PROBABILIDAD: TEORÍA Y CÁLCULO DE PROBABILIDADES

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

Download "PROBABILIDAD: TEORÍA Y CÁLCULO DE PROBABILIDADES"

Transcripción

1 PROBABILIDAD: TEORÍA Y CÁLCULO DE PROBABILIDADES INTRODUCCIÓN HISTÓRICA Cas ada e la vda es seguro. E todo lo que hacemos estmamos las posbldades de resultados satsfactoros. Pero durate gra parte de la hstora de la humadad, la probabldad, el estudo formal de las leyes del azar, se desarrolló co u objetvo: apostar favorablemete e los juegos de azar. E el sglo XVI el médco y matemátco talao Gerolamo Cardao (50-576) expoe e su mauscrto Lber de Ludo Aleae (Lbro de los juegos de azar) ua sere de resultados sobre juegos co dos y tres dados. E este lbro expoe tablas de frecuecas para los dferetes resultados de los juegos de dados y expoe coceptos como los de equprobabldad y esperaza matemátca. Por esa msma época u jugador talao expresó a Galleo Galle (564-64) su sorpresa al observar que al jugar co tres dados a la suma 0, teía más oportudades de gaar que cuado jugaba a la suma 9. E su mauscrto, Sopra le Scoperte de Dad (Sobre los descubrmetos de los dados) do la solucó correcta a dcho problema. E la socedad fracesa del sglo XVII, muy afcoada a todo tpo de juegos de azar, aparece u oble fracés llamado Atoo Gombaud (60-685), más coocdo por Caballero de Mère, de gra habldad y expereca e los juegos de azar, que propuso al matemátco fracés Blase Pascal (6-66) dversos problemas relacoados co estos juegos, pdédole explcacoes sobre alguas cotradccoes aparetes etre su razoameto teórco y las observacoes que había recogdo por vía expermetal medate el juego. Pascal comucó por carta estos problemas a otro matemátco fracés llamado Perre de Fermat (60-665), y ambos los resolvero separadamete co demostracoes dsttas. La correspodeca prvada etre estos dos grades matemátcos, producda sobre el año 654, se cosdera hoy e día como el orge de la teoría de la probabldad. El físco, geómetra y astróomo holadés Chrsta Huyges (69-695), teresado e la correspodeca prvada de Pascal y Fermat, publcó e 657, e holadés, ua memora ttulada La razó e los juegos de azar, que se cosdera el prmer trabajo mpreso dedcado exclusvamete a probabldades. E 669 publcó Aplcacó de la probabldad matemátca a la esperaza de vda, que fue rápdamete llevada a la práctca medate el estudo de tablas de mortaldad, retas vtalcas, etcétera. Es el orge de algo ta de moda hoy e día como las compañías de seguros. Defr el cocepto de probabldad es u problema complejo. Etre las prcpales aproxmacoes hstórcas a esta cuestó destacamos las sguetes (por su aplcacó a muchos de los razoametos que se hará e este tema): Defcó frecuetsta de probabldad de u suceso Se basa e la ley de los grades úmeros, eucada por Jakob Beroull ( ) y que dce así: La frecueca relatva de u suceso tede a establzarse e toro a u úmero a medda que el úmero de veces que se repte el expermeto crece defdamete. Este úmero es a lo que se llama probabldad del suceso. Como comprobacó expermetal de la ley de los grades úmeros se propoe realzar el expermeto aleatoro de lazar al are dos moedas guales, aotado el úmero de caras que ha saldo y repetr el expermeto 00 veces. S se va completado la sguete tabla co las frecuecas relatvas de los resultados 0 caras, cara, caras después de 0 lazametos, después de 0 lazametos, etc., se puede r vedo que cada ua de estas frecuecas relatvas se aproxma a u valor fjo (la probabldad de cada resultado): Nº de lazametos Frecueca relatva de 0 caras 0,5 Frecueca relatva de cara 0,5 Frecueca relatva de caras 0,5 PROBABILIDAD Pága de

