experimetos idepedietes, e cada uo de los cuales u determiado suceso puede o o ocurrir. A la variable aleatoria discreta = úmero de veces que ocurre el suceso A (éxito) e las pruebas se la deomia variable biomial. veces, Para calcular la distribució de probabilidad os fijamos e el suceso favorable a A e ) ) A...AA... A ) ) las probabilidadesp... p. q... q = p. q luego P( = ) = p. q cuya probabilidad por ser sucesos idepedietes es el producto de. Resultado que se puede repetir veces, Esta distribució discreta recibe el ombre de distribució biomial o de Berouilli. La fució de distribució correspodiete es: F(x) = p x. q Si observamos el desarrollo de biomio de Newto: ( p q) = 0 p q 0. p q.... p. q p. q 0 etedemos el ombre de biomial y la simetría de la distribució de probabilidad. Los valores de P( = ) so laboriosos, por lo que se ecuetra tabulados para valores de de 0 a 0 y distitos valores de p. Ua distribució biomial queda caracterizada cuado se cooce p y y se escribe B(, p). E el ejemplo aterior los parámetros so p = ½ y = 5, por tato se dice B(5,/). Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 4
5 Distribucioes: discretas y cotiuas La esperaza matemática: E = i =.p. p i i i0 i. q =.p. ( p q) =.p xp i ( xi) = i. p i. q i i0 i i = i. p. q i i i = =.p i La variaza: E = xi P( xi) = i. p i. q i i = i. p i. q i i = i i. p. q i i i0 i0 i =.p. ( i ). p. q p. q i i i i i i i =.p( ). p.( pq) ( pq) =.p.((-).p+) =. p. p p i = V = E - E =. p. p p-. p =.p.(-p) =.p.q Alguas distribucioes de probabilidad se ajusta a u modelo matemático. Coocido el modelo podemos escribir directamete las probabilidades de esas distribucioes. Si se observa que ua variable estadística obteida experimetalmete a partir de ua muestra satisface las codicioes que coduce a ua distribució Biomial, tedrá ua distribució empírica que se aproximará a ua distribució Biomial teórica. El problema radica e determiar los parámetros de la Biomial que mejor se ajusta y el grado de dicho ajuste. Se puede demostrar que la que mejor se ajusta es la que tiee la misma media. Para ello se calcula la media muestral x y la hacemos coicidir co la de la x població p. x, de dode p siedo el úmero de elemetos de la muestra. Por tato, ajustaremos por ua biomial x B,. EJEMPLO 3: a) Cuál es la probabilidad de que ua familia co seis hijos tega dos hijos varoes? b) Cuál es la media de hijos varoes de ua familia de seis hijos? c) Y la desviació típica? d) Cuál es la probabilidad de que ua familia de seis hijos tega como máximo cuatro hijos varoes? Solució: Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 5
6 Distribucioes: discretas y cotiuas Primeramete, observemos que teemos ua distribució biomial, cuya variable aleatoria es el úmero de hijos varoes, B(6,/) siedo =6=úmero de hijos, p=/= la probabilidad de que u hijo sea varó. a) 4 6 P( ) E.p6. 3 hijos b) V.p.q 6.. c) i i 6i d) F(4)= P( 4) p.q = i4i i0 i = = 6 i = DISTRIBUCIÓN DE POISSON. Es ua distribució que se preseta cuado teemos ua població grade y la probabilidad de que ocurra u suceso determiado, tiee ua probabilidad muy pequeña (ley de casos raros). Ejemplos: Llamadas a ua cetral telefóica de emergecias. Desitegració de átomos radiactivos. Número de partos triples. Número de automóviles que llega a u peaje. Ua variable aleatoria tiee distribució de Poisso de parámetro, si toma los valores eteros 0,,...,,. co probabilidad:p( )! e si > 0 Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 6
