Examen de Septiembre de TACCIII y TAI (Modelo 2)
|
|
- María Mercedes Gloria Martín Escobar
- hace 6 años
- Vistas:
Transcripción
1 Examen de Septiembre de TACCIII y TAI (Modelo 2) 12 de septiembre de La desordenación de la base de datos puede influir en el resultado obtenido mediante a) clasificación por distancia a las medias de las clases. b) back-propagation. * c) clustering jerárquico. 2. Una condición necesaria para la convergencia del algoritmo de entrenamiento del perceptrón de Rosemblatt es que a) el problema no se pueda separar linealmente. b) la constante de aprendizaje sea suficientemente pequeña. * c) los ejemplos de entrenamiento estén normalizados. 3. El número de grupos se fija de antemano en el algoritmo de clustering a) k-means. * b) secuencial. c) jerárquico. 4. El método del rechazo permite extraer muestras de una distribución a partir de a) muestras de una distribución gaussiana. b) muestras de una distribución unidimensional. c) muestras de otra distribución que acota a la original. * 1
2 5. Se dispone de 11 máquinas automáticas para producir componentes electrónicos. 10 de las máquinas producen un componente defectuoso por cada seis. La restante es de peor calidad pues produce un componente defectuoso de cada dos. Los componentes producidos por cada máquina durante todo el día han sido almacenados en cajas sin marcar. Tenemos, por lo tanto, un total de 11 cajas, una por cada máquina. Si se escoge una caja al azar y se extrae un componente que resulta defectuoso, cuál es la probabilidad de que el componente fuera producido por la máquina de calidad inferior? a) 23 % * b) 20 % c) 17 % 6. Vuelve a leer el ejercicio 5. Supón que se extraen dos productos defectuosos de la caja elegida al azar en lugar de uno. Cuál es la probabilidad de que la caja corresponda a la máquina de calidad inferior? Para simplificar este cálculo vamos a suponer que el número de productos de las cajas es muy elevado. a) 43 % b) 47 % * c) 51 % 7. Sean dos sacos con bolas blancas y negras. En el primero hay cinco veces más bolas blancas que negras y en el segundo hay cuatro veces más bolas negras que blancas. Se escoge un saco al azar y se extrae una bola que resulta ser negra. Qué probabilidad existe de haber sacado la bola del saco con mayoría de bolas blancas? a) 0.13 b) 0.15 c) 0.17 * 8. Lee con atención el siguiente problema de cajas de fruta. Tenemos once cajas de fruta: 6 son de color azul y 5 de color rojo. Cada caja roja contienen 2 manzanas y 6 naranjas. Cada caja azul contiene tres manzanas y una naranja. Si sacamos una naranja de una de las cajas escogida al azar, cuál es la probabilidad de que la naranja haya salido de una caja roja? a) 0.71 * b) 0.73 c) 0.75
3 9. Esta pregunta se refiere al problema de las cajas de fruta (ejercicio 8). Si se escoge una caja al azar, cuál es la probabilidad de sacar una naranja? a) 0.45 b) 0.48 * c) Los datos del problema de las lentillas se encuentran en el cuadro 1. Utiliza la regla de Bayes y los atributos edad y porcentaje para clasificar a un paciente de edad mediana y con porcentaje normal. Cuál es el diagnóstico para este paciente? edad lesión astigmatismo porcentaje diagnóstico joven miopía no reducido no joven miopía no normal blandas joven miopía si reducido no joven miopía si normal duras joven hiper no reducido no joven hiper no normal blandas joven hiper si reducido no joven hiper si normal duras mediana miopía no reducido no mediana miopía no normal blandas mediana miopía si reducido no mediana miopía si normal duras mediana hiper no reducido no mediana hiper no normal blandas mediana hiper si reducido no mediana hiper si normal no avanzada miopía no reducido no avanzada miopía no normal no avanzada miopía si reducido no avanzada miopía si normal duras avanzada hiper no reducido no avanzada hiper no normal blandas avanzada hiper si reducido no avanzada hiper si normal no Cuadro 1: Datos del problema de las lentillas. Cada fila es un ejemplo y la última columna indica la clase a la que pertenece. a) Sin lentillas b) Lentillas duras c) Lentillas blandas *
