5 Variables aleatorias contínuas
|
|
- Rosario Cordero Molina
- hace 6 años
- Vistas:
Transcripción
1 5 Variables aleatorias contínuas Año 202 Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua es una función f que cumple f(x) 0; Z f(x)dx = : (3) (comparar con (8)) y para todo a < b F (b) F (a) = P (a < X b) = Z b a f(x)dx: (4) Entonces es evidente que para una variable aleatoria continua: P (a < X < b) = P (a X b) La relación entre la función de densidad y la función de distribución está dada por: F (x) = P (X x) = Z x f(y)dy; de donde se deduce que la función de distribución de una variable aleatoria continua, es una función continua en todas partes; y que la función de densidad es la derivada de la función de distribución, en todos los puntos en los que esta última sea derivable: f(x) = df (x) dx : 5. Esperanza de una variable aleatoria continua La esperanza o media de una variable continua con función de densidad f; es EX = Z xf(x)dx: 28
2 cuando esta integral está de nida. Si X es una variable aleatoria continua con densidad f y h es una función cualquiera, h(x) es una variable aleatoria cuya esperanza se calcula como: Eh(X) = Z h(x)f(x)dx cuando esta integral está de nida. La propiedad de linealidad del valor esperado también vale para variables aleatorias continuas, así como la de nición y propiedades de la varianza, y de la desviación típica. Para variables aleatorias continuas se de nen los cuantiles de la siguiente forma, para cualquier 0 < < ; el cuantil-, es el valor x(); tal que F (x()) = P (X x()) = Z x() f(x)dx = En particular, el cuantil-0:5 se llama mediana y es el valor e, tal que: F (e) = Z e f(x)dx = =2 Ejemplo 5. Sea X una v. a. con densidad dada por: f(x) = Obtener F (x) Gra car f(x) y F (x) Calcular F ( ), F (0) y F () Calcular P (0 X 0:5) 0:2 si x 0 0:2 + cx si 0 < x 0 en caso contrario Ejemplo 5.2 Sea X una v.a. con la siguiente función de distribución: F (x) = 0 si x < 0 x=8 si 0 x < 2 x 2 =6 si 2 x 4 si x > 4 29
3 Obtener la función de densidad para X Calcular P ( X 3) Calcular P (X :5) Realice los ejercicios de a Distribución uniforme Veamos un ejemplo muy simple: supongamos que una persona toma un colectivo para ir al trabajo, que pasa exactamente cada 5 minutos. Si sale de su casa sin tener en cuenta la hora, el tiempo X, que tiene que esperar en la parada es una variable aleatoria que puede tomar cualquier valor en el intervalo [0; 5], la función de densidad para esta variable es: =5 si x [0; 5] f(x) = 0 en otro caso Es evidente que f(x) 0, para todo x; y que el área total bajo f(x) es igual a. La probabilidad de que tenga que esperar entre y 3 minutos es: P ( X 3) = R 3 dx = Se dice que esta variable aleatoria tiene distribución uniforme en el intervalo [0,5] En general se dice que una variable aleatoria tiene distribución uniforme en el intervalo [a,b] (X s U[a; b]), si su función de densidad está dada por: f(x) = si x[a; b] b a 0 en otro caso esta función cumple: f(x) 0 para todo x; y R f(x)dx =. Calculemos la media y varianza de una variable aleatoria con distribución uniforme en [a,b]. EX = Z xf(x)dx = Z b a x b a dx = b 2 a 2 b a 2 = b + a 2 entonces la media de una distribución uniforme es el punto medio del intervalo. Para calcular la varianza, calculamos primero EX 2 = Z x 2 f(x)dx = Z b a x 2 b a dx = b 3 a 3 b a 3 30 = a2 + ab + b 2 3
4 entonces var(x) = EX 2 (EX) 2 = a2 + ab + b 2 3 (b + a) 2 4 = (b a)2 2 La función de distribución está dada por: 0 si x < a F (x) = x a si x[a; b] b a si x > b Para calcular la mediana e; podemos hacer: y despejando: F (e) = e a b a = =2 med(x) = e = b + a 2 en este caso la mediana y la media coinciden. Esto ocurre siempre que la distribución es simétrica. 5.3 Distribución exponencial Veamos otro ejemplo de variable aleatoria continua. Pensemos en un proceso temporal de Poisson, y consideramos el tiempo T transcurrido entre la presentación de dos eventos sucesivos. Ese tiempo T, es una variable aleatoria que puede tomar cualquier valor no negativo, y puede demostrarse que tiene función de densidad dada por: f(x) = e x si x > 0 0 si x 0 y se dice que tiene distribución exponencial con parámetro (X ()), donde es el valor medio del número de eventos por unidad de tiempo. Su función de distribución está dada por: F (t) = Z t f(x)dx = e t si t > 0 0 si t 0 3
5 Ejemplo 5.3 Supongase que se reciben llamadas en una línea telefónica de emergencias las 24 hs del día, según un proceso de Poisson con una tasa 0.5 llamadas por hora. Cuál es la probabilidad de que transcurran más de dos horas entre dos llamadas sucesivas? La variable aleatoria T; el tiempo (medido en horas) entre dos llamados sucesivos, tiene distribución exponencial con = 0:5. Entonces: P (T > 2) = P (T 2) = ( e 0:52 ) = 0:3679 La media y varianza de una variable exponencial están dadas por: ET = ; var(t ) = 2 luego Para calcular la mediana e F (e) = e e = =2 med(t ) = e = ln 2 en este caso puede verse que la mediana es menor que la media. Realice los ejercicios de 6 a La distribución normal La distribución normal típica (o normal N(0; )) tiene densidad '(z) = p 2 e z2 =2 se puede ver que esta función es simétrica respecto de 0 Si Z tiene esta distribución, entonces se prueba que EZ = 0; var(z) = Llamamos (z) a su función de distribución; entonces para todo a < b: P (a Z b) = (b) (a): 32
6 Por ser ' simétrica, la cumple ( z) = (z): (5) Las tablas de suelen incluir sólo las z 0; y los valores para z < 0 se obtienen usando (5). Por ejemplo, se obtiene de la tabla que (:02) = 0:846: Para calcular ( :02) se hace 0:846 = 0:539. Se deduce de (5) que los cuantiles de la N(0; ) cumplen y en particular la mediana z( ) = z(); (6) med(z) = e = z(0:5) = 0: La variable X tiene distribución normal con media y varianza 2 (que se indica N(; 2 )) si su función de densidad está dada por: f(x) = p 2 e (x )2 =2 2 puede verse que la grá ca de esta función es simétrica respecto de : También puede demostrarse que si X s N(; 2 ), entonces: E(X) =, V (X) = 2 Importante: La familia de distribuciones normales tiene la siguiente propiedad: si X s N(; 2 ), entonces para cualquier a 6= 0 y cualquier b, se veri ca que Y = ax + b s N(a + b; a 2 2 ) Entonces, variable normalizada Z = (X )= tiene distribución N(0; ): O sea que X s N(; 2 ) si X = + Z donde Z s N(0; ): (7) Ejemplo 5.4 Sea X s N(30; 4), se desea calcular P (28 < X < 3): 33
7 P (28 < X < 3) = P ((28 30)=2 < (X 30)=2 < (3 30)=2) = = P ( < Z < =2) = (0:5) ( ) = (0:5) ( ()) = = 0:695 ( 0:843) = 0:5328 En general, para calcular probabilidades correspondientes a una X con distribución N(; 2 ); se la lleva al caso N(0; ), trabajando con Z = (X )=: Su función de distribución es entonces F (x) = P (X x) = P y por lo tanto, si a < b : P (a X b) = F (b) Z x b F (a) = x = a ; De aquí se puede ver que para cualquier variable aleatoria X con distribución normal, la probabilidad de que X esté dentro de desvío estándar de su media es: P ( < X < + ) = () ( ) = 0:6826 P ( 2 < X < + 2) = (2) ( 2) = 0:9544 y P ( 3 < X < + 3) = (3) ( 3) = 0:9974 : Usando (7), se prueba que los cuantiles de una variable X con distribución N(; 2 ) cumplen x() = + z(); (8) donde z() son los cuantiles de N(0; ): En particular, la mediana de una X s N(; 2 ) es med(x) = x(0:5) = Ejemplo 5.5 Calcularemos los cuantiles de 0.80 y de 0.20 de una variable normal X con media 5 y desviación 2. De la tabla: (0:84) = 0:7995 y (0:85) = 0:8023: Interpolando resulta aproximadamente z(0:8) = 0:843; y por lo tanto x(0:8) = :843 = 6:686: Para el otro cuantil, usamos z(0:2) = z(0:8) y por lo tanto x(0:8) = 5 2 0:843 = 3:34: Realice los ejercicios de a 4 34
8 6 "Propagación de errores": Funciones de una variable Cuando se realiza cualquier medición, siempre se cometen de errores. Los errores pueden ser sistemáticos, como en el caso de una balanza mal calibrada que siempre da un valor superior al verdadero, o pueden ser aleatorios. En muchas situaciones los errores sistemáticos deben ser eliminados, por ejemplo calibrando correctamente la balanza, en otras cuando se conoce la magnitud del error, puede corregirse el resultado de la medición sumando (o restando según sea el caso) el valor del error sistemático. Los errores que podemos tratar en estadística son los errores aleatorios. Debido a los errores aleatorios cuando repetimos una medición, en idénticas condiciones, los resultados de esas mediciones no son constantes, y uctúan alrededor de un valor medio. Este tipo de error no puede ser eliminado. Entonces, consideremos el resultado de una medición, como una variable aleatoria X = a + ", donde a es el verdadero valor de la magnitud que se está midiendo y " es el error aleatorio, que en general, podemos suponer que tiene distribución normal con media 0 (esto indica que es igualmente probable que el error sea positivo o negativo) y varianza 2, el valor de la varianza depende de la precisión del método de medición. Resumiendo, consideramos el resultado de una medición como una variable aleatoria: X = a + ", donde a es el verdadero valor y " N(0; 2 ) (9) o lo que es equivalente: X N(a; 2 ), donde a es el verdadero valor (20) En muchos casos interesa conocer el valor de una medición indirecta, es decir se está midiendo x, pero se desea conocer f(x), y también interesa conocer cual es el error en la medición indirecta f(x), esto es lo que denominamos "propagación de errores". Por ejemplo, sabemos que la absorbancia a de una solución es el negativo del logaritmo (decimal) de su transmitancia t : a = log t: Se tiene una medición de t con error, representada por una variable aleatoria X con media t y desviación ; entonces la absorvancia también es una variable 35
9 aleatoria Y : Y = log X: (2) Con estos elementos se desea calcular la desviación típica de Y; sabiendo que t = 0:50; = 0:00: Para resolver este problema, lo plantearemos de modo más general, sea una variable aleatoria Y que es función de otra variable X : Y = h(x); donde X tiene media y desviación ; buscaremos una forma de aproximar su media y su varianza. La aproximación de la serie de Taylor a h(x) en un entorno de es: h(x) ' h() + h 0 ()(X ) (22) El lado derecho de esta ecuación es una función lineal de X. Si la distribución de X está concentrada en un intervalo sobre el que la función h sea aproximadamente lineal, entonces (22) es una buena aproximación de Y; y puede usarse para aproximar los valores de E(Y ) y dt(y ); utilizando (22) y (9): E(h(X)) ' h() + h 0 ()E(X ) = h() del mismo modo, usando (22)y (0): dt(h(x)) ' jh 0 ()j dt(x) Por ejemplo, si Y = X 2 ; es h(x) = x 2 ; por lo tanto h 0 (x) = 2x; y en consecuencia dt(y ) 2 jj : En el caso (2) es = t; y h(x) = h 0 (x) = (con e = 2:7828::::); lo que da EY log 0:50 = 0:30; dt(y ) log x; por lo tanto log e x = 0:434 x 0:434 0:00 0:50 = 0:0008: Realice el resto de los ejercicios 36
10 Práctica 3. Sea X una variable aleatoria con densidad dada por: f(x) = c(2 x) si 0 x 2 0 en caso contrario (a) Determinar el valor de c y gra car f(x) (b) Obtener y gra car F (x) (c) Calcular P ( X 2) (d) Calcule E(X) y V (X) (e) Sea Y = 2X 3, cuál es la E(Y )? (f) Calcular el 80-percentil. (el cuantil-0:80) 2. El tiempo de reacción (en segundos) a cierto estímulo es una variable aleatoria X con función de distribución dada por: 0 si x < F (x) = (3=2)( =x) si x 3 si x > 3 (a) Calcular la función de densidad f(x) y gra car. (b) Cuál es la probabilidad de que el tiempo de reacción sea a lo sumo 2,5 segundos? entre,5 y 2,5 segundos? (c) Calcular el tiempo esperado de reacción y la mediana. (d) Calcular la desviacón estándar del tiempo de reacción (e) Sea Y = X 3, calcular E(Y ) 3. El tiempo de vida (en horas) de cierto tubo de radio es una variable aleatoria continua con función de densidad dada por f(x) = 0 si x 00 00=x 2 si x > 00 (a) Veri car que ésta es una función de densidad. (b) Calcular la probabilidad de que uno de esos tubos deba ser reemplazado antes de las 50 horas de operación 37
11 (c) Puede calcular la media del tiempo de vida de estos tubos? (d) Puede calcular la mediana del tiempo de vida de estos tubos? (e) Determinar el valor tal que el tiempo de vida del 90% de los tubos de radio de ese tipo sea inferior a ese valor (el 90-percentil) 4. Sea X la temperatura a que tiene lugar cierta reacción química, y sea su densidad: f(x) = (4 9 x2 ) si x 2 0 en otro caso (a) Gra car f(x) (b) Hallar la función de distribución y gra carla (c) Es 0 la temperatura mediana a que se realiza la reacción química?. Si no es así, la temperatura mediana es menor o mayor que 0? (d) Suponga que esta reacción química se realiza en 0 laboratorios en forma independiente, y que la función de densidad de la temperatura de reacción es la misma en cada laboratorio. Sea Y el número entre estos 0 laboratorios en los que la temperatura de la reacción es superior a. Qué distribución tiene esta variable aleatoria? 5. Para ciertas muestras de minerales, la proporción de impurezas por muestra es una variable aleatoria Y, con densidad dada por: f(y) = (3=2)y2 + y si 0 y 0 en caso contrario El valor de cada muestra es U = 5 0:5Y. Encontrar E(U) y V (U) 6. Suponga que la temperatura de reacción X (en o C) de un cierto proceso químico tiene una distribución uniforme en [70; 95]. Calcular: (a) P (X < 80), P (75 < X < 90) (b) Calcular la media y la varianza de X (c) Cuál es la probabilidad de que la temperatura esté dentro de desvío estándar del valor medio? 38
12 7. La duración de cada operación que realiza cierta máquina puede representarse mediante una v.a. uniforme de media 0 segundos y varianza 3 seg2. Cuántos segundos tarda como mínimo, el 75% de las veces? 8. Supongamos que el tiempo de funcionamiento de una lámpara está exponencialmente distribuida con media 0. Supongamos que una persona entra en una habitación donde hay una lámpara encendida. (a) Cuál es la probabilidad de que la lámpara dure menos de 6 horas? (b) Cuál es la probabilidad de que no se funda la bombilla si la persona desea trabajar 5 horas? (c) Cuál es la probabilidad de que dure entre 4 y 8 horas? 9. Sea X el tiempo (en minutos) entre dos llegadas sucesivas a un servicio de emergencias. Si X tiene distribución exponencial con = 0; 25. Calcular: (a) El tiempo esperado entre dos llegadas sucesivas. (b) La probabilidad de que el tiempo entre dos llegadas sea menor de 0 minutos 0. Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribución exponencial con media de 6 años. Cuál es la probabilidad de que a una persona a la que se le ha implantado este marcapasos se le deba reimplantar otro antes de 20 años? Si el marcapasos lleva funcionando correctamente 5 años en un paciente, cuál es la probabilidad de que haya que cambiarlo antes de 25 años?. La variable Y tiene distribución normal típica. Calcular las probabilidades de (a) Y 2; 23, (b) Y > ; 35, (c) 0; 5 < Y < ; Calcular: (a) la mediana y los cuartiles de una variable con distribución normal tipica (b) Idem, para la distribución N(0; 36) (c) Para esta última, calcular los percentiles del 0% y del 90%. 39
13 3. En determinada población la presión arterial diastólica entre mujeres de 8 a 74 años se encuentra distribuida normalmente con una media de = 77 mmhg y una desviación estándar de = ; 6 mmhg (a) Cuál es la probabilidad de que una mujer elegida al azar tenga una presión arterial diastólica menor de 60 mmhg? (b) Cuál es la probabilidad de que tenga una presión diastólica mayor de 90 mmhg? (c) Cuál es la probabilidad de que tenga una presión diastólica entre 60 y 90 mmhg? 4. Una fábrica produce tornillos, las especi caciones indican que el diámetro de los mismos debe estar entre ; 9 y ; 2 pulgadas. Si el proceso de producción es tal que el diámetro de los tornillos es una variable aleatoria con distribución normal con media ; 96 y desviación estandar 0; 005: Qué porcentaje de la producción no satisface las especi caciones? 5. Si el voltaje v en un medio es jo, pero la corriente I es aleatoria, entonces la resistencia (R = v=i) también será aleatoria. Si I = 20 y I = 0:5, calcule los valores aproximados de R y R. 6. Se desea calcular el volumen de un tanque, sabemos que el radio de la base circular es la mitad de la altura. Se mide la altura y el resultado es 2m, esta medición tiene un error aleatorio con = 0:m. Calcular aproximadamente la desviación típica del error del cálculo del volumen del tanque. 7. Un sistema consta de 5 componentes idénticos conectados en serie. Cuando falla uno de los componentes, falla todo el sistema. Suponga que cada componente tiene una duración que está distribuida exponencialmente con = 0; 0 y que dicha duración es independiente para cada componente. De na A i ={i-ésimo componente dura por lo menos t horas}, i = ; :::; 5 (estos A i son eventos independientes). Sea X = el tiempo en que falla el sistema (esto es la duración más breve entre las cinco componentes) (a) El evento (X t), es equivalente a qué evento donde aparecen las A i? 40
14 (b) Por medio de la independencia de las A i, calcule P (X t). Luego obtenga F (t) = P (X t) y la densidad de X 8. La demanda semanal de gas propano (en miles de galones) es una varable aleatoria X con densidad dada por: f(x) = 2( =x2 ) si x 2 0 en caso contraio (a) Calcular la función de distribución. (b) Calcular la mediana. (c) Calcular E(X) y V (X) (d) Si al principio de la semana hay 2300 galones en existencia y no se recibe nuevo suministro durante la semana, cuántos galones se espera que queden al terminar la semana? 9. Se ha estudiado el volumen corpuscular medio eritrocitario (VCM) en pacientes con posible diagnóstico de anemia ferropénica como indicador de esta patología, el verdadero diagnóstico se establece con biopsia de médula osea. Para simpli car, suponemos que los valores de VCM en la población siguen ua distribución normal. En una población de pacientes con diagnóstico con rmado de anemia ferropénica se ha estimado = 73 y = 6;. En una población donde se ha descartado ese diagnóstico se ha estimado = 82 y = 5; 9: Si se utilza un valor del VCM inferior a 75, para diagnosticar anemia ferropénica. (a) Cuál es la sensibilidad de este método? Esto es: cuál es probabilidad de diagnosticar correctamente un paciente que tiene anemia ferropénica? Cuál es la probabilidad de un falso positivo? (b) Cuál es la especi cidad? Esto es la probabilidad de clasi car correctamente a un paciente sin anemia ferropénica Cuál es la probabilidad de un falso negativo? (c) Cómo cambiarían esos valores si el valor de corte fuera 80, y si fuera 85? 4
5 Variables aleatorias contínuas
5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesRelación de Problemas. Tema 6
Relación de Problemas. Tema 6 1. En una urna hay 5 bolas blancas y 2 negras y se sacan tres bolas sin reemplazamiento. a) Calcular la distribución conjunta del número de bolas blancas y negras de entre
Más detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesS = N λ = 5 5 = 1 hora.
Teoría de Colas / Investigación Operativa 1 PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 5 1. Al supercomputador de un centro de cálculo llegan usuarios según un proceso de Poisson de tasa 5 usuarios cada
Más detallesEL PROBLEMA DE LA TANGENTE
EL PROBLEMA DE LA TANGENTE El problema de definir la tangente a una curva y f (x) en un punto P ( x, y ) ha llevado al concepto de la derivada de una función en un punto P ( x, y ). Todos sabemos dibujar
Más detallesPROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.
PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta
Más detallesIntroducción. Flujo Eléctrico.
Introducción La descripción cualitativa del campo eléctrico mediante las líneas de fuerza, está relacionada con una ecuación matemática llamada Ley de Gauss, que relaciona el campo eléctrico sobre una
Más detallesCONCEPTOS BASICOS DE LA TRANSFORMADA DE LAPLACE LA TRANSFORMADA DE LAPLACE
LA TRANSFORMADA DE LAPLACE Por cálculo integral sabemos que cuando vamos a determinar una integral impropia de la forma,su desarrollo se obtiene realizando un cambio de variable en el límite superior de
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 Ejercicio 1 Una empresa de selección de personal llama a 12 postulantes para una entrevista de empleo. Se sabe por experiencia
Más detallesTransformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Más detallesGrado en Química Bloque 1 Funciones de una variable
Grado en Química Bloque Funciones de una variable Sección.7: Aproximación de funciones. Desarrollo de Taylor. Aproximación lineal. La aproximación lineal de una función y = f(x) en un punto x = a es la
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detallesVariables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:
TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesLa distribución normal o gaussiana es la distribución. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si
La distribución normal La distribución normal o gaussiana es la distribución continua más importante. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si f(x) = 1
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 2012) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 1) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dadas las matrices A = x y z y B = 1, se pide: 1 1 3 1 k, X = 1.
Más detallesPROBLEMAS ESTADÍSTICA I
PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2
Más detallesMediciones II. Todas las mediciones tienen asociada una incertidumbre que puede deberse a los siguientes factores:
Mediciones II Objetivos El alumno determinará la incertidumbre de las mediciones. El alumno determinará las incertidumbres a partir de los instrumentos de medición. El alumno determinará las incertidumbres
Más detallesDerivadas 6 ACTIVIDADES. 1. Página 140. Función f(x) x 2 1: Función g(x) x 3 7: 2. Página Página Página
Derivadas 6 ACTIVIDADES 1. Página 140 Función f(x) x 2 1: Función g(x) x 3 7: 2. Página 140 3. Página 141 4. Página 141 5. Página 142 211 Derivadas 6. Página 142 Las derivadas laterales no existen, por
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
Más detallesCAPITULO XII PUENTES DE CORRIENTE ALTERNA
CAPITULO XII PUENTES DE CORRIENTE ALTERNA 2. INTRODUCCION. En el Capítulo IX estudiamos el puente de Wheatstone como instrumento de medición de resistencias por el método de detección de cero. En este
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesPRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL JUNIO 2015
CALIFICACIÓN: PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL JUNIO 201 Apellidos Nombre Centro de examen Instrucciones Generales PARTE COMÚN MATERIA: FUNDAMENTOS DE MATEMÁTICAS
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesUnidad 8 Áreas y Volúmenes
Unidad 8 Áreas y Volúmenes PÁGINA 132 SOLUCIONES Unidades de medida. Pasa a centímetros cuadrados las siguientes cantidades. a) b) c) Pasa a metros cúbicos las siguientes unidades. a) b) c) Cuántos litros
Más detallesLección 4. Ecuaciones diferenciales. 1. Ecuaciones diferenciales de primer orden. Trayectorias ortogonales.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0.. Ecuaciones diferenciales de primer orden. Traectorias ortogonales. Muchas aplicaciones problemas de la ciencia, la ingeniería la economía se formulan en términos
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más 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 detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesResumen sobre mecánica analítica
Resumen sobre mecánica analítica Ecuaciones de Lagrange. Supongamos una partícula, cuyo movimiento se puede describir mediante una sóla coordenada x, de modo que en el instante t la posición de la partícula
Más detallesLaboratorio de Física para Ingeniería
Laboratorio de para Ingeniería 1. Al medir la longitud de un cilindro se obtuvieron las siguientes medidas: x [cm] 8,45 8,10 8,40 8,55 8,45 8,30 Al expresar la medida en la forma x = x + x resulta: (a)
Más detallesRELACIÓN DE PROBLEMAS. Distribuciones de probabilidad
RELACIÓN DE PROBLEMAS Distribuciones de probabilidad 1. Se lanzan al aire dos monedas tres veces consecutivas. Sea X la v.a. que representa el número de veces que se obtiene cara en ambas monedas en los
Más detallesf (x) (1+[f (x)] 2 ) 3 2 κ(x) =
MATEMÁTICAS II - EXAMEN PRIMER PARCIAL - 4/11/11 Grado: Ing. Electrónica Rob. y Mec. Ing. Energía Ing. Organización Ind. Nombre y Apellidos: Ejercicio 1. La curvatura de una función f en un punto x viene
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detalles1. Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido:
. Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido: Peso [.5,.75) [.75,3) [3,3.5) [3.5,3.5) [3.5,3.75) [3.75,4) [4,4.5) [4.5,4.5] N o de niños 7 36
Más detallesMétodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones
Métodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 009,
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesUnidad II. Si una función f(x) tiene primitiva, tiene infinitas primitivas, diferenciándose todas ellas en unaconstante.
Unidad II Integral indefinida y métodos de integración. 2.1 Definición de integral indefinida. Integrar es el proceso recíproco del de derivar, es decir, dada una función f(x), busca aquellas funciones
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detalles1.3.- V A L O R A B S O L U T O
1.3.- V A L O R A B S O L U T O OBJETIVO.- Que el alumno conozca el concepto de Valor Absoluto y sepa emplearlo en la resolución de desigualdades. 1.3.1.- Definición de Valor Absoluto. El valor absoluto
Más detallesFundamentos matemáticos. Tema 8 Ecuaciones diferenciales
Grado en Ingeniería agrícola y del medio rural Tema 8 José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es 2016 Licencia Creative Commons 4.0 Internacional J.
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A xcos(x)+b sen(x) Ejercicio 1.- [2 5 puntos] Sabiendo que lím x 0 x 3 es finito, calcula b y el valor del límite. Ejercicio 2.- Sean f : R R y g : R R las funciones definidas mediante f(x) = x(x
Más detallesEjercicios de Vectores Aleatorios
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros M2 Calcular la función de densidad conjunta y las marginales
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 detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesSemana 2 [1/24] Derivadas. August 16, Derivadas
Semana 2 [1/24] August 16, 2007 Máximos y mínimos: la regla de Fermat Semana 2 [2/24] Máximos y mínimos locales Mínimo local x es un mínimo local de la función f si existe ε > 0 tal que f( x) f(x) x (
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más 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 detallesGrado en Química Bloque 1 Funciones de una variable
Grado en Química Bloque Funciones de una variable Sección.4: La derivada y sus propiedades básicas. La Regla de la cadena. El concepto de derivada aparece en muchas situaciones en la ciencias: en matemáticas
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesFunciones reales. Números complejos
Funciones reales. Números complejos Funciones reales 1. Encuentra todos los números reales x que verifican: a) (x 1)(x 3) > 1 b) x + 1 > 1 1 x c) x 1 + x + 1 < 1 d) 5 < x 2 14x + 5 < 26 2. Si la gráfica
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detallesP (X 5) = P (x = 5) + P (X = 6) + P (X = 7) + P (X = 8) = 0.005416467 + 0.051456432 + 0.79334918 + 0.663420431 = 0.999628249
Hoja 3: robabilidad y variables aleatorias 1. La probabilidad de que un enfermo se recupere tomando un nuevo fármaco es 0.95. Si se les administra a 8 enfermos, hallar: a La probabilidad de que se recuperen
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesMÉTODO DE VARIACIÓN DE PARÁMETROS
MÉTODO DE VARIACIÓN DE PARÁMETROS El método de variación de parámetros es aplicado en la solución de ecuaciones diferenciales no homogéneas de orden superior de las cuales sabemos que la solución de la
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesTema 6: Ecuaciones diferenciales lineales.
Tema 6: Ecuaciones diferenciales lineales Una ecuación diferencial lineal de orden n es una ecuación que se puede escribir de la siguiente forma: a n (x)y (n) (x) + a n 1 (x)y (n 1) (x) + + a 0 (x)y(x)
Más detallesMODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
Más detallesINTRODUCCIÓN. Para las siguientes dos actividades necesitaras: regla, lápiz, tijeras, calculadora.
CAPÍTULO 1 INTRODUCCIÓN Construcción con tijeras y papel Para las siguientes dos actividades necesitaras: regla, lápiz, tijeras, calculadora. La caja1. De una hoja de papel vamos a recortar un cuadrito
Más detallesPROBLEMAS DE OPTIMIZACIÓN
1 PROBLEMAS DE OPTIMIZACIÓN Planteamiento y resolución de los problemas de optimización Se quiere construir una caja, sin tapa, partiendo de una lámina rectangular de cm de larga por de ancha. Para ello
Más detallesIntroducción a Ecuaciones Diferenciales
Introducción a Ecuaciones Diferenciales Temas Ecuaciones diferenciales que se resuelven directamente aplicando integración. Problemas con condiciones iniciales y soluciones particulares. Problemas aplicados.
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesSelectividad Junio 2007 JUNIO 2007
Bloque A JUNIO 2007 1.- Julia, Clara y Miguel reparten hojas de propaganda. Clara reparte siempre el 20 % del total, Miguel reparte 100 hojas más que Julia. Entre Clara y Julia reparten 850 hojas. Plantea
Más detallesProblema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y),
Problema. Calcula las derivadas parciales de las siguientes funciones: (a) f(x, y) = x + y cos(xy), (b) f(x, y) = x x + y, (c) f(x, y) = log x + y x y, (d) f(x, y) = arctan x + y x y, (e) f(x, y) = cos(3x)
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesMATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASE #16. f : A! B x 7! y = f(x):
MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASE #16 Función Sean A y B conjuntos. Una función f de A en B es una regla que asigna a cada elemento x 2 A exactamante un elemento
Más detallesEcuaciones diferenciales
5 Ecuaciones diferenciales 5.1. Qué es una ecuación diferencial Una ecuación diferencial es una ecuación en la que la incógnita a despejar no es un número sino una función. Las operaciones que intervienen
Más detallesDistribución Normal. Universidad Diego Portales Facultad de Economía y Empresa. Estadística I Profesor: Carlos R. Pitta
Distribución Normal La distribución normal (O Gaussiana) se define como sigue: En donde y >0 son constantes arbitrarias. Esta función es en realidad uno de las más importantes distribuciones de probabilidad
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detalles