7 Distribucioes: discretas y cotiuas Si e la distribució biomial B(,p) es muy grade y p muy pequeña se puede aproximar mediate la distribució de Poisso, haciedo.p =, supoiedo costate. lim p lim 0. P p q ( )..! e expresió de la probabilidad de que ocurra el suceso u úmero de veces e u úmero grade de observacioes o experiecias. Comprobemos que P( ) 0 =. 0 P( ) = 0! e = e 0! = e.e = ya que el desarrollo e serie de e es: e...!! 0 Por cosiguiete, las probabilidades límites de las probabilidades biomiales cuado tiede a ifiito, siedo p variable y tal que.p = = costate, costituye la llamada ley de Poisso P(λ). E la práctica la aproximació es aceptable para valores >50 y p<0, ó.p<5. Existe tablas para calcular la probabilidad de para distitos valores de y. Esperaza matemática: E = P. ( ) =. e! 0 0 =. e! =. e =.e.e ( )! Variaza: E =. P( ) =.! e =.! e =. e. ( = )! 0 0 =. e ( ) ( )! =. e ( )!. e. e ; luego VE E =. e. e + ( )! ( )! = Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 7
8 Distribucioes: discretas y cotiuas Para el ajuste de ua distribució empírica por ua distribució de Poisso, si la variable estadística experimetal tiee la característica de ua distribució de Poisso, se aproximará por ua de este tipo y el parámetro que mejor se ajusta es x, ya que e este caso ambas distribucioes tiee la misma media. EJEMPLO 4: El úmero medio de llamadas telefóicas que llega a ua cetral de emergecias es de cuatro por miuto e las horas puta. Calcular: a) Probabilidad de que llegue cuatro llamadas e u miuto. b) Número de llamadas que deberá ser capaz de soportar la cetral para que o se sature, co probabilidad 0,99. Solució: a) Sea la variable aleatoria = úmero de llamadas que se recibe e u miuto (de las horas puta), etoces sigue ua distribució de Poisso de parámetro 4. Nos pide: 4 P( 4) e 4! 4 4 = 0,954. b) Llamado x al úmero de llamadas que deberá soportar la cetralita, os dice que: P( x) 0,99 Vamos sumado las probabilidades: P( 0) P( ) P( )... hasta que la suma sea mayor o igual que 0,99. Observado estas probabilidades e la tabla de la distribució P(4) teemos: 0,083+0,0733+0,465+0,954+0,954+0,563+0,04+0,0595+0,098 = 0,9798. P( 9) P( 8) P( 9) = 0, ,03 = 0,999 > 0,99. Por tato x = 9. Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 8
9 Distribucioes: discretas y cotiuas. DISTRIBUCIONES CONTINUAS.. DISTRIBUCIÓN UNIFORME O RECTANGULAR Se dice que ua variable cotiua sigue ua distribució uiforme e el itervalo ab, cuado su fució de desidad es: 0 si x a fx ( ) b-a si a x b 0 si b< x Gráficamete: _ b-a a b La fució de distribució, será: F(x) = x x fx dx b a dx x ( ). a b a a x a x a b a si a x b, etoces: 0 si x a x-a F(x) b-a si a x b si b< x cuya gráfica es: obsérvese como la fució de distribució es a b cotiua, por correspoder a ua variable aleatoria cotiua, pero o lo es la fució de desidad. Esperaza Matemática: b b x b a E x.f (x).dx x..dx a ba ba ba a a b Variaza: 3 b 3 3 b x E x.(). f x dx x.. dx a b a b a 3 a b a a a. bb b a 3 3 y, por tato, Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 9
10 Distribucioes: discretas y cotiuas = a a. b b a a. bb VE E 3 = a b - a b = a a. b b 3 - a a. b b 4 Esta distribució depede de los parámetros a y b y se deota Uab,. = EJEMPLO 5: De ua estació parte u tre cada 0 miutos. Si desigamos por X la variable aleatoria tiempo de espera desde que u viajero etra e el adé hasta que parte, calcular: a) La probabilidad de esperar meos de dos miutos. b) El tiempo medio de espera. c) La probabilidad de esperar dos miutos y medio. Solució: Si el viajero llega e cualquier mometo y todos los mometos tiee la misma probabilidad, la variable aleatoria tiempo de espera sigue ua distribució U(0,0). Por tato, la fució de desidad de la variable X es 0 si x 0 f(x) si 0 x0 0 0 si 0<x a) P(X ) dx EX f(x)dx x dx 0 0 b) 5 c) Si el reloj aprecia hasta los segudos, el viajero espera dos miutos y medio si el tre llega etre,5-/60 y,5+/60 miutos, por tato,5 60 dx, Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 0