2 Usaremos esta dea tutva de probabldad e muchos razoametos futuros. Es decr, etedemos como probabldad de u suceso, la proporcó de veces que ocurrría dcho suceso (a la larga) s el expermeto se reptese muchísmas veces. La defcó de probabldad eucada por Beroull medate la ley de los grades úmeros (a la que dedcó, segú propa cofesó, más de vete años de su vda) preseta u coveete de tpo práctco, ya que para calcular la probabldad de u suceso sería ecesaro realzar u gra úmero de pruebas co el f de obteer expermetalmete el valor al que se aproxma las frecuecas relatvas del suceso e estudo. Por otra parte, de esta forma obtedríamos u valor aproxmado, e lugar del valor exacto de la probabldad. Defcó clásca de probabldad de u suceso Fue eucada por Perre Smo, marqués de Laplace (749-87) por lo que se cooce como regla de Laplace y dce así: La probabldad de u suceso A es el cocete etre el úmero de casos favorables al suceso y el úmero de casos posbles. Es decr, s dcamos la probabldad del suceso A por p( la regla de Laplace podría escrbrse medate la sguete fórmula: úmero de casos favorables a A p ( úmero de casos posbles Esta defcó preseta també u grave coveete: sólo puede aplcarse e aquellas stuacoes e las que todos los casos posbles so gualmete probables (equprobables). Así, por ejemplo, os srve para asgar como probabldad del suceso A sale 6 e el expermeto de lazar u dado, el valor p(/6 (u caso favorable etre 6 casos posbles). Pero o os srve para asgar probabldades a las dsttas caras de u dado trucado. Laplace escrbó multtud de artículos sobre el cálculo de probabldades, y todos los resultados que obtuvo juto co los de sus predecesores los cluyó e su lbro Théore aalytque des probabltés, publcado e 8. Dos años más tarde publcó otro lbro ttulado Essa phlosophque de probabltés, e el que trataba de dvulgar el cálculo de probabldades para lectores o especalstas. Laplace escrbó las sguetes setecas: E el fodo, la teoría de probabldades es sólo setdo comú expresado co úmeros. Es otable que ua ceca que comezó co las cosderacoes de juegos de azar había de llegar a ser el objeto más mportate del coocmeto humao. Las cuestoes más mportates de la vda costtuye e su mayor parte, e realdad, solamete problemas de probabldad. A medados del sglo XIX Gregor Medel có el estudo de la hereca, la geétca, co sus teresates expermetos sobre el cruce de platas de dferetes característcas. Su obra, La matemátca de la Hereca, fue ua de las prmeras aplcacoes mportates de la teoría de probabldad a las cecas aturales. Desde los orígees la prcpal dfcultad para poder cosderar la probabldad como ua rama de la matemátca fue la elaboracó de ua teoría sufcetemete precsa como para que fuese aceptada como ua forma de matemátca. A prcpos del sglo XX el matemátco ruso Adre Kolmogorov la defó de forma axomátca y establecó las bases para la modera teoría de la probabldad. Durate el sglo XX la aplcacó de la probabldad al campo de la Físca, e cocreto de la físca atómca ha sdo espectacular. El determsmo rguroso de la físca clásca ha sdo susttudo por ua terpretacó probablístca. Las vestgacoes, a prcpos del sglo XX del matemátco ruso Markov sobre cadeas de sucesos eslaboados se aplcaro al estudo de la estructura de muchos procesos socales, ecoómcos, médcos, bológcos, etc., e los que la probabldad de que u suceso acotezca depede de resultados aterores. E la actualdad, la probabldad y la estadístca so parte mportate de los fudametos de la mayoría de las cecas. PROBABILIDAD Pága de

3 ESTABLECIENDO UNA TEORÍA SOBRE EL CÁLCULO DE PROBABILIDADES. EXPERIENCIAS ALEATORIAS Y SUCESOS. U expermeto aleatoro es aquel cuyo resultado o puede predecrse porque depede del azar. Los sucesos elemetales so los resultados posbles del expermeto aleatoro. El espaco muestral, E, es el cojuto de todos los sucesos elemetales del expermeto aleatoro. Ejemplo : S se laza ua moeda, el expermeto aleatoro puede cosstr e aotar el resultado, los sucesos aleatoros elemetales so etoces C cara y X cruz, y el espaco muestral es el cojuto de estos dos resultados E { C, X} Ejemplo : El espaco muestral del expermeto aleatoro que cosste e lazar u dado y aotar el úmero de la cara superors es E {,,, 4, 5, 6} Ejemplo : Para el lazameto de u par de dados, supogamos que, por ejemplo, u dado es egro y el otro blaco, y e cada realzacó del expermeto aotamos los resultados del egro y del blaco por este orde. El espaco muestral tee 6 sucesos elemetales E{(,), (,), (,), (4,), (5,), (6,), (,), (,), (,), (4,), (5,), (6,), (,), (,), (,), (4,), (5,), (6,), (,4), (,4), (,4), (4,4), (5,4), (6,4), (,5), (,5), (,5), (4,5), (5,5), (6,5), (,6), (,6), (,6), (4,6), (5,6), (6,6)} U suceso es u cojuto de resultados elemetales, es decr, u subcojuto de E. U suceso está caracterzado por su ocurreca o o ocurreca respecto de cualquer resultado que observemos al realzarse el expermeto aleatoro. Por ejemplo, alguos sucesos del expermeto aleatoro de trar dos dados so: A los dados suma A{(,), (,)} suceso formado por resultados elemetales B los dados suma 6 B{(,5),(,4),(,),(4,),(5,)} formado por 5 resultados elemetales C el dado blaco es C{(,),(,),(;),(4,),(5,),(6,)} formado por 6 resultados elemetales D el dado egro es D{(,),(,),(,), (,4),(,5),(,6)} formado por 6 resultados elemetales Cuado el suceso es u subcojuto de E formado por u solo resultado elemetal, se llama suceso elemetal. Cuado el suceso se compoe de varos sucesos elemetales (como los sucesos A, B, C y D del ejemplo ateror), se llama suceso compuesto. El cojuto de todos los sucesos que puede defrse para el espaco muestral de u expermeto aleatoro recbe el ombre de Espaco de Sucesos, y lo desgaremos por S. S el espaco muestral, E, tee elemetos, S está formado por sucesos, etre los que hay que clur dos sucesos muy especales: PROBABILIDAD Pága de

