Intervalos de confianza Muestras pequeñas. Estadística Cátedra Prof. Tamara Burdisso

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Intervalos de confianza Muestras pequeñas. Estadística Cátedra Prof. Tamara Burdisso"

Transcripción

1 Iervalos de cofiaza Muesras pequeñas

2 Qué ocurre cuado <30? No siempre se iee la posibilidad de coar co ua muesra grade. Vamos a focalizaros e muesras pequeñascuado el esadísico es la media muesral Recordemos porque ecesiábamos ua muesra grade Siempre y cuado las observacioes sea i.i.d., y la disribució poblacioal o demasiado asimérica, ua muesra grade os aseguraba que La disribució muesral de la media se aproximaba a la ormal a medida que (amaño de la muesra) crecía s Y el esimador del error esádar: SE = es cofiable dode s es el esimador de σ, el desvío poblacioal que por lo geeral es descoocido. Uidad 4 Iervalos de cofiaza 2

3 Qué ocurre cuado <30? El TCL asevera que la disribució muesral de X es aprox. Normal cualquiera sea el amaño de la muesra siempre y cuado la disribució poblacioal sea aprox. ormal. Si embargo, o es fácil de verificar e muesras pequeñas la codició de ormalidad. Ambas muesras (=10 y =1000) proviee de ua N(0,1) Es difícil deermiar a parir de ua muesra pequeña cual es la disribució de la que proviee. Uidad 4 Iervalos de cofiaza 3

4 Qué ocurre cuado <30? σ σ s σ σ Vimos que si 30, y es descoocido, esimamos co Si embargo, cuado <30 y es descoocido (casi siempre), ambié podemos uilizar s como el esimador aural de, pero el hecho de que sea pequeño ora a s meos cofiable. Para miigar esa mayor iceridumbre e y coiuar reeiedo la cofiaza del 95% e la cosrucció de los iervalos de cofiaza, deberíamos eoces aumear el acho del iervalo. Luego deberíamos rabajar co ua disribució que de cuea de la ecesidad de u iervalo más acho. Por lo ao, la disribució ormal esadarizada Z es reemplazada por la de Sude. Uidad 4 Iervalos de cofiaza 4 s

5 La disribució de Sude La de Sudeambié es simérica alrededor de la media=0, co forma de campaa, pero co colas más pesadas, i.e. es más probable eer más observacioes más alláde 2 desvíos esádar respeco de la media si se la compara co la disr. Normal esádar. Las colas más pesadas so las que va a miigar la mayor iceridumbre origiada e el cálculo del SE Uidad 4 Iervalos de cofiaza 5

6 La disribució de Sude La de Sudeiee u solo parámero, llamado grados de liberad, que deermia cua pesadas so las colas de la disribució. Quéocurre co la forma de la disribució cuado los grados de liberad se icremea? N(0,1) de Sude co 1,2 y 5 grados de liberad Uidad 4 Iervalos de cofiaza 6

7 Cuádo y cómo se uiliza la de Sude? Cuado deseamos cosruir u iervalo de cofiaza para la media y el σ es descoocido Tamaño de la muesra <30 El iervalo de cofiaza (regió de cofiaza=1-α) se calcula de la misma maera pero e lugar de Z uilizamos Uidad 4 Iervalos de cofiaza 7 S X ± ivel de cofiaza * P( > ivel de cofiaza= α / 2) = α P( > ivel de cofiaza=α / 2) = α 2

8 Comparado la N(0,1) y la Calcular a. b. P ( Z z ) 0 = ( ) 50 = P,0.025 c. ( ) 10 = P,0.025 Uidad 4 Iervalos de cofiaza 8

9 La de Sude Uidad 4 Iervalos de cofiaza 9

10 El orige de la de Sude William Gosse, Esudióquímica y maemáica. Se uióa la cervecería Guiess, dode llegóa ocupar la posició más ala e el área de ivesigacioes de la compañía. Su preocupació era esudiar los ipos de cebadas para mejorar la calidad de la cerveza. Rara vez dispoía de muesras grades. Eso lo llevóa esudiar ua disribució para muesras pequeñas. Llega a u acuerdo co la compañía para publicar sus rabajos esadísicos bajo el seudóimo de Sude. Uidad 4 Iervalos de cofiaza 10

11 Ejemplo Ciera empresa esáimplemeado u programa de adiesramieo por compuadora para sus empleados. La empresa decide adiesrar a 15 empleados. La abla muesra los iempos de adiesramieo. Tiempo de adiesramieo e dias Empleado Tiempo Empleado Tiempo Empleado Tiempo Calcular el iervalo de cofiaza al 95% para la media poblacioal. Uidad 4 Iervalos de cofiaza 11

12 Resumiedo Parámero Muesra Disribució σ Poblacioal Media 30 Cualquiera Coocida Media 30 Cualquiera Descoocida Media < 30 Media < 30 Proporció p 10 (1 p) 10 Debe ser aproximadamee ormal Debe ser aproximadamee ormal Coocida Descoocida Iervalo de cofiaza X ± zc X ± zc X ± zc σ S σ S ± gdl = 1 X c pˆ ± zc pˆ(1 pˆ) Uidad 4 Iervalos de cofiaza 12

