UNIDAD 4 MODELOS PROBABILÍSTICOS
|
|
- Lorenzo Nieto Rodríguez
- hace 6 años
- Vistas:
Transcripción
1 Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería e Iformática FICH UNL Págia 1
2 La aplicació de la teoría de probabilidades ha origiado ua serie de modelos. E diversas situacioes reales se realiza supuestos respecto de u problema, y esto lleva a descripcioes aálogas y a formas matemáticamete iguales a las de los modelos probabilísticos MODELOS DE VARIABLE ALEATORIA DISCRETA Modelo Beroulli Tal vez la situació más comú que se preseta es aquella e la que los resultados de los eperimetos puede separarse e dos categorías mutuamete ecluyetes: éito o fracaso; por ejemplo predido o apagado. Puede etoces defiirse la variable aleatoria Beroulli y asigársele valores (arbitrarios pero muy prácticos) a los evetos ates mecioados: fracaso 1 éito La fució masa de es simplemete: f() p si 1 1 p si (1) siedo p la probabilidad de éito. Esta fució deberá cumplir co las codicioes de ua fució de probabilidad, ua de ellas es que deberá ser igual a uo para todos los valores de la variable: i1 i f( i ) 1 p +(1- p) p+1- p1 Las características de este modelo so: Estadística - Igeiería e Iformática FICH UNL Págia
3 E() ( - p ) (1- p)+(1- p ) f( i ).(1- p)+1.p p i () _ i V() _ i ( i - E() ) f( i ) p (1- p)+(1- p ).p.p p(1- p)(p +1- p) V() p(1- p) (3) Modelo Biomial Si se realiza ua serie de pruebas de tipo Beroulli cuyos resultados sea mutuamete idepedietes y si la probabilidad de éito permaece ivariable e todas ellas se origia u uevo modelo deomiado BINOMIAL. Se tratará de determiar la distribució del úmero total de éitos e pruebas de tipo Beroulli cada ua co probabilidad favorable igual a p. Para esto se cosiderará 3 pruebas y se aalizará las probabilidades de igú éito, 1 éito, éitos y 3 éitos: - Nigú éito: ; ; ; (1 - p ) 3 - U éito: 1 ; ; ; ó ; 1 ; ; ó ; ; 1 cada secuecia es u eveto, que etre sí so mutuamete ecluyetes; cuya probabilidad es : p ( 1 - p ) ; de esta maera la probabilidad de u éito es : 3 p ( 1 - p ) Estadística - Igeiería e Iformática FICH UNL Págia 3
4 - Dos éitos: 1 ; 1 ; ; ó 1 ; ; 1 ; ó ; 1 ; 1 ; uevamete cada secuecia es u eveto que es ecluyete de los restates: p (1 - p) y el total: 3 p (1 - p). - Tres éitos: 1; 1; 1; p ; p ; p p 3 Esto permite geeralizar y obteer la fució masa de probabilidad de este modelo; ya que si se aaliza los distitos casos se ve que se tiee e cueta la forma de presetarse el resultado deseado, lo cual puede resumirse calculado los úmeros combiatorios de tomados de a ( co, 1,,3 e este caso): P(X ) p (1- p ) - co el coeficiet e biomial!!( - )! (4) que como se epresó tiee e cueta el úmero de formas e que eactamete éitos se presete e pruebas. y p so los parámetros de este modelo; es claro que debe ser etero y p u úmero compredido etre y 1. El modelo se deomia BINOMIAL porque puede cosiderarse como el desarrollo del biomio ( p + q ). La fució masa de probabilidad deberá ser igual a 1 para todos los valores que puede tomar la variable: Estadística - Igeiería e Iformática FICH UNL Págia 4
5 _ i f( i ) 1 _ i p i i q -i i! i!( - i )! p i q -i!! p q +! 1! ( -1)! p q !!! p q q + ( -1)! ( -1)! p q p (p+q ) 1 1 La fució de distribució puede obteerse haciedo la suma de todos los valores de la fució masa meores o iguales que : F() P(X ) f( i ) (5) _ i Características del modelo E(X) i i f( i )!.! (-)! p q +1.! 1! ( -1)! 1 p q -1! p q! ( - )! -1 ( -1)! + ( -1)! p q p q p( q ( -1) p - q + p -1 ) p(p+q ) -1 Estadística - Igeiería e Iformática FICH UNL Págia 5
6 E() p (6) La variaza se obtiee por cosiderar a la variable aleatoria X como la suma de variables idepedietes idéticamete distribuidas como Beroulli, co esperaza p y variaza p q: Var(X) Var( i ) p(1- p) p q (7) i1 La distribució Biomial ha sido tabulada, tato su fució de cuatía o masa y la de distribució. Figura Nº 1 - Distribució Biomial para distitos valores de y p Ejemplo U estudio reciete reveló que el 6% de los coductores de automóviles se coloca el cituró de seguridad al maejar. Si se seleccioa ua muestra de 1 automovilistas e ua calle de uestra ciudad, cuál es la probabilidad de que eactamete 7 se haya colocado el cituró. Estadística - Igeiería e Iformática FICH UNL Págia 6
7 Estadística - Igeiería e Iformática FICH UNL Págia 7 Solució A {coductor que usa cituró de seguridad} P(A).6 X úmero de veces que se preseta el suceso A. X,1,, Modelo Poisso Cosiderado las codicioes que caracteriza al modelo Biomial, es ecesario aalizar que sucede co la distribució de la variable si el úmero de pruebas se icremeta y asociado a esto la probabilidad p de éito se hace cada vez más pequeña. Es así que se icremeta y p se hace pequeña, pero el úmero promedio de evetos e el itervalo total debe permaecer costate e igual a p.. Deomiado a esta costate λ y cosiderado la fució masa de probabilidad de e el límite, esto es co p y y λ. p a partir de la fució del modelo Biomial: f p p 1 )! ( )! 1))( ( )...( 1)( ( 1! 1 )! (! 1! 1 )!!(! ) ( La epresió etre corchetes tiee térmios e el umerador y térmios e el deomiador, y para u suficietemete grade, este térmio es igual a : ) ( ) ( ) P(.15
8 / 1 co lo cual queda por evaluar la epresió ( 1 - λ/ ) que cuado es igual a la costate e -λ, esto permite epresar a la fució masa de probabilidad del modelo de Poisso de la siguiete forma: - e f() P (X )! (8) siedo λ el parámetro del modelo. Esta fució deberá cumplir co la codició de ser igual a 1 para todos los valores que la variable puede tomar: - e! e - [ ]! 1!!! [ ] e! 1!!! e -.e e - + e 1 Estadística - Igeiería e Iformática FICH UNL Págia 8
9 Características E(X) - e! - -1 e ( -1)! - -1 e 1 ( -1)! E(X) (9) Var(X) E( X ) - E (X) E( X ) e -! [ 1 [ -1 - e ( -1)! ] -1 - e ( -1)! ] si y -1 y+1, luego [ y y e (y+1) y! - ] [ y - y e y + y! y - y e ] y! Estadística - Igeiería e Iformática FICH UNL Págia 9
10 y - y e y E(Y) y! y - y e 1 y! luego E( X ) ( +1) + Var(X) + - Var(X) (1) Geeralmete este modelo se vicula a aquellos evetos que ocurre e ua uidad de tiempo, luego el período de tiempo e el que se realiza el aálisis costituye ua secuecia de pruebas idepedietes cada ua co distribució Biomial. Si se tomara para el aálisis u itervalo de tiempo igual al doble o al triple del iicial se verá que el parámetro es tambié igual al doble, al triple, etc., marcado esto la depedecia del tiempo de este modelo y por ello viculado a los procesos estocásticos. Se etiede por procesos estocásticos a aquellos e los que iteresa la secuecia, e el tiempo, de ocurrecia de evetos. Estadística - Igeiería e Iformática FICH UNL Págia 1
11 Figura Nº - Distribució de Poisso para distitos valores del parámetro Ejemplo U estudio de filas de clietes e las cajas registradoras e Supermercados e ua zoa dada reveló que durate cierto período (etre las 5 y las 9 p.m.) e los fies de semaa, el úmero medio de clietes e espera fue igual a 4. Determiar la probabilidad de que al visitar u supermercado e ese lapso de tiempo se ecuetre que o hay clietes e la fila de ua de las cajas. Solució Estadística - Igeiería e Iformática FICH UNL Págia 11
12 P(X - -4 e e ) 4!!, Modelo hipergeométrico Este modelo surge cuado se realiza u muestreo si reposició de ua població fiita co sus elemetos clasificados e dos categorías. Si N es el total de elemetos de los cuales hay k de ua categoría y N-k de otra, al realizar ua etracció de elemetos, si reposició, cada etracció que se realice posteriormete es depediete del resultado de la etracció aterior co lo cual va cambiado la probabilidad de éito. Para derivar la fució correspodiete a la variable aleatoria : úmero de éitos o elemetos perteecietes a la categoría que se estudia, e ua etracció, se deberá cosiderar todas las maeras posibles o combiacioes, de etraer elemetos de la categoría deseada, de los etraídos y los restates que perteezca a la otra categoría. El total de casos se obtiee de las combiacioes del total N etraídos de a. Luego la fució masa de probabilidad para este modelo es la siguiete: k N - k P (X ) f() - (11) N Características Para obteer las características es posible decir que la variable aleatoria X es la suma de variables i como e el caso Biomial, pero co la diferecia que aquí las i so depedietes. pero como para sumar las esperazas o se ecesita que las variables aleatorias sea idepedietes es posible obteer la esperaza de la siguiete forma: E(X) E( 1 )+ E( )+...+E( ) dode cada E( i ) es el producto de la probabilidad de e la iésima prueba: k/n, si o se sabe que ha ocurrido e pruebas ateriores o posteriores por la catidad de pruebas: Estadística - Igeiería e Iformática FICH UNL Págia 1