4 Suceso seguro. Se llama así al suceso que sempre se verfca e la realzacó del expermeto. Es evdete que tee que estar formado por todos los resultados elemetales y, por tato, cocde co el propo espaco muestral, E. Suceso mposble. Se llama así al suceso que o se verfca uca e la realzacó del expermeto y se desga por Ø (cojuto vacío porque o tee gú elemeto). OPERACIONES CON SUCESOS. PROPIEDADES DEL ÁLGEBRA DE SUCESOS Lo bueo de usar sucesos, e lugar de resultados elemetales, es que podemos combar los sucesos para costrur otros sucesos, usado operacoes lógcas. Las palabras clave so Y, O, NO equvaletes a las operacoes co cojutos: terseccó ( ), uó ( ) y complemetaro ( ). Es decr, dados dos sucesos A y B, podemos defr uevos sucesos medate las sguetes operacoes co ellos: Iterseccó de sucesos: A Y B A B Los sucesos A y B ocurre a la vez ( A B es el cojuto de elemetos que perteece smultáeamete a A y a Uó de sucesos: A O B A B Ocurre el suceso A o el suceso B o ambos ( A B es el cojuto de elemetos que perteece a A o a B o a ambos) Suceso cotraro (complemetacó): NO A A E - A El suceso A o ocurre (La dfereca de cojutos E-A es el cojuto de elemetos de E que o perteece a El suceso seguro y el suceso mposble so sucesos cotraros: E φ φ E El suceso cotraro del cotraro de A es, evdetemete, el propo suceso A: A A Se dce que A y B so sucesos compatbles s o tee gú resultado elemetal e comú ( A B φ ), por lo que o puede verfcarse smultáeamete e ua realzacó del expermeto. E caso cotraro, es decr s A B φ, se dce que A y B so sucesos compatbles. Se dce que u suceso A está cludo e otro suceso B, y se escrbe A B, cuado todos los elemetos de A está e B, de forma que sempre que ocurre A, se da B. També se dce que A está cotedo e B o que A mplca B. Es evdete que s ocurre que A B y B A, etoces los sucesos A y B so el msmo, A B(A y B está formados por los msmos sucesos elemetales) Por ejemplo, e el expermeto aleatoro lazar u dado, el suceso A sacar mayor que 4 está cludo e el suceso B sacar mayor que : A{5,6} B{, 4, 5, 6} A B Volvamos al ejemplo del lazameto de dos dados: S A es el suceso "dado blaco " (prmera fla), y B es el suceso "dado egro " (prmera columa), etoces: A B es el área sombreada (e la que uo u otro dado es ); A B es la superposcó de las zoas sombreadas (e la que ambos dados so ) ; A está formado por los sucesos que o está e la prmera fla. B está formado por los sucesos que o está e la prmera columa. A B está formado por los sucesos que o está e la zoa sombreada ( e la prmera fla e la prmera columa) ; A B está formado por todos los sucesos dsttos del suceso (,) (,) (,) (,) (4,) (5,) (6,) (,) (,) (,) (4,) (5,) (6,) (,) (,) (,) (4,) (5,) (6,) (,4) (,4) (,4) (4,4) (5,4) (6,4) (,5) (,5) (,5) (4,5) (5,5) (6,5) (,6) (,6) (,6) (4,6) (5,6) (6,6) Los sucesos C los dos dados suma 4" y D los dos dados suma 6" so compatbles PROBABILIDAD Pága 4 de