4 11. Repite el ejercicio 10 pero aplicando el método Naive Bayes. Cuál es la probabilidad de que el paciente deba llevar lentillas duras? a) 0.45 b) 0.25 * c) Utilizando solo el atributo porcentaje del cuadro 1, cuál es la probabilidad de que una persona con porcentaje normal no lleve lentillas? a) 25 % * b) 30 % c) 35 % 13. Utilizando solo el atributo porcentaje del cuadro 1, cuál es la probabilidad de que una persona con porcentaje reducido lleve lentillas blandas? a) 0.00 * b) 0.03 c) Utilizando solo el atributo porcentaje del cuadro 1 y el estimador de Laplace, cuál es la probabilidad de que una persona con porcentaje reducido lleve lentillas blandas? Nota: al aplicar el estimador de Laplace, no alteres el valor de las probabilidades a priori originales. a) 0.00 b) 0.03 c) 0.06 * 15. Utilizando la siguiente red de Bayes: diagnóstico / \ / \ lesión <---- porcentaje cuál es la probabilidad de que un paciente miope y con porcentaje normal lleve lentillas blandas? a) 30 % b) 33 % * c) 36 %
5 16. Aplica el método de 4 vecinos próximos al problema de las lentillas (cuadro 1) para clasificar un paciente joven y con porcentaje normal. Utiliza una distancia euclídea para los atributos edad y porcentaje. Utiliza la siguiente codificación: joven (0), mediana (1), avanzada (2); porcentaje reducido (0) y porcentaje normal (1). Cuál es la probabilidad de que el paciente utilice lentillas blandas? a) 40 % b) 50 % * c) 60 % 17. Un test clínico de diagnóstico utiliza la siguiente regla en términos de probabilidad a posteriori para emitir un diagnóstico negativo (paciente sano) p(sano x) > 0,875 donde el vector x representa a un paciente. Para obtener esta regla, los diseñadores del test han estimado que diagnosticar a un paciente enfermo como si fuera sano es K veces más arriesgado que al revés. Cuál es el valor aproximado de K? a) 7 * b) 8 c) Los diseñadores de un test clínico de diagnóstico han estimado que el riesgo de confundir un paciente enfermo con uno sano es 3 veces superior al de clasificar un paciente sano como enfermo. Para diagnosticar a un paciente como enfermo, cuál de las siguientes reglas de clasificación es la que minimiza el riesgo esperado? Nota: x es el vector de atributos del paciente. a) p(sano x) < 2p(enfermo x) b) p(sano x) < 3p(enfermo x) * c) p(enfermo x) > 2p(sano x) 19. Consideremos de nuevo el ejercicio número 18 pero esta vez con la posibilidad de rechazar pacientes para posteriores análisis. El riesgo de rechazo se estima como la quinta parte del riesgo que se corre al clasificar un paciente sano como enfermo. Entre qué valores debe situarse la probabilidad a posteriori de que el paciente esté sano para que sea rechazado? a) (0,22 0,89) b) (0,21 0,91) c) (0,2 0,93) *
6 20. Con respecto al ejercicio 19, si un paciente tiene una probabilidad a posteriori de estar enfermo del 15 %, su diagnóstico deberá ser: a) sano. b) enfermo. c) rechazo. * 21. Sea un perceptrón con una sola capa de pesos (w i ) y una única neurona de salida (y). La función de activación de la neurona de salida es la función 1 sigmoidal φ(z) = 1+exp( z). Por lo tanto, la función que implementa el perceptrón es d y(x) = φ( x i w i ), donde d es el número de atributos del problema. Si maximizamos la verosimilitud mediante descenso por gradiente con constante η, la modificación de los pesos tras