11 Distribucioes: discretas y cotiuas.. DISTRIBUCIÓN NORMAL Gauss (777,855) y Laplace (749,87) llegaro a ella estudiado la distribució de los errores de observacioes. Es la distribució que aparece co más frecuecia e la práctica, hasta el puto que el ombre lo tiee porque se pesaba e u pricipio que todas las distribucioes estadísticas era de este tipo, ya que era ua ley de la aturaleza. Esta situació fue parafraseada por Lippmam todos cree e la ley ormal de errores: los experimetadores, porque ellos piesa que puede ser probado por las matemáticas; los matemáticos, porque cree que se ha establecido por la observació. Hoy es evidete la exageració de tal creecia, auque debe señalarse la extraordiaria frecuecia co que tal distribució se ecuetra e las más variadas aplicacioes y tambié, como otras muchas distribucioes, puede reducirse a ésta mediate u adecuado cambio de variable. Ejemplos: Talla, peso y otras características físicas de las persoas. Test psicológicos y sociológicos. Distribució de la reta e países desarrollados. Cosumo de electricidad de u país. Ua variable aleatoria cotiua se dice que tiee ua distribució ormal o de Laplace-Gauss de media y desviació típica, si: fx ( ) e ( x) es su fució de desidad. Se verifica -o lo demostramos que: fx ( ). dx Veamos el estudio de la gráfica de f(x):. lim f( x) 0 x. f(x)>0 para todo x fiito. Uidad Docete de Matemáticas de la E.T.S.I.T.G.C.
12 Distribucioes: discretas y cotiuas 3. f(x) es cotiua para todo x. 4. Es simétrica respecto de x=. 5. x f'( x) e ( x) = x. fx ( ) = 0 si x puesto que f(x)>0. 0 si x E x = pasa de creciete a decreciete, luego existe u máximo e (,f( )) = (, ) dode coicide la moda, (por ser máximo), la mediaa, (por simetría) y la media. x 6. f (x)= iflexió. x. fx ( ) = 0 etoces = 0, resultado x putos de es la llamada campaa de Gauss. ( x) x La fució de distribució es: F(x) P( x) e. dx La esperaza matemática es: ( x) Ex xf.()dx x x e dx. Uidad Docete de Matemáticas de la E.T.S.I.T.G.C.
13 Distribucioes: discretas y cotiuas y realizado u cambio de variable x dx t dt x t ; resulta, t t t Ex ( t ) e dt te dt e dt la itegral primera es imediata y su resultado cero, por simetría; y e cuato al la seguda es ua itegral impropia, que se idetifica co la fució gamma:. t t e dt e dt ; sustituyedo, los dos resultados, se obtiee 0 Ex ( 0. ) y la variaza es: ( x) t Vx ( x). fx ( )dx x e dx t e dt ( ). que realizado por partes, se llega a t t t Vx t e dt te e dt. Por cosiguiete, la media y la desviació típica so los dos parámetros de la distribució N(, ). Si queremos calcular ua probabilidad determiada: x b P(a b) e.dx F(b) F(a) a debemos hacer uso de métodos de itegració aproximada o bie de tablas, pero sólo existe tablas de la N(0,), es decir, de la distribució ormal de media 0 y desviació típica. Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 3
14 Distribucioes: discretas y cotiuas Distribució ormal tipificada o estádar Ua trasformació de la variable N(, ) a la variable N( 0, ) recibe el ombre de distribució ormal tipificada. Hacemos que es el resultado de ua traslació por u cambio de escala, cuya media: y su variaza: E V E E 0 V V Efectivamete, la N(0,) co fució de desidad: fx ( ) e x y cuyos coeficietes de simetría y curtosis so ulos, dada la perfecta simetría de la distribució. cero Es iteresate observar la probabilidad del itervalo cetrado e la media de valor P( a a) F(a) F( a) F(a) ( F(a)).F(a) P( ) F() F( ) 0,68 lo que equivale para ua ormal N(, ): P( ) = 0,68 Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 4