5 PROPIEDADES DE LAS OPERACIONES CON SUCESOS Las tres operacoes que se ha defdo e el Espaco de Sucesos S (uó, terseccó y complemetacó o cotraro) verfca las sguetes propedades: Uó Iterseccó Asocatva ( A C A ( B C) ( C A ( B C) Comutatva Idempotete Smplfcatva ( Absorcó) Dstrbutva A B B A A B B A A A A A A ( B ) A A ( B A A ( B C) ( A ( A C) A ( B C) ( ( A C) Todo suceso A tee suceso cotraro A que verfca A A E y A φ Por verfcarse las propedades aterores el Espaco de Sucesos es u álgebra de Boole y como cosecueca se deduce las sguetes propedades (que puede demostrarse fáclmete a partr de las aterores): El suceso mposble verfca que para cualquer suceso A es A φ A y A φ φ El suceso seguro verfca que para cualquer suceso A es A E E y A E A Dados dos sucesos A y B del espaco de sucesos, se verfca las sguetes relacoes, coocdas como LEYES DE MORGAN: A B A B, A B A B El uso de dagramas de Ve, para represetar los cojutos que so los sucesos, es útl para vsualzar los razoametos e alguos problemas de probabldad. La mage de la zquerda muestra dos sucesos A y B defdos e u espaco muestral E que se descompoe como uó de cuatro sucesos (subcojutos) compatbles (dsjutos): A B, A B, A B y A B Los sucesos A, B y su uó puede descompoerse a su vez como uó de sucesos compatbles: A ( (, B (B ) (B ), A B ( ( ( Se defe la dfereca de dos suceso A y B, como el suceso que se da cuado se da A y o B, de forma que podemos escrbr co la otacó de la dfereca los sucesos A B A B y A B B A Es fácl demostrar la seguda ley de Morga usado los dagramas de Ve: A ( ( B ( ( A B ( ( ( A B, PROBABILIDAD Pága 5 de

6 . PROBABILIDAD DE UN SUCESO. PROPIEDADES DE LA PROBABILIDAD A partr de la dea tutva de probabldad de u suceso como frecueca relatva co la que se produce el suceso cuado el úmero de realzacoes del expermeto es muy grade, y teedo e cueta las propedades de las frecuecas relatvas, Kolmogorov euca la sguete defcó axomátca de probabldad (que es la ofcal e la matemátca modera): Se llama probabldad a ua aplcacó que asoca a cada suceso A del espaco de suceso S u úmero real, que llamamos probabldad de A y represetamos por, que cumple los sguetes axomas (codcoes). 0 (No tee setdo ua probabldad egatva: peor que mposble o es posble). P (E) (La probabldad del suceso seguro tee que ser ). S A y B so sucesos compatbles ( A B φ ), etoces P (A De estas propedades axomátcas se deduce otras propedades: Probabldad del suceso cotraro: Demostracó: Como A A E y A φ P ( E) Probabldad del suceso mposble: P ( φ ) 0 (Ua probabldad 0 sgfca que u suceso o puede ocurrr) Se demuestra a partr de la propedad ateror porque φ E φ) E) 0 S A B (propedad evdete a partr de la propedad ) P ( cualquera que sea A (propedad evdete a partr de la ateror) PROBABILIDAD DE LA UNIÓN (regla de la suma): A Puede demostrarse co los sucesos compatbles del dagrama de Ve: y B ) B ) A La últma fórmula es la más geeral para calcular la probabldad de la uó de dos sucesos, y para el caso partcular de sucesos compatbles se coverte e la dada como propedad axomátca. Podemos comprobar la fórmala de la uó para el ejemplo del lazameto de dos dados, co los sucesos A "dado blaco " y B "dado egro : A /6, como puede verse cotado los resultados elemetales. Por otro 6 6 lado, /6. Luego + A Puesto que al sumar + cotamos dos veces los resultados elemetales que perteece a la vez a A y a B, teemos que restar la catdad extra que es. La geeralzacó a la uó de más de dos sucesos es seclla s los sucesos so compatbles dos a dos: S A j φ A A... A ) A ) +... A ) PROBABILIDAD Pága 6 de