presentar el ejemplo (x, t) a la red, donde t es la clase del ejemplo, es: a) w i w i + η(y t)y(1 y)x i b) w i w i + η(t y)x i * c) w i w i η(t y)x i i=0 22. Cuál de las siguientes afirmaciones es incorrecta? a) La validación cruzada sirve, entre otros propósitos, para estimar la capacidad de generalización de un modelo de clasificación b) El método de vecinos próximos y el método leave-one-out son dos procedimientos para controlar el sobre-aprendizaje (falta de generalización) * c) Los modelos de clasificación no lineales, en general, se pueden ajustar mejor a los detalles del conjunto de entrenamiento que los modelos lineales
7 23. Qué partición de ejemplos en grupos aparece después de dos fusiones del clustering jerárquico (complete linkage) aplicado a la siguiente matriz de distancias? Nota: los paréntesis indican grupos de ejemplos Cuadro 2: Matriz de distancias. a) (12)-(36)-4-5 * b) (12)-3-(45)-6 c) (12)-(34) Considera las operaciones lógicas AND, OR y XOR. Entendemos por perceptrón simple una red de neuronas con una sola capa de pesos. Cuál de las siguientes afirmaciones es correcta? a) Un perceptrón simple no puede resolver el problema OR. b) Un perceptrón simple no puede resolver ni el problema AND ni el problema XOR. c) Un perceptrón simple puede resolver el problema AND y el problema OR, y un perceptrón con dos capas de pesos puede resolver el problema XOR * 25. Estamos aplicando el método de la regresión logística a un problema de clasificación en dos dimensiones. El valor del vector de regresión en el momento actual es w = 0, 1 0, 2. 0, 3 Cuál es en este momento la probabilidad de que el siguiente ejemplo de la segunda clase pertenezca en realidad a la primera? ( ) 1, 2 x = 1, 1 a) 32 % b) 38 % * c) 44 %
8 26. Continuamos con el ejercicio 25 aplicando el algoritmo de maximización de la verosimilitud mediante descenso por gradiente secuencial con constante de aprendizaje η = 0,1. Tras actualizar el vector de regresión con el ejemplo x del ejercicio 25, cuál es su nueva probabilidad de pertenecer a la primera clase? a) 27 % b) 31 % c) 35 % * 27. En un edificio de oficinas se usan dos ascensores: el primero lo usan el 45 % de los inquilinos y el resto usan el segundo. El porcentaje de fallos del primer ascensor es del 5 %, mientras que el segundo falla en un 8 % de las ocasiones. Nos informan de que un inquilino ha quedado atrapado en un ascensor, en cuál de los dos ascensores te inclinarías a pensar que está el inquilino por maximización de la verosimilitud? a) El primero b) El segundo * c) Ambos son igual de probables 28. Con respecto al problema 27, en cuál de los dos ascensores es más probable que esté atrapado el vecino por maximización de la probabilidad a posteriori? a) El primero b) El segundo * c) Ambos son igual de probables
PROBABILIDAD. 3.-Determina si son compatibles o incompatibles los sucesos A y B:
Ejercicios y problemas 2º Bachillerato C.C.S.S. PROBABILIDAD 1.- Justifica gráficamente las siguientes igualdades: 2.- Tenemos dos urnas la urna I con 1 bola negra, 2 rojas y 3 verdes, y la urna II con
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES 1. Regla de Laplace. Ejercicio 1. (2005) Ejercicio 2. (2004) María y Laura idean el siguiente juego: cada una lanza un dado, si en los dos dados sale el mismo número, gana Laura;
Más detallesProbabilidad Colección C.1. MasMates.com Colecciones de ejercicios
1. Un monedero contiene 2 monedas de plata y 3 de cobre y otro contiene 4 de plata y 3 de cobre. Si se elige un monedero al azar y se extrae una moneda, cuál es la probabilidad de que sea de plata? 2.
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesConceptos. Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado.