13 k p N E(X) (1) La variaza e cambio o es aditiva para variables depedietes. Pero se obtiee la siguiete epresió: k (N - k) N - Var(X) (13) N N - 1 N - Var(X) * p* q* N -1 N - siedo el factor de correcció por muestreo si reposició y població fiita. N - 1 Cuado. 5la distribució Hipergeométrica se aproima a la Biomial. N Figura Nº 3 - Distribució Hipergeométrica para distitos valores de N, y K Estadística - Igeiería e Iformática FICH UNL Págia 13
14 Ejemplo Se sabe que de ua caja que cotiee diskettes, 13 so uevos y 7 so usados. Si se seleccioa al azar 3 de ellos; determiar la probabilidad de que sea uevos. Solució P( ) 1 3 Estadística - Igeiería e Iformática FICH UNL Págia 14
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesPara resolver una probabilidad con la distribución binomial se aplica la siguiente fórmula
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS ACTIVIDAD ACADEMICA: ESTADISTICA DE LA PROBABILIDAD DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detalleses un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.
PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detalles9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras.
Hoja de Problemas º Algebra II 9. Hallar u úmero de cuatro cifras que sea igual al cubo de la suma de las cifras. Solució: Sea el úmero buscado co a que si o, o seria de cuatro cifras. Teemos que ( ) como
Más detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallesLIMITES DE FUNCIONES. Ejemplo: Sea la función F(x) = 3X 2, evalúe la función para valores de X cercanos a 2, es decir
PRECONCEPTO. LIMITES DE FUNCIONES. Ejemplo: Sea la fució F() = X, evalúe la fució para valores de X cercaos a, es decir X se acerca hacia el umero por la izquierda ( - ) X,,7,5,47,68,89,9,96,99,99,995,
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detallesGUIA DE ESTUDIO Nro 1
MATERIA: MATEMÁTICA I CURSO: I AÑO EJE ESTRUCTURAL I: CONCEPTOS FUNDAMENTALES DEL ALGEBRA GRUPOS CONCEPTUALES: - Epresioes algebraicas. Poliomios. - Ecuacioes. Iecuacioes. TEMARIO: GUIA DE ESTUDIO Nro
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detalles1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }
SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual
Más detallesSEMANA 01. CLASE 01. MARTES 04/10/16
EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
Más detallesEvaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad
Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesSeries alternadas Introducción
Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detallesTransformada Z. Ejemplos. Ejemplos de cálculo [ ] = [ ] ( ) ( ) 1. Transformada Z. α = α α α si α. α α α
Trasformada Ejemplos Ejemplos de cálculo. Trasformada... Calcular la trasformada, por defiició, idicado la regió de coergecia p u [ ] h h p u cos u Solució: Para calcular la Trasformada por defiició, resulta
Más detallesCapítulo VARIABLES ALEATORIAS
Capítulo VI VARIALES ALEATORIAS. Itroducció Detro de la estadística se puede cosiderar dos ramas perfectamete difereciadas por sus objetivos y por los métodos que utiliza: Estadística Descriptiva o Deductiva
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesGUÍA DE ESTUDIO ÁLGEBRA LINEAL
GUÍ DE ESUDIO ÁLGER LINEL ema. Espacios Vectoriales ) LOS NÚMEROS El sistema de úmeros reales cosiste e u cojuto R de elemetos llamados úmeros reales y dos operacioes deomiadas: adició y multiplicació,
Más detallesM arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para
GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detalles13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesMATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero
ucesioes Ua sucesió es u cojuto de úmeros dados ordeadamete de modo que se pueda umerar: primero, segudo, tercero Ejemplos: a), 3, 5, 7, 9, b), 4, 9, 6, 25, 36 c) 2, 4, 8, 6, 32, 64 e llama térmios a los
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesSucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7
Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detalles, como el cociente = (n k)!k! Propiedades de los números combinatorios: n k = n. k x n k y k +... ( ) Dando valores x=y=1, se obtiene la igualdad n
NÚMEROS COMBINATORIOS Def:Dado u úmero etero o egativo, se defie el factorial de (! como el producto! = ( 1...1 Def: Dados dos úmeros,k eteros o egativos tales que k, se defie el úmero combiatorio sobre
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detallesLAS SUCESIONES Y SU TENDENCIA AL INFINITO
LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció
Más detalles6. ECUACIONES DE RECURRENCIA.
6. ECUACIONES DE RECURRENCIA. 6.1. Itroducció. Las relacioes de recurrecia puede cosiderarse como técicas avazadas de coteo. Resuelve problemas cuya solució o puede obteerse usado variacioes, permutacioes,
Más detallesUniversidad Nacional Autónoma de Honduras Facultad de Ciencias Económicas Guía de Ejercicios No. 2 DET 385, Métodos Cuantitativos III
: Derivadas de orde superior: Elaborada por: Wilfredo Saravia M Uiversidad Nacioal Autóoma de Hoduras Facultad de Ciecias Ecoómicas Guía de Ejercicios No DET 85, Métodos Cuatitativos III E los ejercicios
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detallesEstadística para Química - 1er. cuat. 2007 - Marta García Ben
Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,
Más detalles16 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 detallesConvolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesCurso: 3 E.M. ALGEBRA 8
Colegio SSCC Cocepció - Depto. de Matemáticas Uidad de Apredizaje: POLINOMIOS Capacidades/Destreza/Habilidad: Racioamieto Matemático/ Aplicació / Calcular, Resolver Valores/ Actitudes: Respeto, Solidaridad,
Más detallesCoeficientes binomiales
Coeficietes biomiales (Ejercicios Objetivos Defiir coeficietes biomiales y estudiar sus propiedades pricipales Coocer su aplicació e la fórmula para las potecias del biomio y su setido combiatorio (si
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detallesCAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS
CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesPráctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesEcuaciones en Diferencias Recíprocas y Semirrecíprocas
Ecuacioes e Diferecias Recíprocas y Gustavo Adolfo Juárez; Silvia Iés Navarro Facultad de Ciecias Exactas y Naturales, Uiversidad Nacioal de Catamarca. E-mail: juarez.catamarca@gmail.com Recepció: 20/05/2014
Más detalles5.6 Serie de Fourier de funciones pares e impares (desarrollo cosenoidal o senoidal)
5.6 Serie de Fourier de fucioes pares e impares (desarrollo coseoidal o seoidal) 46 5.6 Serie de Fourier de fucioes pares e impares (desarrollo coseoidal o seoidal) Fucioes Pares e Impares E el maejo de
Más detallesPROBABILIDAD. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles que pueden producirse.
PROAILIDAD 1.- EXPERIMENTOS ALEATORIOS De forma geeral podemos distiguir etre experimetos determiistas y experimetos aleatorios. Las leyes de la física, de la química y de otras ciecias os provee de ecuacioes
Más detallesÁlgebra I Práctica 2 - Números naturales e inducción
FCEyN - UBA - Segudo Cuatrimestre 203 Álgebra I Práctica 2 - Números aturales e iducció. Reescribir cada ua de las siguietes sumas usado el símbolo de sumatoria (a) + 2 + 3 + 4 + + 00, (b) + 2 + 4 + 8
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesDe esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)
MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que
Más detallesSesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas.
Matemáticas Sesió No. 6 Nombre: Fucioes expoeciales y logarítmicas y el uso de las progresioes aritméticas y geométricas. Cotextualizació Las fucioes expoeciales y logarítmicas se les cooce como trascedetes,
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesBrook Taylor GUSTAVO A. DUFFOUR
La aproimació de ua fució por u poliomio es ua de las ideas más atiguas e el aálisis umérico y es ua de las más usadas aú e la actualidad. Las razoes más importates para ello so posiblemete que: ) Los
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesINTRODUCCIÓN A LAS PROGRESIONES
Apédice A INTRODUCCIÓN A LAS PROGRESIONES A.. A..3 E el Apédice A, los alumos ivestigaro progresioes buscado patroes y reglas. E la primera parte del apédice, se cocetraro e las progresioes aritméticas
Más detallesEstimación de los parámetros de las distribuciones Bernoulli y Poisson bajo cero eventos
Publicado e la Rev. Fac. Nac. Salud Pública 999; 7(): 30-36 Estimació de los parámetros de las distribucioes Beroulli y Poisso bajo cero evetos Estimatig parameters of the Beroulli ad Poisso distributios
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesINTEGRAL INDEFINIDA. MÉTODOS DE INTEGRACIÓN
Matemáticas II - º Bachillerato INTEGRAL INDEFINIDA. MÉTODOS DE INTEGRACIÓN Método de itegració por cambio de variable Cosiste e sustituir por ua fució adecuada para que la epresió resultate sea más secilla
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesExpresiones Algebraicas
Semiario Uiversitario Matemática Módulo Epresioes Algebraicas Difícilmete se pueda estudiar cualquier rama de la matemática actual si u maejo algebraico razoable. Usamos la palabra maejo y o la de estudio,
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detalles