7 La geeralzacó de la regla de la suma cuado los sucesos o so compatbles dos a dos o es ta seclla, por eso es ta mportate descompoer la uó e sucesos compatbles. Para la uó de tres sucesos compatbles sería A B C) C) A C) B C) A B C) REGLA DE LAPLACE Para u expermeto aleatoro co sucesos elemetales, E {O, O,..., O }, s O ) desga la probabldad del suceso O, se tee que verfcar que O ) O ) +... O ) Cuado todos los resultados elemetales del expermeto aleatoro so equprobables y se quere calcular la probabldad de u suceso compuesto, la regla de la suma se coverte e la regla de Laplace, ya que s todos los sucesos tee la msma probabldad, etoces O ) O ). S u suceso A está compuesto por m de estos sucesos elemetales equprobables, etoces m sumados m º de elemetos de A º de elemetos de E Pero los sucesos elemetales o tee ecesaramete la msma probabldad. Por ejemplo, s se laza u dado cargado para que salga u 5% de las veces (a la larga) y los otros resultados sea gualmete probables, el espaco muestral es el msmo que para u dado justo, E{,,, 4, 5, 6}, pero ahora )0,5 metras que ))4)5)6)0,5. E este caso o podemos utlzar la regla de Laplace para calcular la probabldad de u suceso. Por ejemplo, para calcular la probabldad del suceso A sale mpar, teemos que utlzar la regla de la suma: P ( {}) {}) {5}) 0,5 + 0,5 + 0,5 0,55 (co este dado trucado el resultado sería mpar el 55% de las veces, a la larga). PROBABILIDAD CONDICIONADA Uo de los problemas plateados por el Caballero de Mére a Pascal es el sguete acertjo matemátco: Qué es más probable: sacar al meos u ses e cuatro lazametos de u dado, o sacar al meos u doble ses e 4 lazametos de u par de dados?. Él pesaba erróeamete que los dos sucesos era gualmete probables, pero había comprobado (apostado muchas veces) que perdía más frecuetemete co el segudo tpo de apuesta. Las fórmulas que hemos deducdo hasta ahora podría ser adecuadas para respoder la cuestó de De Mère, pero o fáclmete, ya que sería ecesaro calcular los casos posbles y favorables usado téccas combatoras. Por eso es ecesaro troducr la probabldad codcoal - u cocepto esecal e estadístca. Lo haremos e prmer lugar co el sguete ejemplo: Supogamos que cambamos lgeramete el expermeto aleatoro de lazar dos dados (uo blaco y uo egro) y que lazamos el dado blaco ates que el dado egro. Cuál es la probabldad de que los dos dados sume, suceso al que llamaremos A? Ates de lazar el prmer dado P ( porque A {(, ), (, )} 6 Supogamos ahora que el dado blaco ha sdo (Suceso C) Cuál es la probabldad de A ahora? A esta últma probabldad la llamamos la probabldad codcoal de que ocurra el suceso A dada la codcó de que el suceso C ya se ha producdo. Escrbmos A/C) y leemos probabldad de A dado C o be probabldad de A codcoada por C. PROBABILIDAD Pága 7 de

8 Ates de que se lazara el prmer dado, el espaco muestral teía 6 resultados elemetales, pero ahora que el suceso C ha ocurrdo los posbles resultados debe perteecer al espaco muestral reducdo por C. E este espaco muestral reducdo, compuesto por ses resultados elemetales, sólo u resultado, (,), suma. Por lo tato, la probabldad codcoal es /6. E geeral, para calcular la probabldad codcoal A/C) mramos el suceso A / C como parte del espaco muestral reducdo por C. Esta últma dea se plasma e ua defcó formal: A C) La probabldad de A codcoada por C es: A/ C) C) A partr de la defcó se deduce alguas propedades evdetes: A/ (Ua vez que A ocurre su ocurreca es segura) Cuado A y C so compatbles A/C) 0 (S ha ocurrdo C es mposble la ocurreca. A C) E el ejemplo ateror: suma 5 s el dado blaco ha sdo ) P (A / C) 6 C) 6 ELABORACIÓN Y ANÁLISIS DE UNA TABLA DE CONTINGENCIA Volvemos al cocepto de probabldad codcoada co otro ejemplo: Se ha producdo u acalorado debate etre dos sttutos próxmos sobre la dfcultad de aprobar el bachllerato e cada uo de ellos. Para dlucdar la cuestó, ambos sttutos da a coocer el úmero de alumos que ha aprobado º de bachllerato e las covocatoras de Juo de los últmos 5 años y el úmero total de alumos matrculados e cada ua de las modaldades bachllerato de Cecas Socales y bachllerato de Ceca y Tecología : BACHILLERATO DE CIENCIAS SOCIALES: 6 INSTITUTO : Alumos matrculados: 4 Alumos aprobados: 4 INSTITUTO : Alumos matrculados: 695 Alumos aprobados: 48 BACHILLERATO DE CIENCIA Y TECNOLOGÍA: INSTITUTO : Alumos matrculados: 597 Alumos aprobados: 5 INSTITUTO : Alumos matrculados: 59 Alumos aprobados: 07 Co estos datos e la mao, el sttuto afrma que e su cetro aprueba º de bachllerato u porcetaje de alumos superor al que aprueba e el sttuto y que por lo tato la probabldad de aprobar es mayor e su cetro. Co los msmos datos, el sttuto afrma que el porcetaje de alumos aprobados e el bachllerato de Cecas Socales es mayor e su cetro y que també es mayor el porcetaje de alumos aprobados e el bachllerato de Ceca y Tecología. Cocluye, por lo tato, que la probabldad de aprobar el bachllerato de Cecas Socales es mayor e su cetro, y que també es mayor la probabldad de aprobar el bachllerato de Ceca y Tecología. Es posble que ambos cetros tega razó? Se puede comprobar que así es, auque parezca paradójco, completado las sguetes tablas de cotgeca y calculado después las probabldades que tervee e el coflcto plateado: INSTITUTO bachllerato CS bachllerato CT totales Aprobados Suspesos Totales PROBABILIDAD Pága 8 de

