ESTADÍSTICA Hoja 6

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

Download "ESTADÍSTICA Hoja 6"

Transcripción

1 Estadística 1 ESTADÍSTICA Hoja 6 1. Se selecciona un empleado de un grupo de 10 para supervisar un cierto proyecto, escogiendo aleatoriamente una placa de una caja que contiene 10 numeradas del 1 al 10. Dar la ley de probabilidades de la variable aleatoria X=número de la placa sacada. Cuál es la probabilidad de que sea el 4? 2. La rueda de una ruleta se divide en 25 sectores de igual área y se numeran del 1 al 25. Encuentre una fórmula para la distribución de probabilidades de X, que represente el número que se da al girar la ruleta. 3. Una compañía que produce cristal fino sabe por experiencia que el 1 % de sus copas tienen imperfecciones y se deben de clasificar como "de segunda". He comprado una docena de copas de esta fábrica. Calcular la probabilidad hay de que haya adquirido alguna copa "de segunda". 4. El 75 % de las compras realizadas en el Corte Inglés se realiza con su tarjeta. Se seleccionan al azar 10 compras realizadas; cuál la probabilidad de que al menos 7 de ellas se hayan pagado con la tarjeta del Corte Inglés. 5. Un lepidopterista está interesado en los ejemplares de una clase de mariposa que constituye el 15 % de todas las mariposas de la zona. Hallar la probabilidad de que tenga que cazar 10 mariposas de las que no le interesan antes de encontrar: a) Un ejemplar de la clase deseada. b) Tres ejemplares de la clase deseada. 6. El 80 % de los alumnos que desean estudiar una Ingeniería en Valladolid eligen una carrera técnica y el resto una carrera superior. Cuál es la probabilidad de que el 15 o alumno matriculado este curso en una carrera de Ingeniería sea el 3 o que va a una superior?. 7. El oso pardo es una especie en peligro de extinción en los Picos de Europa leoneses. Se capturan 15 individuos de esta especie y se marcan para después ser liberados. Al cabo de un tiempo hay 60 individuos de la especie en la región, sin que se haya producido ninguna muerte y se captura una muestra de 30 de estos animales. Cuál es la probabilidad de que al menos 13 de ellos estén marcados? 8. Una tienda devuelve 15 frigoríficos a fábrica porque producen un ruido extraño cuando arranca el compresor. Si de ellos 6 tienen un defecto grave en el compresor y los otros 9 tienen pequeños defectos que se subsanan con poco coste, Cuál es la probabilidad de que en 3 de los seis primeros revisados sea necesario cambiar el compresor?

2 Estadística 2 9. En un servicio de emergencias se reciben una media de 4 llamadas por hora, y se ha constatado que esa media se mentiene constante y que el número de llamadas en un intervalode tiempo es independiente del número de llamadas que se reciben en cualquier otro intervalo disjunto, siendo imposible que se reciban dos llamadas a la vez. Qué probabilidad hay de que se reciban cuatro llamadas en la próxima hora? Y dos en la próxima media hora? 10. Un sistema está sometido a la ocurrencia de fallos externos e internos. En cuanto ocurre alguno de estos dos tipos de fallos, el sistema falla. El sistema sufre un fallo interno por desgaste en su funcionamiento con el paso del tiempo, sin embargo, los fallos externos, como su nombre indica, se deben a factores ajenos al sistema. Se sabe que el tiempo (en años) hasta el fallo interno del sistema sigue una distribución exponencial con parámetro 0.25, y los fallos externos llegan al sistema según un proceso de Poisson a razón de 1 fallo cada 2 años. Los fallos internos y los externos son independientes. a) Obtener la distribución del tiempo hasta la ocurrencia de un fallo externo en el sistema. b) Calcular la probabillidad de que el sistema falle después de dos años de funcionamiento. c) Calcular la probabilidad de que el sistema tenga 3 fallos en 10 años. 11. Los alambres que se utilizan en cierta computadora deben tener una resistencia entre 0.12 y 0.14 ohms. Las resistencias reales de los alambres producidos por la compañía A tienen una distribución de probabilidad normal con una media de 0.13 ohms y una desviación estándar de ohms. a) Cuál es la probabilidad de que un alambre seleccionado al azar de la producción de la compañía A satisfaga las especificaciones? b) Si se utilizan 4 de estos alambres en el sistema cuál es la probabilidad de que los 4 satisfagan las especificaciones? 12. El tiempo T transcurrido hasta el fallo de una lavadora se supone que se distribuye exponencialmente con media de 3 años. Una compañía ofrece un seguro para esta lavadorao para los primeros 5 años de uso. a) En qué porcentaje de casos tendrá que pagar reclamaciones? b) Hallar los cuartiles de T y los límites LI y LS para la distribución de la variable. c) Qué porcentaje de valores atípicos presenta esta variable y dónde se hallan localizados? 13. Un mecánico ha observado que la anchura X de unas planchas de metal sigue una distribución normal de media 6 mm y que el 90 % de las planchas tienen una anchura inferior a 7.5 mm. Calcular σ y hallar la probabilidad de que una plancha tenga anchura mayor que 8 mm.