15 Distribucioes: discretas y cotiuas P( ) F() F( ) = 0,95 lo que equivale para ua ormal N(, ): P( ) = 0,95 P( 3 3) F(3) F( 3) =0,99 lo que equivale para ua ormal N(, ): P( 3 3 ) = 0,99 que os idica la cocetració de valores, e toro a la media, de tal forma que el 99% de la distribució está situado etre3 y + 3 etoro a la media. Paso al límite de la distribució biomial a la ormal Al estudiar la distribució límite de la biomial cuado tiede a y p es fijo, se observa que p q 0. Además, la media.p y la variaza.p.q tiede a. Se trata, pues, de hacer u cambio de variable secillo que os haga teder la ueva variable, cuado tiede a, hacia ua variable que tega mometos fiitos. p. N( 0, ) siedo B(,p) pq.. E la práctica, es aceptable la aproximació si 0, < p < 0,9 y > 50. Tambié si p < 0, y.p > 5. Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 5
16 Distribucioes: discretas y cotiuas Ajuste de ua distribució empírica mediate ua distribució ormal El procedimieto de determiació de los parámetros cosiste e igualar la media x y la variaza S de la distribució estadística co la media y la variaza de la ormal. Es decir: x, S. EJEMPLO 6: Sabiedo que el úmero de alumos que pasa cada año al tercer curso de ua escuela sigue ua distribució ormal N(0,0), calcular: a) Probabilidad de que pase más de 40. b) Probabilidad de que pase etre 00 y 30. c) Qué úmero de plazas debe haber dispoibles e tercero para que se pueda matricular todos los que lo desee co probabilidad 0,98? Solució: Sea = úmero de alumos que pasa a tercero N(0,0) a) P( 40) P( 40) F(40) 0,08 b) P00 30P30P00 F(30) F(00) 0,885 c) x = úmero de plazas E este caso, os pide el percetil 98: P x 0,98 F x 0,98, Se trata de resolver ua ecuació, luego x 40,5. N(0,0) Por tato el úmero de plazas dispoibles debe ser de 4. EJEMPLO 7: El 0% de los jóvees tallados para realizar el servicio militar, mide más de,80 m; el 30% mide meos de,65m. Supoiedo que la altura de las persoas sigue ua distribució ormal, calcular: a) Altura media y desviació típica de la població. b) Porcetaje de jóvees que mide,70 m. Solució: Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 6
17 Distribucioes: discretas y cotiuas = altura de los jóvees N(, ) a) P( >,80) = 0,, puesto que so el 0% y P( <,65) = 0,3, ya que represeta el 30%. Tipificado,,80,80,80 P 0, P P 0,0,9 y observado el percetil 90, se tiee que:, 80,8,80, 8. () de dode Por otra parte, P( <,65) = 0,3, 65, 65, 65 P 0,3 P F 0,3 Y observado el percetil 30:, 65 0,55 de dode,65 0,55. () Igualado () y (),80,8.,65 0,55. resulta 0,083 y sustituyedo e (),693. E resume: la altura media es,693 m y la desviació típica 0,083. b) Nos pide P(,70), por ser la distribució cotiua, la probabilidad e u puto es cero. Ahora bie, es obvio, que o podemos egar la existecia de jóvees que mida,70 m, etoces, cómo podemos saber cuátos so? Pues, dado u itervalo que cotega a,70 y sea lo más pequeño posible, por ejemplo, (.695,.705). Evidetemete, éstos o mide,70, pero co los istrumetos de medida habituales que suele teer de precisió cm, decimos que ua persoa mide,70, cuado su altura está e el itervalo (.695,.705). La probabilidad de este itervalo es: P,695,705 P(,695) P(,705) Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 7
18 Distribucioes: discretas y cotiuas lo que quiere decir que el 4,786% aproximadamete de los jóvees mide etre,695 y, ADICIÓN DE DISTRIBUCIONES NORMALES Sea N(, ) y N(, ) idepedietes. Etoces la variable correspode a ua ormal de media y desviació típica, es decir, N(, ). EJEMPLO 8: Se puede geeralizar a N(, ), variables idepedietes, resultado: i i i N, i i i El peso de u limó está distribuido segú ua distribució N(5, 0) e gramos. Cuál es la probabilidad de que ua caja co 50 limoes pese meos de 6 g? Si lleamos bolsas de ocho limoes, cuál es la probabilidad de que las bolsas pese etre 975 y 05 gramos? Solució: X= peso de u limó N(, ) El peso de cada limó sigue ua distribució Normal, luego 50 limoes se correspode co la suma de las 50 distribucioes ormales, resultado: i i Y 50X N, N 650,500 P Y 6000 F(6000) Ahora será: Z= peso de 8 limoes N(, ) Para bolsas de 8 limoes Z 8X N, N 000,80 i P 975 Z 05 F(05) F(975) i Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 8