9 INSTITUTO bachllerato CS bachllerato CT totales Aprobados Suspesos Totales Cuál es la probabldad de aprobar s se cursa el bachllerato de Cecas Socales e cada uo de los sttutos? Se pde la probabldad codcoal del suceso A aprobar codcoada por el suceso S cursar la modaldad de bachllerato de Cecas Socales, es decr, la proporcó de alumos aprobados e el grupo reducdo de alumos que cursa esta modaldad. Nº de alumos del bachllerato CS y aprobados 4 E el INSTITUTO : P (A / S) 0, 56 Nº de alumos del bachllerato CS 4 (Aprueba el bachllerato de Cecas Socales u % de los alumos, aproxmadamete) Nº de alumos del bachllerato CS y aprobados 48 E el INSTITUTO : P (A / S) 0, 568 Nº de alumos del bachllerato CS 695 (Aprueba el bachllerato de Cecas Socales u 6% de los alumos, aproxmadamete) La probabldad de aprobar el bachllerato de Cecas Socales es mayor e el sttuto Cuál es la probabldad de aprobar s se cursa el bachllerato de Ceca y Tecología e cada uo de los sttutos? Ahora se pde la probabldad del suceso A aprobar codcoada por el suceso C cursar la modaldad de Ceca y Tecología, es decr, la proporcó de alumos aprobados e el grupo reducdo de alumos que cursa esta modaldad. Nº de alumos del bachllerato CT y aprobados 5 E el INSTITUTO : P (A / C) 0, 5444 Nº de alumos del bachllerato CT 597 (Aprueba el bachllerato de Ceca y Tecología u 54% de los alumos, aproxmadamete) Nº de alumos del bachllerato CT y aprobados 07 E el INSTITUTO : P (A / C) 0, 5766 Nº de alumos del bachllerato CT 59 (Aprueba el bachllerato de Ceca y Tecología u 58% de los alumos, aproxmadamete) La probabldad de aprobar el bachllerato de Ceca y Tecología es mayor e el sttuto Cuál es la probabldad de aprobar e cada sttuto? Ahora se pde la proporcó de alumos aprobados e el total de alumos matrculados, s dferecar la modaldad de bachllerato. Nº de alumos aprobados 466 E el INSTITUTO : P ( 0, 454 Nº de alumos total 00 (Aprueba º de bachllerato u 45% de los alumos, aproxmadamete) Nº de alumos aprobados 455 E el INSTITUTO : P ( 0, 46 Nº de alumos total 054 (Aprueba º de bachllerato u 4% de los alumos, aproxmadamete) La probabldad de aprobar º bachllerato es mayor e el sttuto PROBABILIDAD Pága 9 de

10 Cuál es la probabldad de cursar el bachllerato CS y aprobar e el sttuto? Ahora se pde la proporcó de alumos que cursa esta modaldad y aprueba e el total de alumos matrculados: Nº de alumos del bachllerato CS y aprobados 4 P (A S) 0,69 Nº de alumos total 00 (Hace bachllerato CS y lo aprueba u 4 % de los alumos, aproxmadamete) Cuál es la probabldad de cursar el bachllerato CS e el sttuto? Ahora se pde la proporcó de alumos de esta modaldad e el total de alumos matrculados: Nº de alumos del bachllerato CS 4 P (S) 0,404 (Hace bachllerato CS u 4 % de los alumos) Nº de alumos total 00 Comprobamos la fórmula dada como defcó de probabldad codcoada para el sttuto : 4 A S) 00 4 P (A / S) S) PROBABILIDAD DE LA INTERSECCIÓN (REGLA DEL PRODUCTO) C ) Despejado e la defcó de la probabldad codcoada, C /, la probabldad de la terseccó y teedo e cueta que C A C, se obtee la regla de multplcacó para calcular la probabldad de la terseccó de dos sucesos: A C) C / Por ejemplo, para calcular la probabldad de que al sacar dos cartas de ua baraja española sea ambas reyes, se hace u razoameto como el que sgue: Nombramos los sucesos R la prmera carta es rey, R la seguda carta es rey. Nos pde la probabldad del suceso R R la prmera y la seguda carta so reyes. Aplcamos la regla del producto: 4 R R ) R ) R / R) 0, La regla del producto se geeralza de la sguete maera para calcular la probabldad de la terseccó de más de dos sucesos: A... ) A ) A / A ) A / A ) A / A... ) Por ejemplo, la probabldad de que al sacar cuatro cartas de ua baraja española sea los cuatro reyes se calcula usado la regla del producto: 4 R R R R 4 ) R ) R / R) R / R R ) R 4 / R R R ) INDEPENDENCIA DE SUCESOS Y REGLA ESPECIAL DEL PRODUCTO. Se dce que A y C so dos sucesos depedetes uo del otro s la ocurreca de uo de ellos o tee gua flueca e la probabldad de ocurreca del otro. PROBABILIDAD Pága 0 de 0,0000 Por ejemplo, e el expermeto aleatoro del lazameto de dos dados, el lazameto de u dado y su resultado o tee gú efecto e el lazameto del otro (a meos que esté pegados, magetzados, etc.)