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques

Más detalles

Práctica 3 MUESTREO E INTERVALOS DE CONFIANZA

Práctica 3 MUESTREO E INTERVALOS DE CONFIANZA Deparameo de Méodos Cuaiaivos e Iformáicos. Objeivos: a) Calcular los parámeros de la disribució de medias o proporcioes muesrales de amaño, exraídas de ua població de media y variaza coocidas. b) Calcular

Más detalles

UNIDAD 4. INFERENCIA ESTADÍSTICA

UNIDAD 4. INFERENCIA ESTADÍSTICA UNIDAD 4. INFERENCIA ESTADÍSTICA. Eimació por Iervalo Se puede eablecer u iervalo de eimació para la media, i la muera e eleccioa de ua població ormal o i e grade 30, coiderado la diribució mueral de X.

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza. FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

Planificación contra stock. Presentación. Introducción

Planificación contra stock. Presentación. Introducción Plaificació cora sock 09.0.07 Preseació Fabricar cora sock? No iee que ser cero el iveario? Se vio e el capíulo de iroducció. Plaificar cora sock Ciclo de pedido y fabricació idepediees. Demada aual coocida.

Más detalles

FUNCIONES EXPONENCIALES

FUNCIONES EXPONENCIALES 1 FUNCIONES EXPONENCIALES Las fucioes epoeciales iee muchas aplicacioes, e especial ellas describe el crecimieo de muchas caidades de la vida real. Defiició.-La fució co domiio odos los reales y defiida

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

PRUEBAS DE HIPOTESIS

PRUEBAS DE HIPOTESIS PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p : Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?

Más detalles

Intervalos de confianza para la media

Intervalos de confianza para la media Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS Págia 1 de 13 CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS E este capítulo etraremos al fial del ciclo del método cietífico, usado la iformació de la muestra para geeralizar y llegar a coclusioes

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

TEMA 10. La autofinanciación o financiación interna de la empresa

TEMA 10. La autofinanciación o financiación interna de la empresa Iroducció a las Fiazas TEM La auofiaciació o fiaciació iera de la empresa La fiaciació iera y sus compoees La auofiaciació esá formada por los recursos fiacieros que afluye a la empresa desde ella misma

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS

PRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIÓN DE LA PRODUCCIÓN Y LAS OPERACIONES

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n =

85.- Sea B j (t) la función polinómica: n j. Demostrar que: iii) Solución: Consideremos la identidad: (t+x) n = Hoa Problemas Aálisis II /9 85.- Sea la fució oliómica: N R Demosrar que: i ii iii iv Solució: Cosideremos la ideidad: R N. Derivado e ambos miembros reseco de mulilicado desués or se obiee: - Derivado

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden PRÁCTICA 1 Sisemas elécricos de rimer y segudo orde Objeivo: Deermiar la resisecia iera de u geerador. Realizar medicioes de la cosae de iemo de circuios de rimer orde asabajas y de los arámeros de diseño

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier Series de Fourier. Traamieo Digial de Señal. Series de Fourier Series de Fourier. Preámbulo El aálisis de Fourier fue iroducido e 8 e la Théorie aalyiique de la chaleur para raar la solució de problemas

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA) I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Luis H. Villalpando Venegas,

Luis H. Villalpando Venegas, 2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

4 Contrastes del Chi 2 de bondad del ajuste

4 Contrastes del Chi 2 de bondad del ajuste 4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos

Más detalles

t T 1 Y Y T Y = T Y = 3 [ T Y m EJERCICIOS DE FORMAS DE ONDA y DESARROLLOS EN SERIE DE FOURIER.

t T 1 Y Y T Y = T Y = 3 [ T Y m EJERCICIOS DE FORMAS DE ONDA y DESARROLLOS EN SERIE DE FOURIER. EJERCICIOS DE FORMAS DE ONDA DESARROLLOS EN SERIE DE FOURIER. EJERCICIO. Hallar el valor eficaz,, e las foras e oa repreaas e la figura. RESOLUCIÓN: Los valores eficaces e las res foras e oa so iguales.

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

UN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL

UN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL UN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL Versión preliminar e inconclusa. Derry Quinana Aguilar Absrac Ese documeno presena un modelo en el cual las preferencias del

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN POR INTERVALOS DE CONFIANZA Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete

Más detalles

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

Tema 9. Introducción a la Inferencia Estadística. Presentación y Objetivos. Esquema Inicial. Probabilidades y Estadística I

Tema 9. Introducción a la Inferencia Estadística. Presentación y Objetivos. Esquema Inicial. Probabilidades y Estadística I Tema 9. Itroducció a la Iferecia Estadística Presetació y Objetivos. La iferecia utiliza el leguaje de la probabilidad para sacar coclusioes de los datos y acompañar esas coclusioes por ua declaració formal

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA 1.- INTRODUCCIÓN

TEMA 5: CAPITALIZACIÓN COMPUESTA 1.- INTRODUCCIÓN TEMA 5: CAPITALIZACIÓN COMPUESTA 1- INTRODUCCIÓN Llamamos capializació compuesa a la ley fiaciera segú la cual los iereses producidos por u capial e cada periodo se agrega al capial para calcular los iereses