3 Estadística Una empresa que suministra piezas a otra embala sus productos en paquetes con un peso medio de 120 Kg y desviación estándar 2 kg. El peso de los paquetes sigue una distribución normal. Cuál es la probabilidad de que 50 de estos paquetes se puedan transportar en un camión cuya tara es de 6500 Kg? 15. El período de vida en años de un interruptor eléctrico tiene una distribución exponencial con una tasa de fallo de 2. Si 100 de estos interruptores se instalan en sistemas iguales, cuál es la probabilidad de que al menos 30 fallen el primer año? 16. La duración en horas de una determinada bombilla que produce una empresa se distribuye según una N (1200, σ). Se sabe que el 97 % de las bombillas dura entre 1178,3 y 1221,7 horas a) Demostrar que σ = 10. b) Si se consideran 9 de estas bombillas, cuál es la probabilidad de que al menos 3 de ellas duren más de horas? c) Si se consideran 100 bombillas, cuál es la probabilidad de que al menos 30 de las bombillas duren más de horas? 17. El 80 % de los alumnos que desean estudiar una Ingeniería en Valladolid eligen una carrera técnica y el resto una carrera superio. a) Cuál es la probabilidad de que el 15ž alumno matriculado este curso en una carrera de Ingeniería sea el 3ž que va a una superior?. b) De 50m alumnos matriculados en carreras de Ingeniería en Valladolid este curso cuántos se espera que lo hayan hecho en una ingeniería técnica? c) Cuál es la probabilidad de que de los 500 alumnos matriculados este año en carreras de Ingeniería en Valladolid, 380m lo hayan hecho en una ingeniería técnica? 18. Las piezas fabricadas por determinada máquina se clasifican en dos categorías distintas: sin defecto y con defecto. En una caja de 40 piezas se han embalado 15 con defecto. Si extraemos 5 piezas distintas de la caja, a) Cuál es la probabilidad de que ninguna tenga defecto? b) Cuál es la probabilidad de que exactamente una pieza de las 5 tenga defecto? c) Si se observa una de las 5 piezas y tiene defecto, cuál es la probabilidad de que ninguna de las otras 4 piezas lo tenga? d) Cuál es el número esperado de piezas defectuosas en una muestra de 5 piezas seleccionadas de esta forma de la caja?