11 E térmos de la probabldad codcoal, lo ateror equvale a decr que A y C so dos sucesos depedetes s A/C) o, lo que es equvalete, C/C). Cuado A y C so depedetes teemos ua regla especal de multplcacó: A C) C) A y C so depedetes La relacó ateror se usa també para demostrar la depedeca de dos sucesos A y B de los que se cooce o se puede calcular P (, P ( y. E otras stuacoes sabemos, por la aturaleza del expermeto aleatoro, que los sucesos A y B so depedetes, y etoces usamos la relacó A para calcular la probabldad de la terseccó de A y de B como producto de las probabldades de cada uo de los sucesos. Hay que teer muy presete que esta relacó es u caso partcular de la regla geeral del producto que solamete es aplcable cuado los sucesos so depedetes. Por ejemplo, verfquemos la depedeca de los sucesos A dado blaco y C dado egro : A C) 6 P ( A/ C) C) Pero la ocurreca del suceso B dado blaco obvamete afecta a la probabldad del suceso D la suma de los dos dados es : D P{ (,) } 6 P (D / D) Por lo tato los sucesos D y B o so depedetes La regla del producto se geeralza de maera obva para la probabldad de la terseccó de sucesos depedetes etre sí: A... ) A ) A )... A ) s A, A,..., A so depede tes Veamos como ejemplo el problema del caballero De Mère: sea A el suceso de cosegur al meos u 6 e 4 lazametos de u dado. Cuál es la probabldad P (? Este es uo de esos sucesos para los que es más fácl calcular la probabldad del suceso cotraro o complemetaro: A es el suceso o sale gú 6 e las 4 tradas. S A es el suceso o se cosgue u 6 e la -ésma trada, sabemos que (A ) 5 / 6 sucesos A so depedetes, por lo tato: 5 4 P. També sabemos que los P ( A 4 ) 0, 48 Así pues, P ( 0, 58 6 (S de Mère realzaba muchas veces este tpo de apuesta, debería gaar aproxmadamete el 5% de las msmas) Y ahora, la otra parte: sea D el suceso cosegur al meos u ses doble e 4 lazametos de dos dados. Nuevamete NO D es más fácl de descrbr: D es el suceso o se cosgue u doble ses e gua de las 4 tradas. S D es el suceso o sale u ses doble e la -ésma trada, etoces la probabldad de cada D esd ) 5 / 6, 5 4 por lo tato: P ( D) D D... D4 ) 0, Y podemos coclur que P (D) D) 0, 49 (Por lo tato, de Mére debería gaar aproxmadamete el 49% de las veces co este tpo de apuesta) PROBABILIDAD Pága de

12 De Mére cotó a Pascal que él había observado realmete que el suceso D ocurría co meor frecueca que el suceso A, pero o teía dea del porqué (de lo que deducmos que De Mère apostaba a meudo y guardaba u regstro cudadoso de los resultados) 5. PROBABILIDAD CONDICIONADA Y PROBABILIDAD TOTAL U SISTEMA COMPLETO DE SUCESOS es u cojuto de sucesos compatbles etre sí (dsjutos dos a dos) y cuya uó es el espaco muestral. E los expermetos compuestos de varas pruebas se suele tomar como sstema completo de sucesos los posbles resultados de la prmera prueba. A partr de u sstema completo de sucesos { A,A,...,A } se puede calcular la probabldad de cualquer suceso B aplcado el TEOREMA DE LA PROBABILIDAD TOTAL: A ) B / A ) A ) B / A ) +... A ) B / A ) La relacó dada por el teorema ateror se obtee de aplcar la regla de la suma para calcular teedo e cueta que B es la uó de los sucesos compatbles A B, A B,, A B y aplcar después la regla del producto para calcular la probabldad de cada ua de estas terseccoes, A A ) B / A ) Se suele usar dagramas e árbol para escrbr los datos y realzar los razoametos e expermetos compuestos de varas pruebas. Del puto cal sale como ramas todos los sucesos del sstema compatble de sucesos { A,A,...,A } o posbles resultados de la prmera prueba, y sobre cada rama se escrbe la probabldad de cada suceso; de cada uo de los sucesos elemetales sale tatas ramas como posbles resultados de la seguda prueba y sobre cada rama se escrbe la probabldad del segudo suceso codcoada por el ateror; y así sucesvamete. La probabldad del suceso fal B se obtee sumado los productos de las dsttas ramfcacoes que terma e B Ejemplo: Ua caja cotee tres moedas P, S y T. La moeda P es ormal, la moeda S tee cara por los dos lados y la moeda T está trucada de forma que la probabldad de salr cara es /. Se elge ua moeda al azar y se tra. Hallar la probabldad de que salga cara. C) R) C / R) S) C / S) T) C / T) PROBABILIDAD Pága de