Más detalles

OPCIÓN A EJERCICIO 1_A 1 0 2

OPCIÓN A EJERCICIO 1_A 1 0 2 IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz

Más detalles

Soluciones problemas del Tema 2

Soluciones problemas del Tema 2 1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)

Más detalles

Contrastes para los parámetros de dos poblaciones Normales

Contrastes para los parámetros de dos poblaciones Normales Esaísica Corases ara los arámeros e os oblacioes Normales Ieeiees eeiees rof r. Jose Jacobo Zubcoff earameo e Ciecias el Mar Biología Alicaa Esaísica Corases ara os oblacioes ieeiees Ejemlo e roblema a

Más detalles

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra: T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total

Más detalles

(a) 11,72 g. (El reactivo limitante es el Ni y el rendimiento teórico es de 13,17 g de NiSO 4 ). (b) 0,1515 g de H 2.

(a) 11,72 g. (El reactivo limitante es el Ni y el rendimiento teórico es de 13,17 g de NiSO 4 ). (b) 0,1515 g de H 2. 80 Respuesas: (a) 11,7 g. (El reacivo limiae es el Ni y el redimieo eórico es de 13,17 g de NiSO 4 ). (b) 0,1515 g de H.. Gases ideales Los gases so ua de las formas e que se presea la maeria e el uiverso.

Más detalles

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación. Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos

Más detalles

Probabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013

Probabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013 Probabilidad y Estadística Itroducció a la Iferecia Estadística Raúl D. Katz 013 Ídice 1. Itroducció 3. Muestreo 3.1. Muestras aleatorias simples.................................... 4 3. Iferecia estadística

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

Valor de Rescate. Elementos Actuariales para su Determinación Por: Pedro Aguilar Beltrán. Octubre de 2008

Valor de Rescate. Elementos Actuariales para su Determinación Por: Pedro Aguilar Beltrán. Octubre de 2008 alor de escae Elemeos Acuariales ara su Deermiació Por: Pedro Aguilar Belrá Ocubre de 28 El alor de rescae es u coceo que se refiere al moo que le oorgará la aseguradora al asegurado o beeficiario, e caso

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Números complejos Susana Puddu

Números complejos Susana Puddu Números complejos Susaa Puddu 1. El plao complejo. E el cojuto C = IR IR defiimos la suma y el producto de dos elemetos de C de la siguiete maera a, b + c, d = a + c, b + d a, b.c, d = ac bd, ad + bc Dejamos

Más detalles

CAPÍTULO 1 CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA.

CAPÍTULO 1 CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA. APÍTULO UTOS EN EL DOMNO DE LA FEUENA... SSTEMAS LNEALES NAANTES. roducció. U iema lieal ivariae e repreea uualmee mediae u bloque e el que e muera ao la exciació como la repuea Exciació x ( Siema lieal

Más detalles

CAPÍTULO I CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA

CAPÍTULO I CIRCUITOS EN EL DOMINIO DE LA FRECUENCIA APÍTULO UTOS EN EL DOMNO DE LA FEUENA.. SSTEMAS LNEALES NAANTES roducció U iema lieal ivariae e repreea uualmee mediae u bloque e el que e muera ao la exciació como la repuea Exciació x () Siema lieal

Más detalles

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

Universidad Carlos III de Madrid

Universidad Carlos III de Madrid Uiversidad Carlos III de Madrid. El mudo físico: represeació co señales y sisemas Señales: Fucioes co las que represeamos variacioes de ua magiud física Volaje, iesidad, fuerza, emperaura, posició r ()

Más detalles

Como se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación.

Como se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación. Uiversidad Técica Federico Sata María Departameto de Matemática Reato Allede Olivares 7. QUINTO MÓDULO 7. Iferecia Estadística Como se ha podido apreciar e los módulos ateriores, La estadística trata co

Más detalles

Apéndice C: Datos Experimentos

Apéndice C: Datos Experimentos Apédice C: Datos Experimetos Experimetos Los experimetos permitiero evaluar la afectividad de los usuarios al iteractuar etre ellos detro del IM. La realizació de los experimetos se basa e los siguietes

Más detalles

Población y tamaño de la muestra en la investigación científica

Población y tamaño de la muestra en la investigación científica Població y tamaño de la muestra e la ivestigació cietífica People ad size of the sample i the scietific research Dr. Atoio Amílcar Ulloa Llerea * DSLIND: La ivestigació cietífica como promotora de la creació

Más detalles

TEMA NÚMEROS INDICES Y NÚMEROS INDICES BURSÁTILES.

TEMA NÚMEROS INDICES Y NÚMEROS INDICES BURSÁTILES. Dpo. Ecoomía Fiaciera y Coabilidad MATEMATCAS EMRESARALES TEMA 3.3 :roducció a los úmeros ídices y úmeros ídices bursáiles rof. María Jesús Herádez García. TEMA 3.3.- NÚMEROS NDCES NÚMEROS NDCES BURSÁTLES.

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció B Reserva, Ejercicio 4,

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,

Más detalles