Teresa Pérez P DíazD Profesora de matemática tica Conceptos Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado. Ejemplos: E : Lanzar un dado,
Más detallesTema 2: Análisis Discriminante
Tema 2: Análisis Discriminante P 1 P 2 Problema de clasificación: Ténemos observaciones que corresponden a 2 grupos P_1, P_2. Si nos dan uno nuevo x_0 a que grupo pertenece? Guión 1. Motivación 2. Clasificación
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesFICHA DE TRABAJO DE CÁLCULO DE PROBABILIDADES
FICHA DE TRABAJO DE CÁLCULO DE PROBABILIDADES EXPERIMENTO ALEATORIO: ESPACIO MUESTRAL Y SUCESOS 1) Se considera el experimento que consiste en la extracción de tres tornillos de una caja que contiene tornillos
Más detallesEJERCICIOS DE PROBABILIDAD
Ejercicio nº 1.- Qué es una experiencia aleatoria? De las siguientes experiencias, cuáles son aleatorias? a) En una caja hay cinco bolas amarillas, sacamos una bola y anotamos su color. b) Lanzamos una
Más detallesProbabilidad del suceso imposible
2º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 4.- PROBABILIDAD PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesProbabilidad Condicional
Cómo actualizar la probabilidad de un evento dado que ha sucedido otro? o Cómo cambia la probabilidad de un evento cuando se sabe que otro evento ha ocurrido? Ejemplo: Una persona tiene un billete de lotería
Más detallesCRITERIOS DE SELECCIÓN DE MODELOS
Inteligencia artificial y reconocimiento de patrones CRITERIOS DE SELECCIÓN DE MODELOS 1 Criterios para elegir un modelo Dos decisiones fundamentales: El tipo de modelo (árboles de decisión, redes neuronales,
Más detallesEspacio muestral. Operaciones con sucesos
Matemáticas CCSS. 1º Bachiller Tema 12. Probabilidad Espacio muestral. Operaciones con sucesos 1. Determina el espacio muestral de los siguientes experimentos a) Lanzar una moneda y anotar el resultado
Más detallesBLOQUE 5: EJERCICIOS DE ESTADÍSTICA PROBABILIDAD
BLOQUE 5: EJERCICIOS DE ESTADÍSTICA PROBABILIDAD EJERCICIO 1 Considera el siguiente conjunto de datos bidimensionales: X 1 1 2 3 4 4 5 6 6 y 2.1 2.5 3.1 3.0 3.8 3.2 4.3 3.9 4.4 a)sin efectuar cálculos
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3, Opción
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesPROBLEMAS DE PROBABILIDAD. 3. Calcula la probabilidad de que al lanzar dos dados la suma de sus puntos sea: a) igual a 5 b) mayor que 10
1. Se lanza un dado. Halla la probabilidad: a) de salir el 3 b) de salir un número par c) de salir un número mayor que 2 PROBLEMAS DE PROBABILIDAD 2. Calcula la probabilidad de que al lanzar dos monedas:
Más detalles(DOCUMENTO DE TRABAJO ELABORADO A PARTIR DE RECURSOS ENCONTRADOS EN LA WEB: AULAFACIL 1 Y VADENUMEROS 2 )
PROBABILIDAD (DOCUMENTO DE TRABAJO ELABORADO A PARTIR DE RECURSOS ENCONTRADOS EN LA WEB: AULAFACIL 1 Y VADENUMEROS 2 ) La probabilidad mide la frecuencia relativa (proporción) de un resultado determinado
Más detallesÁlgebra lineal. Curso Tema 5. Hoja 1. Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace.
Álgebra lineal. Curso 2007-2008. Tema 5. Hoja 1 Tema 5. PROBABILIDAD. 1. Probabilidad: conceptos fundamentales. Regla de Laplace. 1. Un dado se lanza dos veces. Se pide: (a) Construir el espacio muestral.
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
Probabilidad Experimentos deterministas Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Ejemplo Si dejamos caer una piedra desde una ventana sabemos, sin lugar a
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesAnálisis de Datos Práctica 1
Análisis de Datos 2013 - Práctica 1 1. Sea = f1; 2; 3; 4; 5; 6; 7g, E = f1; 3; 5; 7g, F = f7; 4; 6g, G = f1; 4g. Describir: a) E \ F c) E \ G 0 e) E 0 \ (F [ G) b) E [ (F \ G) d) (E \ F 0 ) [ G f) (E \
Más detallesLanzamos 1 dado y comprobamos cuál es el resultado que aparece en la cara superior.
Curso ON LINE Tema 01 SÓLO ENUNCIADOS. PROBABILIDADES I Lanzamos 1 dado y comprobamos cuál es el resultado que aparece en la cara superior. 001 002 003 004 005 Lanzamos 1 dado y comprobamos cuál es el
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
PROBABILIDAD Definición de probabilidad La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Más detallesESTADÍSTICA Y PROBABILIDAD
V ESTADÍSTICA Y PROBABILIDAD Página 9 Observa estas dos distribuciones bidimensionales: I II Asigna a cada una un coeficiente de correlación tomándolo de entre los siguientes valores: 0,; 0,; 0,; 0,; 0,92;
Más detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detallesTEMA 1: PROBABILIDAD
TEMA 1: PROBABILIDAD Ejercicios 1- alcular el espacio muestral asociado a los siguientes experimentos: a) Lanzar una moneda b) Tirar un dado c) Lanzar un dado de quinielas d) Extraer una bola de una caja
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesINECUACIONES Y SISTEMAS DE INECUACIONES LINEALES.