13 TEOREMA DE BAYES El teorema de Bayes es la aplcacó de la defcó de probabldad codcoada al cálculo de la probabldad de uo de los sucesos de u sstema completo de sucesos, A, codcoada por saber que ha ocurrdo u suceso B: A / A E esta fórmula, el umerador se calcula co la regla del producto A A ) B / A ) y el deomador co la regla de la Probabldad Total: A ) B / A ) A ) B / A ) +... A ) B / A ) Ejemplo: supogamos que ua rara efermedad fecta a ua de cada 000 persoas de ua poblacó. Y supogamos que hay u bue, pero o perfecto, test para esta efermedad: s ua persoa tee la efermedad, el test da postvo el 99% de las veces. S embargo, el test també produce alguos falsos postvos: u % de pacetes o fectados també da postvo. S ua persoa ha dado postvo e el test, cuál es la probabldad de que tega realmete la efermedad? Teemos dos sucesos co los que trabajar: A el pacete tee la efermedad y B el pacete da postvo e el test La formacó sobre la efectvdad del test puede escrbrse como sgue: P ( 0,00 (U pacete de cada 000 tee la efermedad) P ( B / 0,99 (La probabldad de test postvo dada la feccó es 0.99) P ( B / 0,0 (La probabldad de u falso postvo dado u pacete o fectado es 0.0) Para calcular la probabldad que os pde, P ( A /, podemos utlzar el teorema de Bayes: A / B / Calculamos prmero el deomador co el teorema de la probabldad total: B / B / 0, , , 00, 00097, 000, 099, Luego P ( A / 0, , A pesar de la gra precsó del test, meos del 5% de los que ha dado postvo e el test tee realmete la efermedad! Esto es lo que se cooce como paradoja del falso postvo. PROBABILIDAD Pága de

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

PARTE 1 - PROBABILIDAD

PARTE 1 - PROBABILIDAD arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Eemplos cláscos de expermetos aleatoros

Más detalles

SUCESOS Y PROBABILIDAD

SUCESOS Y PROBABILIDAD SUCESOS Y PROAILIDAD Notas Idce. OJETIVOS 2. CONCEPTOS ÁSICOS DE LA TEORÍA DE CONJUNTOS. ESPACIO MUESTRAL. ÁLGERA DE SUCESOS 4 4. PROAILIDAD 8 5. INDEPENDENCIA DE SUCESOS 4 ILIOGRAFÍA 4 APÉNDICE. NOTACIÓN

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA Epermeto aleatoro.- Se llama epermeto aleatoro a todo feómeo cuyos resultados o se puede predecr de atemao, au cuado cada prueba se repta bajo las msmas codcoes. Ejemplos de

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales.

Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales. Pága 1 IMADIL TEMA 5. Notas Tema 5. Fudametos de la fereca estadístca: Itroduccó a la probabldad y dstrbucoes muestrales. Parte 1: Itroduccó a la probabldad 1. Feómeos aleatoros Durate sglos la Ceca ha

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5 Modelos de Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

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

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

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

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

DINÁMICA DE LOS SISTEMAS DE PARTÍCULAS

DINÁMICA DE LOS SISTEMAS DE PARTÍCULAS ísca para Cecas e Igeería 9 9 Seguda ley de Newto para u sstema de partículas Vmos al comezo de la Mecáca que u sstema de partículas materales es u cojuto más o meos umeroso de partículas que puede ejercer

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

1.9. ESTÁTICA CON ROZAMIENTO

1.9. ESTÁTICA CON ROZAMIENTO Fudametos y Teorías Físcas ETS Arqutectura.9. ESTÁTICA CON ROZAMIENTO Hemos estudado el equlbro de los cuerpos stuados lbremete e el espaco, o cuado estaba udos medate elaces a otros cuerpos o a bases

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles