Prueba Integral Lapso /5
|
|
- Mercedes Parra Castro
- hace 6 años
- Vistas:
Transcripción
1 Prueba Integral Lapso /5 Universidad Nacional Abierta Introducción a la Probabilidad (Cód. 737) Probabilidad (Cód. 747) Vicerrectorado Académico Cód. Carrera: Fecha: MODELO DE RESPUESTAS Objetivos del al 8. OBJ PTA Con 7 consonantes y 5 vocales diferentes, respectivamente, cuántas palabras pueden formarse que consten de 4 consonantes diferentes y 3 vocales diferentes? 7 5 Las 4 consonantes puede elegirse de maneras, las 3 vocales pueden elegirse de maneras, y las letras resultantes (4 consonantes y 3 vocales diferentes, respectivamente) pueden ordenarse entre sí de 7! Formas. Por lo tanto, la cantidad de expresiones que pueden formarse son: ! = (35) (0) (5040) = OBJ 2 PTA 2 Se van a seleccionar dos concejales de una ciudad, de un total de cinco, para formar un subcomité que estudiará los problemas de tránsito de la ciudad. Cuál es la probabilidad de que sean seleccionados los concejales Pérez y Castro? Esta probabilidad se calcula como: p = 5 2 5! 2!.3! 0. OBJ 3 PTA 3 Una caja contiene 6 bolitas blancas y 4 negras, se extraen dos bolitas sucesivamente y sin reposición. Determine: a) La probabilidad de que ambas bolitas sean blancas b) La probabilidad de que la primera sea blanca y la segunda negra c) La probabilidad de que la primara sea negra y la segunda blanca d) La probabilidad de que ambas sean negras Criterio de evaluación: Para el logro de este objetivo debe responder correctamente tres de los cuatro literales. Definamos los siguientes eventos: B : Primara bolita extraída es blanca
2 Prueba Integral Lapso /5 B 2 : Segunda bolita extraída es blanca N : Primara bolita extraída es negra N 2 : Segunda bolita extraída es negra Donde, P(B ) = 0 6, P(N ) = 0 4 El espacio de probabilidad asociado a las experiencias a), b), c) y d) en consideración se representa por el siguiente diagrama de árbol: Con las probabilidades: a) Por el camino U B B 2 : P(B ) =, P(B2 B ) = P(B B 2 ) =. = b) Por el camino U B N 2 : P(B ) =, P(N2 B ) = P(B N 2 ) =. = c) Por el camino U N B 2 : P(N ) =, P(B2 N ) = P(N B 2 ) =. = d) Por el camino U N N 2 : P(N ) =, P(N2 N ) = P(N N 2 ) =. =
3 Prueba Integral Lapso /5 OBJ 4 PTA 4 Supongamos que en las familias de 3 hijos, los ocho eventos elementales relativos al sexo de los hijos son equiprobables. A es el evento La familia tiene hijos de ambos sexo y B es el evento a lo sumo hay una niña Compruebe si los eventos A y B independientes. Se debe determinar los 8 eventos elementales. Para ello, denotaremos con v a los varones y n para las niñas. Esto permitirá definir los elementos de los conjuntos A y B. Esto nos conduce a las siguientes probabilidades Por qué? Y como: 6 3 P ( A) ; P ( B) ; 8 2 P( A B) 3 3 P( A B). P( A). P( B) Por lo tanto, A y B son eventos independientes. OBJ 5 PTA 5 Se implementa un nuevo sistema de vigilancia nocturna. En este sistema un vigilante puede visitar cierta localidad de su ronda un número de veces Y = 0,, 2, 3,.. en períodos de media hora. El sistema está arreglado de modo que el vigilante pasa por cada localidad una vez, en promedio, por cada período. Supongamos que Y tiene una distribución de probabilidad de Poisson. a) Calcule la probabilidad de que el vigilante no pase por cierta localidad durante un período de media hora. b) Cuál es la probabilidad de que visite la localidad al menos una vez? NOTA: El objetivo se considera logrado, respondiendo correctamente ambos literales. En este caso, el período de visitas es media hora. La media de las visitas por intervalos de media hora es =. Dado que Y tiene una distribución de Poisson, entonces: n λ P( Y= n ) = λ e n!, > 0, n= 0,,2,... a) El evento que consiste en que el vigilante falla en visitar una cierta localidad, en un período de media hora, corresponde a n = 0. Por lo tanto, P (Y=0) Por qué? b) La probabilidad de que visite la localidad al menos una vez es: P(Y ) Por qué?