19 Distribucioes: discretas y cotiuas.4. TEOREMA CENTRAL DEL LÍMITE. Si ua variable es suma de variables idepedietes, co medias i y variazas i, su distribució tederá a ser ormal, co media igual a la suma de medias y variaza igual a la suma de las variazas, cuado, úmero de sumados, tieda a ifiito. Es decir, la variable se aproximará a N i, i i i. El teorema cetral del límite da ua justificació teórica del hecho de que e la aturaleza se ecuetre co frecuecia variables aleatorias co distribució aproximadamete ormal, ya que dichas variables puede ser cosideradas frecuetemete como suma de gra úmero de variables, todas ellas de poca ifluecia sobre la coducta de la variable cosiderada, pero que cotribuye, auque idividualmete sea co poca itesidad, a la cuatificació de sus valores y merced al teorema cetral del límite, estas variables podrá tambié ser tratadas por aproximació, como ormales. Demostrado e 9 por Lideberg, se puede comprobar empíricamete simulado distribucioes de probabilidad co ordeador. Se puede usar u geerador de úmeros aleatorios para obteer valores, x, x,..., de ua U(0,). Segú sabemos las x i tiee de media ½ y variaza /, luego S x xi tiee de media / y variaza /. La variable tipifica S * S tiee por el teorema cetral de límite, ua distribució aproximadamete ormal tipificada para grade. Si bie la distribució límite de S * o depede de las distribucioes de las variables x i, la rapidez co la que S * se aproxima a la ormal depede e gra medida de la forma de dichas distribucioes. Si embargo, si las distribucioes de las x i so muy asimétricas, tiee que ser a veces muy grade para obteer ua aproximació satisfactoria. biomial. El teorema cetral de límite, garatiza la aproximació ormal de la distribució Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 9
20 Distribucioes: discretas y cotiuas.5 DISTRIBUCIONES DERIVADAS DE LA NORMAL..5.. Distribució de Pearso Sea,,...,, variables aleatorias N(0,) e idepedietes, etoces la expresió:... es ua variable aleatoria que recibe el ombre de ji-dos o chi-cuadrado de Pearso (857,936). El úmero de variables ormales sumadas recibe el ombre de grados de libertad, y la represetamos por. Fució de desidad: La fució de desidad de la variable aleatoria es: fx ( ) ( ) x ( ) - e si x 0 Alguas propiedades de la fució de desidad de.- El domiio de es R 0..- f(x) preseta u úico máximo si. 3.- f(x) o es simétrica. 4.- f(x) depede del úmero de grados de libertad. : Alguas gráficas: Fució de desidad = =4 0. = Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 0
21 Distribucioes: discretas y cotiuas Fució de distribució: La fució de distribució de ua variable aleatoria viee dada por: F(x) P( x ) f( x)dx x 0. Características de la variable aleatoria. La media, variaza y desviació típica de ua variable aleatoria ji-cuadrado co grados de libertad es,, respectivamete. Propiedades de la variable aleatoria..- Si,,..., m so m variables aleatorias ji-cuadrado co,,... m grados de libertad respectivamete, etoces, la variable aleatoria... m es ua variable aleatoria co = m grados de libertad..- Si el úmero de grados de libertad es mayor que 30 etoces, la variable aleatoria ( ) sigue ua distribució N(( ), ). Esta propiedad es útil e caso de usar tablas de. La distribució de Pearso es de gra aplicació e la Teoría de Muestras o Iferecia Estadística para coocer si ua determiada variable real observada empíricamete a través de ua muestra se ajusta e mayor o meor grado a ua distribució teórica. Es habitual hallar el área ecerrada por f(x) e, esto es, P( ). Al valor se suele deomiar ivel de sigificació. Y el reciproco obteer el percetil -α, es decir la abscisa Uidad Docete de Matemáticas de la E.T.S.I.T.G.C.
22 EJEMPLO 9: Dada distribució Distribucioes: discretas y cotiuas ua y siedo A y B las áreas rayadas del gráfico, calcular los valores tales que: a a Solució: a) El área A sea igual b) El área B sea igual A Fució de desidad = grados de libertad B a) A , P( ) se obtiee 5.3. b) P( ) EJEMPLO 0: Calcular a) P( 0.4) 0 b) P( ) 6 Solució: a) P( 0.4) F(0.4) Uidad Docete de Matemáticas de la E.T.S.I.T.G.C.
23 Distribucioes: discretas y cotiuas b) P(40 50) P( 50) P( 40) F(50) F(40) Distribució t de Studet Sea,,..., y, + variables aleatorias idepedietes etre sí co distribució N(0, ) cada ua de ellas. Etoces la variable t... se deomia t de Studet co grados de libertad. Studet fue el seudóimo de William Sealy GOSSET (876,937), el estadístico y químico que descubrió la forma de la distribució t mediate ua combiació de trabajo matemático y trabajo empírico co úmeros aleatorios, ua aplicació tempraa de lo que ahora se llama el método de MoteCarlo. Si tipificamos,,..., y, dividiedo por se obtiee las variables,,..., y que so N(0,), obteiedo: t..., puesto que.... Esto sigifica que:.- Se podía haber defiido la variable aleatoria t, supoiedo las,,..., y,variables N(0,). Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 3
24 Distribucioes: discretas y cotiuas.- Que la t de Studet se caracteriza por elimiar la ifluecia de la variaza lo que tiee ua gra importacia e la Iferecia Estadística. Fució de desidad: fx ( ) x Alguas propiedades de la fució de desidad de t :.- El domiio es R..- f(x) preseta u úico máximo si. 3.- f(x) es simétrica. 4.- f(x) depede del úmero de grados de libertad (). 5.- Al aumetar se va haciedo cada vez más aputada la fució de desidad siedo el límite ( ) la curva ormal tipificada. libertad: Veamos a cotiuació la gráfica de la fució de desidad para =3 grados de Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 4
25 Distribucioes: discretas y cotiuas Características de la variable aleatoria t. Su media 0 y su variaza. Tiee su aplicació e la estimació de las características de ua població co distribució ormal mediate los llamados itervalos de cofiaza. EJEMPLO : Calcular: a) P( t ). b) P(. t9.37). c) Valor de x tal que 0 Solució: P(t x) 0.9 a) P( t ) ( - F()) b) P(. t9.37) F(.37) - F(.) c) Valor de x tal que: P(t0 x) 0.9 x = Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 5
26 Distribucioes: discretas y cotiuas.5.3. Distribució F de Sedecor Si y m so dos de Pearso, respectivamete co y m grados de libertad, idepedietes etre sí, etoces la variable: F co y m grados de libertad. m, / se la deomia F de Sedecor / m m positivas. La distribució F toma valores positivos por ser cociete de dos distribucioes Características de la variable aleatoria F,m. Su media m m si m> y su variaza m ( m ) (m ) (m 4) si m>4. Ua aplicació importate de esta distribució es la comparació de dos estimadores idepedietes de variazas (ANOVA). Uidad Docete de Matemáticas de la E.T.S.I.T.G.C. 6
Ejercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesDistribuciones de probabilidad
Distribucioes de probabilidad 1. Variable aleatoria real: Ejemplo: Ua variable aleatoria X es ua fució que asocia a cada elemeto del espacio muestral E u úmero X: E ú Cosideremos el experimeto aleatorio
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detalles3. Volumen de un sólido.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Itegrales y aplicacioes.. Volume de u sólido. E esta secció veremos cómo podemos utilizar la itegral defiida para calcular volúmees de distitos tipos
Más detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detalles( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7
LÍMITES DE FUNCIONES POLINÓMICAS Límites de ua fució costate f k, k El límite de ua fució costate es la misma costate f k f k k k a a Límites de la fució idetidad I I a a a I I Límites e u puto fiito.
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesTema 6: Distribuciones Muestrales
Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detallesUNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda
UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesANALISIS ESTADISTICO DE VALORES EXTREMOS
ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detallesIES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)
IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesPRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)
Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesSi la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE:
Ua progresió es geométrica, si cada termio después del primero se obtiee multiplicado el aterior por u valor costates Este valor costate se llama razó geométrica (q) E geeral: a a : a......... a ; 3 Si
Más detallesVariables aleatorias. Distribución binomial y normal
Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie
Más detallesESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}
ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)
Más detallesSOLUCIÓN EXAMEN I PARTE II
Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes
Más detallesINTEGRALES DE RIEMANN
NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-
Más detallesTécnicas para problemas de desigualdades
Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,
Más detallesINTRODUCCIÓN A LA ESTADÍSTICA
INTRODUCCIÓN A LA ESTADÍSTICA DIRECCIÓN DE LA PRODUCCIÓN Por: LUIS ARENCIBIA SÁNCHEZ www.laformacio.com - www.libroelectroico.et 1 Ídice. 1. Cotrol estadístico de calidad.. Datos..1. Presetació de datos...
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesn x i n y i = 0 ,..., x n u)... exp 1 y 1 y y n u . Demuestre que i=1 Y n
47 Capítulo 9 Propiedades de los estimadores putuales y métodos de estimació ii Demuestre que para que esta relació sea idepediete de p, debemos teer x i y i = 0 o x i = y i. iii De acuerdo co el método
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación
Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)
IES Fco Ayala de Graada Sobrates de 8 (Modelo 4) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 8 (MODELO 4) OPCIÓN A EJERCICIO 1_A (3 putos) U joyero fabrica dos modelos
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detalles1. Sucesiones y series numéricas
ITINFORMÁTICA CÁLCULO INFINITESIMAL BOLETÍN CON SOLUCIONES DE LOS EJERCICIOS CURSO 005-06 Sucesioes y series uméricas Escribir ua expresió para el -ésimo térmio de la sucesió: +, + 3 4, + 7 8, + 5 6, 3,
Más detallesTEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES.
Tema 6 Derivada de ua ució e u puto Fució derivada Derivadas sucesivas Aplicacioes TEMA 6 DERIVADA DE UNA FUNCIÓN EN UN PUNTO FUNCIÓN DERIVADA DERIVADAS SUCESIVAS APLICACIONES ÍNDICE INTRODUCCIÓN DERIVADA
Más detallesTest de Wilcoxon de rangos signados
5 Elea J. Martíez do cuat. 0 Test de Wilcoxo de ragos sigados Hemos visto que, co míimas hipótesis sobre la distribució subyacete (úica mediaa y distribució cotiua), el test del sigo es UMP para las hipótesis
Más detallesOPCIÓN A EJERCICIO 1_A x 1 0 1
IES Fco Ayala de Graada Sobrates de 006 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x 1 0 1 Sea las matrices A = y B =. 1 x+1 (1 puto) Ecuetre el valor o valores de x de forma
Más detallesEstadística para Química - 1er. cuat. 2007 - Marta García Ben
Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesIES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A
IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Frontera
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada
Más detallesLAS MUESTRAS ESTADÍSTICAS
UNIDAD 0 LAS MUESTRAS ESTADÍSTICAS Págia 26 Lazamieto de varios dados CUATRO DADOS La distribució de probabilidades de la suma de cuatro dados es la siguiete: x i 4 5 6 7 8 9 0 2 3 4 4 0 20 35 56 80 04
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesFUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES.
FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL FUNCIONES DE VARIAS VARIABLES. DEFINICIONES DE FUNCIONES EN VARIAS VARIABLES. Ua fució de variable es u cojuto de pares ordeados de la forma
Más detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
Más detallesSUCESIONES DE NÚMEROS REALES. PROGRESIONES
www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesCálculo de límites. 8.1. Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesIngeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.
CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detallesSUCESIONES Y SERIES DE FUNCIONES
CAPÍTULO XV. SUCESIONES Y SERIES DE FUNCIONES SECCIONES A. Campo de covergecia. Covergecia uiforme. B. Series de potecias. Itervalos de covergecia. C. Desarrollo de fucioes e series de potecias. D. Aplicacioes
Más detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detalles