Nombre y apellidos : Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 2ª entrega Fecha: Curso: 1º BACHILLERATO INSTRUCCIONES: Para la realización del primer examen deberás entregar en un cuaderno
Más detallesREDES NEURONALES. Una esquema simplificado de una neurona se muestra en la siguiente figura. Cuerpo celular. Dendrita. Axón.
REDES NEURONALES Las redes neuronales constituyen una poderosa herramienta para modelar sistemas, especialmente no lineales, sean dinámicos o estáticos. En el cuerpo celular se realizan la mayoría de las
Más detallesProbabilidad Condicional
Probabilidad Condicional Ejemplo: Se tiene que dos bolas son seleccionadas aleatoriamente (sin reemplazo) de un caja que contiene r bolas rojas y b bolas azules. Cuál es la probabilidad de que la primera
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA 5)
TEMA 5 NOCIONES BÁSICAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer los conceptos de experimento aleatorio y espacio muestral. Distinguir los distintos tipos de sucesos que forman parte del espacio
Más detallesColegio SSCC Concepción - Depto. de Matemáticas. Aprendizajes Esperados: Calcular probabilidades condicionales en situaciones problemáticas
Colegio SSCC Concepción - Depto. de Matemáticas Unidad de Aprendizaje: PROBABILIDAD Capacidades/Destreza/Habilidad: Racionamiento Matemático/ Aplicación / Calcular, Resolver Valores/ Actitudes: Respeto,
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesAux 6. Introducción a la Minería de Datos
Aux 6. Introducción a la Minería de Datos Gastón L Huillier 1,2, Richard Weber 2 glhuilli@dcc.uchile.cl 1 Departamento de Ciencias de la Computación Universidad de Chile 2 Departamento de Ingeniería Industrial
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de astilla y León MATEMÁTIAS APLIADAS A LAS IENIAS SOIALES EJERIIO Nº páginas Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ESOGER UNA DE LAS DOS OPIONES Y DESARROLLAR LAS
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesEjercicios de redes bayesianas
Ejercicios de redes bayesianas 1. Sea X una variable que representa paludismo e Y1 representa gota- gruesa, la prueba más habitual para determinar la presencia de dicha enfermedad. Conocemos que 3 de cada
Más detallesAREA ASIGNATURA: Estadística FECHA: PERÍODO: 1 DOCENTE: Susana Betancur Peláez
AREA ASIGNATURA: Estadística GRADO: SEXTO FECHA: PERÍODO: 1 DOCENTE: Susana Betancur Peláez LOGRO N 1: Interpreta Información estadística, proveniente de diversas fuentes y representaciones. TALLER 1.
Más detallesAPRENDIZAJE PROBABILÍSTICO NAIVE BAYES
1 APRENDIZAJE PROBABILÍSTICO NAIVE BAYES Bases de Datos Masivas 9 de Noviembre de 2016 2 Razonamiento Probabilístico Es una herramienta de aprendizaje estadístico. Se trata de razonar en un contexto incierto;
Más detallesProbabilidad: Fórmulas y definiciones básicas. PROBABILIDAD Fórmulas y definiciones básicas
PROBABILIDAD Fórmulas y definiciones básicas 1) Definiciones básicas Experimento aleatorio: Aquél en el que interviene el azar (no es posible predecir el resultado). Resultado elemental: Todo resultado
Más detallesGuía Matemática NM 4: Probabilidades
Centro Educacional San Carlos de Aragón. Dpto. Matemática. Prof.: Ximena Gallegos H. Guía Matemática NM : Probabilidades Nombre: Curso: Aprendizaje Esperado: Determinar la probabilidad de ocurrencia de
Más detallesProbabilidad condicional (Regla de Bayes) Universidad de Puerto Rico ESTA Prof. Héctor D. Torres Aponte
Probabilidad condicional (Regla de Bayes) Universidad de Puerto Rico ESTA 3041 Prof. Héctor D. Torres Aponte 1. Regla de Bayes Utilizando el ejemplo 1.5 (semana #6), sabemos los valores de P (A) y P (A
Más detallesProbabilidad Selectividad CCSS 2012. MasMates.com Colecciones de actividades
1. [ANDA] [SEP-B] Sean A y B dos sucesos de un espacio muestral, de los que se conocen las probabilidades P(A) = 0.60 y P(B) = 0.25. Determine las probabilidades que deben asignarse a los sucesos A B y
Más detallesLISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA)
LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA) PROBABILIDAD CONDICIONAL 1. Dados P (A) = 0.4, P (B A) = 0.3 y P (B c A c ) = 0.2, determine: a) P (A c ). b) P (B A c ). c) P (B). d) P
Más detallesGUÍA DE EJERCICIOS N 14 PROBABILIDADES
LICEO CARMELA CARVAJAL DE PRAT PROVIDENCIA DPTO DE MATEMATICA GUÍA DE EJERCICIOS N PROBABILIDADES SECTOR: Matemática PROFESOR(es): Marina Díaz MAIL DE PROFESORES: profem.maulen@gmail.com marinadiazcastro@gmail.com
Más detallesConceptos de Estadística
Conceptos de Estadística Se llama estadística al conjunto de procedimientos destinados a recopilar, procesar y analizar la información que se obtiene con una muestra para inferir las características o
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
PROBABILIDAD La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio. Experimentos deterministas
Más detallesPráctica 3: Almacenamiento de modelos con WEKA.
PROGRAMA DE DOCTORADO INTERUNIVERSITARIO APRENDIZAJE AUTOMÁTICO Y DATA MINING Práctica 3: Almacenamiento de modelos con WEKA. Objetivos: Almacenar modelos creados con WEKA. Utilizar un modelo previo para
Más detallesEjercicios elementales de Probabilidad
Ejercicios elementales de Probabilidad 1. Se extrae una carta de una baraja de 52 naipes. Halla la probabilidad de que sea: (a) Un rey. (b) Una carta roja. (c) El 7 de tréboles. (d) Una figura de diamantes.
Más detallesDefinición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.
Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida
Más detallesHoja 2 Probabilidad. 1.- Sean Ω un espacio muestral y A P(Ω) una σ-álgebra. Para A A fijado, Además, resolver el ejercicio 3 desde (5.a) y (5.b).
Hoja 2 Probabilidad 1.- Sean Ω un espacio muestral y A P(Ω) una σ-álgebra. Para A A fijado, se define A A = {B Ω : B = A C con C A}. Demostrar que A A P(A) es σ-álgebra. 2.- Sea {A n : n 1} A una sucesión
Más detallesEJERCICIOS PROBABILIDAD
EJERCICIOS PROBABILIDAD 0. Razona y di si los siguientes experimentos son aleatorios o deterministas: Dejar caer una moneda desde una altura determinada y medir el tiempo que tarda en llegar al suelo.
Más detallesProblema 15.3. Observa las siguientes urnas y contesta las cuestiones que siguen:
15 Probabilidad Ejercicio 15.1. Indica cuáles de los siguientes sucesos son aleatorios y cuáles no: a) Lanzar una moneda. b) Aprobar un examen de matemáticas. c) Acertar una quiniela de fútbol. d) Lanzar
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesPara analizar y organizar los datos que se recogen en un estudio, la estadística ofrece diferentes herramientas, entre ellas las frecuencias.
TALLER DE REPASO ESTADÍSTICA GRADO NOVENO. RECORDEMOS: Para analizar y organizar los datos que se recogen en un estudio, la estadística ofrece diferentes herramientas, entre ellas las frecuencias. La frecuencia
Más detallesProbabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades
Experimentos deterministas Probabilidad Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas,
Más detallesProbabilidad Condicional
Cómo actualizar la probabilidad de un evento dado que ha sucedido otro? o Cómo cambia la probabilidad de un evento cuando se sabe que otro evento ha ocurrido? Ejemplo: Una persona tiene un billete de lotería
Más detallesRelación 1. Sucesos y probabilidad. Probabilidad condicionada.
Relación. Sucesos y probabilidad. Probabilidad condicionada.. Sean A, B y C tres sucesos cualesquiera. Determine expresiones para los siguientes sucesos: Ocurre sólo A. Ocurren A y B pero no C. c) Ocurren
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesPROBABILIDAD. Espacio muestral. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles de un experimento.
PROBABILIDAD. CONTENIDOS: Experimentos aleatorios. Espacio muestral. Sucesos. Operaciones con sucesos. Suceso contrario y sucesos incompatibles. Idea intuitiva del concepto de probabilidad. Propiedades.
Más detallesPruebas de Hipótesis H0 : μ = 6 H1 : μ 6 α = 0.05 zα/2 = 1.96 (6-1,96 0,4 ; 6+1,96 0,4) = (5,22 ; 6,78) 5,6 Aceptamos la hipótesis nula H 0 2.
Pruebas de Hipótesis 1. Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es,4. Para una muestra de 6 estudiantes se obtuvo una nota media de 5,6. Sirven estos datos para confirmar
Más detallesMASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 6: Árboles de decisión.
MASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 6: Árboles de decisión. 1 Objetivos del tema Conocer en qué consiste un árbol de decisión. Aprender los problemas que pueden
Más detallesProbabilidad: Fórmulas y definiciones básicas. PROBABILIDAD Fórmulas y definiciones básicas
PROAILIDAD Fórmulas y definiciones básicas 1) Definiciones básicas Experimento aleatorio: Aquél en el que interviene el azar (no es posible predecir el resultado de cada realización del experimento). Resultado
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATMÁTICAS APLICADAS A LAS CINCIAS SOCIALS JRCICIO Nº páginas 2 Tablas OPTATIVIDAD: L ALUMNO/A DBRÁ SCOGR UNO D LOS DOS BLOQUS Y DSARROLLAR LAS
Más detalles2. Encuentra el espacio muestral del experimento lanzar dos monedas. Si se define el suceso A = al menos una sea cara, de cuántos sucesos elementales
2. Encuentra el espacio muestral del experimento lanzar dos monedas. Si se define el suceso A = al menos una sea cara, de cuántos sucesos elementales consta A? Cuál es el suceso contrario de A? 3. Si consideramos
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas ITESM Métodos Iterativos para Resolver Sistemas Lineales Álgebra Lineal - p. 1/30 En esta lectura veremos
Más detalles6 resultados posibles en total. Llamaremos suceso elemental de un experimento aleatorio a cada uno de los resultados posibles
TEMA Probabilidad * Experimento aleatorio: Es aquel cuyo resultado es impredecible. Ej. Lanzar un dado, lanzar una moneda. Una reacción química, realizada siempre en las mismas condiciones, no sería un
Más detallesEstimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas
Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados
Más detallesPROBABILIDAD. Experiencia aleatoria es aquella cuyo resultado depende del azar.
PROBABILIDAD. 1 EXPERIENCIAS ALEATORIAS. SUCESOS. Experiencia aleatoria es aquella cuyo resultado depende del azar. Suceso aleatorio es un acontecimiento que ocurrirá o no dependiendo del azar. Espacio
Más detallesDISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Página 4 REFLEXIONA Y RESUELVE Recorrido de un perdigón Dibuja los recorridos correspondientes a: C + C C, + C + C, + C C C, + + + +, C+CC
Más detallesPosible solución al examen de Investigación Operativa de Sistemas de junio de 2002
Posible solución al examen de Investigación Operativa de Sistemas de junio de 00 Problema (,5 puntos): Resuelve el siguiente problema utilizando el método Simplex o variante: Una compañía fabrica impresoras
Más detallesCONCLUSIONES. La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con
319 CONCLUSIONES La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con respecto a otros modelos típicos de solución de problemas de Ingeniería, una de ellas es su inspiración en modelos
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesBIOESTADISTICA ( ) Evaluación de pruebas diagnósticas. 1) Características del diseño en un estudio para evaluar pruebas diagnósticas.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Evaluación de pruebas diagnósticas CONCEPTOS CLAVE 1) Características del diseño en un estudio para evaluar pruebas
Más detallesGuía del docente. Guía para el docente Estadística y Probabilidad Probabilidad de eventos compuestos y condicionada
Guía del docente Descripción curricular: Nivel: 3. Medio Subsector: Matemática Unidad temática: Estadística y probabilidad Palabras claves: probabilidad, sucesos compuestos, eventos condicionados. Contenidos
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detallesVecinos próximos (IB1/IBk) Vecinos próximos
Clasificación de patrones: Métodos supervisados Máxima verosimilitud (ZeroR) Jordi Porta Zamorano es el método más simple Escuela Politécnica Superior Universidad Autónoma de Madrid jordi.porta@uam.es
Más detallesMirando el diagrama Venn, vemos que A =(A y B) (A y B)
En el Ejemplo 122, hemos aplicado otra regla útil de la probabilidad. Teorema 8 Para dos sucesos A y B, setiene P (A) =P (A B)P (B) +P (A B)P ( B). Demostración Ω A y B A y B A B Mirando el diagrama Venn,
Más detalles1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.