4 Prueba Integral Lapso /5 OBJ 6 PTA 6 Sean X e Y variables aleatorias independientes con distribución de Poisson de parámetros y 2 respectivamente. Demuestre que S = X + X 2 tiene distribución de Poisson con parámetros + 2. Ver libro texto UNA (737), seccione 75, ejercicio propuesto 2, páginas 240 y 242. OBJ 7 PTA 7 Suponga que X es una variable aleatoria discreta con función de probabilidad f definida por: x f(x) = para x =, 2, 3, i= a) Demuestre que b) Calcule E(X). P X = x i =. NOTA: Para el logro del objetivo debe responder correctamente ambos literales. a) Tenemos que P(X = x i ) = f(x i ), por lo tanto: 0 P X = x i = f(x ) i = = = i= i b) Por definición tenemos que: 0 E(X) =x f(x i i i ) 385 = = 7 Por qué? 55 OBJ 8 PTA 8 Una línea aérea sabe que el 5% de las personas que hacen reservaciones en un cierto vuelo, al final no se presentan. Si la aerolínea vende 60 boletos para este vuelo, y sólo hay 55 asientos en el avión, cuál es la probabilidad de que todo pasajero con reservación que se presente al aeropuerto tenga un puesto en el vuelo? Sean X una variable aleatoria que representa el número de personas que hacen reservaciones en un cierto vuelo y se presentan. Sea n=60 el número de boletos vendidos y p=0.95, la probabilidad de éxito. Es decir, la probabilidad de que se presenten el 95% de las personas con reservación. En este problema X se distribuye binomial de parámetros n y p. X np Sea Z. Luego, aplicando del Teorema Central del Límite tenemos que la variable np( p) aleatoria Z se distribuye normal de media np y varianza np( p), Así
5 Prueba Integral Lapso /5 P( X 55) P( X 55 55) np P Z ( ) np p P Z 2.75 P Z FIN DEL MODELO.
Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Integral Lapso 2010-2 745 1/5 Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: 610-612-613 Fecha: 26-02-2011 OBJ. 2 PTA 1 MODELO DE RESPUESTAS Objetivos 2,
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesOPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla:
Bloque III Solucionario Actividades de síntesis: Estadística y probabilidad OPCIÓN A A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
Prueba de Evaluación Continua Grupo B 8-X-5.- Un ladrón perseguido por la policía llega a un garaje que tiene dos puertas: una conduce al recinto A en la que hay coches de los que sólo tienen gasolina
Más detallesApuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
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 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 detallesUNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES
UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES VARIABLE ALEATORIA DISCRETA. Definición. Se dice que una v.a es discreta si el conjunto de todos los valores que puede tomar es un conjunto,
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detalles4.1. Definición de variable aleatoria. Clasificación.
Capítulo 4 Variable aleatoria Una variable aleatoria es un valor numérico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: número de caras obtenidas al lanzar seis veces
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
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 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 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 detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesALGEBRA I - Práctica 3
ALGEBRA I - Práctica 3 1. Cuántos números de cinco cifras se pueden formar utilizando los dígitos 1, 2, 3, 5, 6, 7 y 9 con la condición de que i) todas las cifras sean distintas? ii) todas las cifras sean
Más detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesPOISSON JUAN JOSÉ HERNÁNDEZ OCAÑA
POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA Distribución de Poisson Cuando una variable discreta se usa para estimar la cantidad de sucesos u ocurrencia en un determinado intervalo de tiempo o espacio es necesario
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 detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesLa Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.
La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. Dado un experimento y cualquier evento A: La expresion
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #3 Tema: Distribución Discreta Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Definir la función de probabilidad
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 detallesPROBABILIDAD Y ESTADÍSTICA PROPUESTAS PARA UNA AUTOEVALUACIÓN DE LOS FUNDAMENTOS TEÓRICOS
PROBABILIDAD Y ESTADÍSTICA PROPUESTAS PARA UNA AUTOEVALUACIÓN DE LOS FUNDAMENTOS TEÓRICOS En lo que sigue le presentamos 50 puntos que fueron incluidos en diferentes evaluaciones finales de los fundamentos
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más 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 detallesEjemplos 31 En el lanzamiento de una moneda podemos tomar E = { Cara } y F = { Cruz }. Si la moneda no está trucada, p = 1.
Capítulo 4 Modelos de probabilidad 4.1 Modelos discretos 4.1.1 Pruebas de Bernoulli Definición 4.1.1. Una prueba de Bernoulli es un experimento aleatorio cuyos posibles resultados se agrupan en dos conjuntos
Más detallesDesde el lunes 3 de septiembre de 2007, en todo el país, debutaron las nuevas patentes vehiculares únicas:
Técnicas de conteo Unidad 6 Desde el lunes 3 de septiembre de 2007, en todo el país, debutaron las nuevas patentes vehiculares únicas: La nueva placa patente única está disponible en todas las oficinas
Más detallesIntroducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 7 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
Más detalles4 VARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS Una ruleta está dividida en cuatro sectores de 90º de los que dos opuestos por el vértice son Azules, y los otros dos son uno Blanco y el otro Rojo. Conderemos el experimento
Más detallesPara pensar: Cómo se pudo obtener ese
La teoría de las probabilidades se inició con los juegos de azar en el siglo XVI, pero sin embargo pronto se aplicó a diversos problemas, como las estadísticas de las poblaciones humanas, en las que la
Más detallesb) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 4, curso 2006 2007. Ejercicio 1. Suponer que los cuatro motores de una aeronave comercial se disponen para que
Más detallesGeneralidades 1. Sea X una variable aleatoria continua con función densidad dada por
Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesC. EXPERIMENTOS ALEATORIOS- SUCESOS- PROBABILDADES:
C. EXPERIMENTOS ALEATORIOS- SUCESOS- PROBABILDADES: 1. Los pacientes que llegan a una clínica pueden seleccionar una de tres secciones para ser atendidos. Supongamos que los médicos se asignan al azar
Más detallesPrueba Matemática Coef. 1 NM-4
1 Centro Educacional San Carlos de Aragón. Sector: Matemática. Prof.: Ximena Gallegos H. Prueba Matemática Coef. 1 NM-4 Nombre: Curso: Fecha. Porcentaje de Logro Ideal: 100% Porcentaje Logrado: Nota: Unidad:
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos
Más detalles85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 20?
Ejercicios T10a- MODELOS ESPECÍFICOS UNIVARIANTES A 85.-Si el 0,5 % de las piezas que fabrica una máquina son defectuosas. Cuál es la probabilidad de obtener alguna pieza defectuosa de 20? X= número de
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detalles5. MODELOS PROBABILISTICOS.
5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad
Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad Facultad de Ciencias Sociales Universidad de la República Curso 2016 Índice 2.1. Variables aleatorias: funciones de distribución,
Más detallesREPASO PROBABILIDAD. 4) La probabilidad de que tenga lugar el contrario de un suceso A es, la probabilidad de que
REPASO PROBABILIDAD 1) Se ha realizado una encuesta entre los estudiantes de una universidad para conocer las actividades que desarrollan en el tiempo libre. El 80% de los entrevistados ven la televisión
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
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 detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
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 detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallescontablemente infinito.
III. Variables aleatorias Discretas y sus Distribuciones de Probabilidad 1 Variable aleatoria discreta Definición Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados posibles.
Más detallesCI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA
CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA alcantarilla Puente? Badén http://www.disasternews.net/multimedia/files/drought5_9412.jpg Fenómenos en Ingeniería (según certeza de ocurrencia) determinísticos
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 detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesFunciones generadoras de probabilidad
Funciones generadoras de probabilidad por Ramón Espinosa Armenta En este artículo veremos cómo utilizar funciones generadoras en teoría de la probabilidad. Sea Ω un conjunto finito o numerable de resultados
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 detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesProcesos de Poisson. Fabián Mancilla. U. de Santiago de Chile. Fabián Mancilla (Usach) Modelos Estocásticos 1 / 44
Procesos de Poisson Fabián Mancilla U. de Santiago de Chile fabian.mancillac@usach.cl Fabián Mancilla (Usach) Modelos Estocásticos 1 / 44 Introducción En este curso estudiaremos algunos modelos probabiĺısticos
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesEstadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte.
Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte. Contextualización En la presente sesión analizarás y describirás un experimento binomial, definirás y conocerás la función
Más detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
Más detallesRelación 4. Modelos discretos de distribuciones.
Relación 4. Modelos discretos de distribuciones. 1. Si se lanzan dos dados diez veces al aire, cuál es la probabilidad de que en más de la mitad de las ocasiones se obtenga una suma par de puntos? 2. Una
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detalles= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =
El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64
Más detallesSESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesDistribuciones Discretas
Capítulo 4 Distribuciones Discretas 4.1. Distribución Bernoulli Un experimento Bernoulli es un experimento aleatorio, cuyos resultados pueden clasificarse de dos maneras mutuamente excluyentes y exhaustivas,
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 detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detalles1º BCNySyT Distribuciones binomial y normal Excel
1º BCNySyT - 14. Distribuciones binomial y normal Excel PASO A PASO 1. Calcula los parámetros de la variable aleatoria número de hijas y haz el diagrama de barras de frecuencias relativas. Número de hijas:
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 detalleseste será el espacio muestral, formado por todos los sucesos individuales o casos posibles caso
EXPERIENCIA ALEATORIA: aquella cuyo resultado no podemos prever porque éste depende del azar. Cada uno de los resultados obtenidos en la experiencia aleatoria se llama CASO y al conjunto de todos los casos
Más detalles