1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada
Más detallesExamen de Estadística. 2 de julio de Grupo... Titulación...
Examen de Estadística 2 de julio de 2014 Nombre Número Grupo... Titulación... 1. Se dispone de un test para detectar la presencia de contaminantes en una bebida. Dicho test indica presencia de contaminantes
Más detallesJueves, 3 de Noviembre de La parte escrita del examen representa el 40 % de la nota y el cuestionario el 60 % restante.
Univ. de Alcalá. Estadística 2016-17 Dpto. de Fíca y Matemáticas Biología Jueves, 3 de Noviembre de 2016 N o : studentnumber currentstudent INSTRUCCIONES (LEER ATENTAMENTE). La parte escrita del examen
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. Página PRACTICA Muy probable, poco probable Tenemos muchas bolas de cada uno de los siguientes colores: negro (N), rojo (R), verde (V) y azul (A), y una gran caja vacía. Echamos en la caja R, 0 V
Más detallesAl conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:
1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización
Más detalles2) Una persona tiene 6 chaquetas y 10 pantalones. De cuántas formas distintas puede combinar estas prendas?.
ACTIVIDADES COMBINATORIA 1) Se distribuyen tres regalos distintos entre cinco chicos. De cuántas formas pueden hacerlo si: a) cada chico sólo puede recibir un regalo b) a cada chico le puede tocar más
Más detallesProbabilidad condicional e independencia
Probabilidad condicional e independencia Probabilidad condicional La probabilidad de un determinado suceso en un experimento aleatorio puede modificarse si se posee alguna información antes de la realización
Más detallesUANL UNIVERSIDAD AUTONOMA DE NUEVO LEON PREPARATORIA 23
PORTAFOLIO DE PROBABILIDAD Y ESTADÍSTICA CUARTA OPORTUNIDAD FECHA DE EXAMEN: HORA: Nombre del alumno: Grupo: RÚBRICA: Ten en cuenta que el hecho de entregar el trabajo no te otorga automáticamente 40 puntos.
Más detallesProblema de las N Reinas. Resolución paralela
Problema de las N Reinas Resolución paralela Indice Introducción al problema Representación y Soluciones Resolución secuencial Resolución paralela Conclusiones Bibliografía 2 3 Introducción Introducción
Más detallesTema 15: Combinación de clasificadores
Tema 15: Combinación de clasificadores p. 1/21 Tema 15: Combinación de clasificadores Abdelmalik Moujahid, Iñaki Inza, Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesTópicos Selectos en Aprendizaje Maquinal. Algoritmos para Reconocimiento de Patrones
Tópicos Selectos en Aprendizaje Maquinal Guía de Trabajos Prácticos N 1 (2da. parte) Algoritmos para Reconocimiento de Patrones 20 de Octubre de 2010 1. Objetivos Introducir conceptos básicos de aprendizaje
Más detallesX = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?
Ejemplo: el valor esperado y los juegos justos. En los juegos de azar es importante la variable aleatoria X = beneficio del jugador = (ganancia neta) (recursos invertidos) El juego consiste en una caja
Más detallesOBJETIVOS CONTENIDOS PROCEDIMIENTOS. Experimento determinista. Experimento aleatorio. Espacio muestral. Suceso elemental.
Probabilidad INTRODUCCIÓN El estudio matemático de la probabilidad surge históricamente vinculado a los juegos de azar. Actualmente la probabilidad se utiliza en muchas disciplinas unidas a la Estadística:
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detalles