4 Estadística 4 e) Si la proporción de cajas que contienen alguna defectuosa es del 10 %, cuál es el número esperado de cajas que habrá que inspeccionar para encontrar la primera con defecto? 19. Una fábrica produce bombillas cuya duración sigue una distribución exponencial de media 85 horas. Se toman 25 bombillas al azar de su producción, cuál es la probabilidad de que al menos 10 de ellas duren al menos 77 horas? 20. La resistencia a la ruptura del vidrio templado tiene una media de 14 (medida en miles de libras por pulgada cuadrada) y una desviación estándar de 2. Cuál es la probabilidad de que la resistencia a la ruptura promedio de 100 piezas de este vidrio elegidas aleatoriamente sea menor que 14,5? 21. a) La longitud de un estuche para una cinta magnética moldeado por inyección tiene una distribución normal. Cuál debe ser el valor de la media para que el mayor número de estuches tenga una longitud entre y milímetros? b) Considera que el proceso se ajusta de modo que la media y la desviación estándar queden en 90 y 0.1 milímetros, respectivamente. Supón que se mide la longitud de 10 estuches y que las mediciones son independientes. 1) Cuál es la probabilidad de que la longitud de al menos 8 estuches esté entre y milímetros? 2) Cuál es el número esperado de los 10 estuches cuya longitud esté entre y milímetros? 3) Qué probabilidad hay de que la suma de las longitudes de los 10 estuches sea superior a milímetros? 22. El tiempo necesario para completar un proceso de prueba de un componente electrónico sigue un distribución normal con media 2,4 horas. Se ha observado que el tiempo de prueba es menor que 2,84 horas en el 67 % de las pruebas. a) Calcula el valor de la varianza del tiempo necesario para completar un proceso de prueba. b) Cuál es la probabilidad de que el tiempo de una estas pruebas sea superior a 2 horas? c) En 400 de estas pruebas, cuál es la probabilidad de que en más de 290 se requieran más de 2 horas? d) El número de pruebas que se realizan en un día depende de diversas circunstancias y tiene una distribución de Poisson de media 12,5. Cuál es la probabilidad de que se hayan realizado más de 2250 pruebas en un periodo total de 200 días? Considerar que el número de pruebas que se realiza un día es independiente del número de pruebas que se realiza cualquier otro día.

5 Estadística 5 e) Calcula la probabilidad de que entre las 7 : 30h y las 12 : 30h de un día concreto, se hayan realizado más de tres pruebas. 23. El error que se comete al truncar un número al entero correspondiente se puede modelizar como una variable aleatoria X con distribución uniforme en el intervalo [0, 1), X U([0, 1)). a) Cuál es la media de X? Calcular su varianza. b) Se suman 100 números obtenidos de forma independiente. Si cada número ha sido truncado antes de ser sumado, qué distribución, exacta o aproximada, utilizarías para modelizar el error cometido al calcular la suma? Razona la respuesta y proporciona tanto el modelo como sus parámetros. 24. En determinado aeropuerto, el tiempo medio entre llegadas de aviones es de 5 minutos. Suponiendo que el tiempo entre llegadas consecutivas tiene distribución exponencial, a) Cuál es el número esperado de llegadas entre las 2 y las 3 de mediodía? b) Acaba de aterrrizar un avión; cuál es la probabilidad de que trascurran más de 3 minutos hasta el próximo aterrizaje? c) Se observa el tiempo entre llegadas de los 101 primeros aviones que aterrizan después de las 7:00 de la mañana; cuántos de estos tiempos se espera que sean mayores que 3 minutos? cuál es la probabilidad de que más de 45 de estos tiempos sean mayores que 3 minutos? d) La comisión de aeropuertos metropolitanos está considerando establecer límites para el nivel de contaminación por ruido cerca de un aeropuerto local. En la actualidad el nivel de ruido por despegue de jets en una zona residencial cercana al aeropuerto tiene una distribución aproximadamente normal con una media de 100 db. y una desviación estándar de 6 db. Qué probabilidad hay de que un jet escogido al azar genere un nivel de ruido mayor que 108 db. en esta zona residencial? Qué probabilidad hay de que un jet escogido al azar genere un nivel de ruido de exactamente 100 db.? Suponga que se aprueba un reglamento que obliga a que el nivel de ruido por aviones a reacción en esta zona residencial sea menor que 105 db. el 95 % del tiempo. Suponiendo que la desviación estándar del ruido sigue siendo la misma, hasta dónde se tendrá que reducir el nivel medio de ruido para cumplir con el reglamento? 25. El número de alumnos que acuden a tutoría en una hora sigue una distribución de Poisson de parámetro λ = 0,8. El profesor limita el número de alumnos que pueden ser atendidos en una hora a 4.

6 Estadística 6 a) Cuál es la probabilidad de que todos los alumnos que acudan a tutoría en una hora concreta, sean atendidos? b) Cuál es el número esperado de alumnos por hora? c) Si Y es la variable número de alumnos atendidos en una hora, obtener su ley de probabilidades. d) Cuál es el número esperado de alumnos atendidos por hora? e) Y el de alumnos no atendidos? f ) Cuál sería la distribución del tiempo entre la llegada de dos alumnos consecutivos? Cuál es el tiempo medio entre llegadas? Poner correctamente las unidades. g) Cuál es la probabilidad de que acudan exactamente dos alumnos en 15 minutos? Decir qué distribución has usado y el valor de la probabilidad. h) Si ha trascurrido media hora y no ha acudido ningún alumno, cuál es la probabilidad de que acuda algún alumno en la siguiente media hora?. i) Se han observado seis horas de tutoría y se ha contado el número de alumnos que han acudido en cada una. Cuál es la probabilidad de que en 3 de éstas haya acudido un solo alumno?. j) Si se observan 100 sesiones de 1 hora, cuál es la probabilidad de que en al menos en 22 el profesor tenga que atender a un solo alumno? 26. Sea X una variable aleatoria con distribución N (0, 1). Calcula p(x = 0). 27. Una máquina de llenado automático deposita en cada envase un determinado componente líquido. Se sabe que el volumen depositado tiene una distribución normal con media µ = 12,4 ml. y desviación σ = 0,3 ml. de líquido. a) Se desechan todos los envases que tienen menos de 11.9 ml. o más de 12.8 ml. del citado componente. 1) Cuál es la proporción de envases desechados? 2) Cuál es la probabilidad de tener que desechar a lo sumo 10 envases cuando se han llenado 100? b) Qué contenido del componente no es superado por el 90 % de los envases? c) Si se dispone de 309 ml. del componente líquido, cuál es la probabilidad de que se puedan llenar 25 envases? 28. La probabilidad de que un individuo tenga una reacción alérgica al inyectarle un determinado suero es Hallar la probabilidad de que, entre 2000 individuos, tengan reacción alérgica: a) Exactamente 3. b) Dos o más.

7 Estadística Un canal de comunicación recibe impulsos independientes a razón de 200 impulsos por microsegundo. La probabilidad de un error en la trasmisión es de para cada impulso. Calcular las probabilidades de los siguientes sucesos: a) No hay ningún error en un microsegundo. b) Hay exactamente un error en un microsegundo. c) Hay al menos un error en un microsegundo. d) Hay exactamente dos errores en un microsegundo. 30. Un tren de circulación diaria se retrasa, independientemente de un día a otro, un tiempo aleatorio con distribución exponencial de parámetro λ = 0,25 (el tiempo se mide en minutos). Calcular la probabilidad de que, a lo largo de un año, el tren se retrase 6 ó más minutos en más de 50 ocasiones. 31. El contenido real de frascos de cierto tipo tiene una distribución normal con media 137,2 onzas y desviación estándar de 1,6 onzas. El contenido establecido es de 135 onzas. a) Cuál es la probabilidad de que un frasco contenga más que el contenido establecido? b) Entre diez frascos seleccionados al azar, cuál es la probabilidad de que por lo menos ocho contengan más del contenido establecido? c) Si se supone que la media permanece en 137,2, a qué valor tendría que haberse cambiado la desviación estándar para que el 95 % de todos los frascos contenga más de lo establecido? 32. Tiramos una moneda 400 veces. a) Hallar la probabilidad de que el número de caras esté entre 160 y 190. b) Obterner un intervalo centrado en 200 tal que la probabilidad de que el número de caras esté en él sea La suma de 50 v.a. independientes con distribución U( 2, 2) sigue aproximadamente, qué tipo de distribución? (Se pide el modelo y los parámetros) 34. La duración de un proceso industrial sigue una distribución normal. El 60 % de las veces dura más de 40 minutos y el 55 % de las veces dura menos de 50 minutos. Hallar µ y σ. 35. El tiempo de vida (en días) de cierta especie A de mariposas es una variable aleatoria con función de densidad: k(1 x 2 )x 2 si 0 < x < 1 f(x) = 0 en el resto

8 Estadística 8 El tiempo de vida (en días) de otra especie B de mariposas es una variable aleatoria con distribución Exp(2). En un ecosistema cerrado conviven sólo esas dos especies de mariposas. El 20 % de la población de mariposas es de la especie A y el 80 % restante es de la especie B. a) Calcular k. b) Cuál de las dos especies tiene mayor esperanza de vida? c) Cuál es la probabilidad de que una mariposa del ecosistema viva más de 0.3 días? d) Observamos una mariposa que ha vivido más de 0.3 días; cuál es la probabilidad de que sea de la especie B? e) Una mariposa de la especie B vive aún al cabo de 0.2 días; cuál es la probabilidad de que siga viviendo después 0.3 días más? f ) Cuántas de las mariposas de la especie B que eclosionaron (nacieron) en un instante determinado se espera que mueran antes de 12 horas? 36. La duración en minutos de las cintas de video de cierta marca tiene una distribución normal de media 240 y desviación 10. a) Elegimos al azar dos cintas, de forma independiente. Cuál es la probabilidad de que la duración total sea inferior a 490 minutos? b) Elegimos 100 cintas al azar y de forma independiente unas de otras. Cuál es la probabilidad de que más de 80 tengan una duración inferior a 250 minutos? 37. a) La cantidad (en mg) de un determinado contaminante que un coche de pequeña cilindrada expele a la atmósfera cada 100 Km es una variable aleatoria X con distribución normal de media µ = 20 mg y desviación σ = 3 mg. Si 10 coches de este tipo (que admitiremos que actúan independientemente) recorren 100 Km cada uno, calcular la probabilidad de que la cantidad total de contaminante haya sido superior a 190 mg. b) Cuál es la probabilidad de que al menos 60 coches de cada 80 observados de pequeña cilindrada emitan una cantidad de contaminante inferior a 21 mg? c) En el caso de coches de cilindrada media, la cantidad de contaminante arrojada cada 100 Km es una variable aleatoria Y con distribución normal con media y desviación desconocidos. Si sabemos que el 80 % de los coches de este tipo expelen más de 25 mg y el 60 % menos de 30 mg (siempre cada 100 Km), cuánto valen la media y la desviación? 38. Cierto individuo valora como factor decisivo para la compra de un coche el consumo de gasolina. Debe decidir entre dos modelos A y B. El fabricante del modelo A afirma que el consumo sigue una distribución normal

9 Estadística 9 con media µ = 8 y desviación típica σ = 5 (en litos cada 100Km), mientras que el del modelo B dice que el consumo sigue una distribución N(8, 3). a) Hallar la probabilidad de que A consuma más de 9 litros y la probabilidad de que B consuma entre 7 y 8.5 litros. b) Si decide comprar el modelo B, calcular la probabilidad de que ahorre más de 2 litros/100km. 39. Una cadena de producción está formada por 5 puestos en serie. Los fallos de cada componente corresponden a un proceso de Poison de media 4 al mes. Cuál es la probabilidad de que la cadena funcione sin fallos una semana seguida? 40. En una fábrica que envasa agua mineral se ha establecido que el volumen envasado por la máquina automática sigue una distribución normal de media 150 cl y de desviación típica 2 cl. Utilizar 3 cifras decimales en las operaciones. a) Los criterios de calidad de la empresa implican que no se venda una botella que contenga menos de 147 cl. Cuál es el porcentaje de botellas en la producción que no se puede vender? b) Las botellas se empaquetan por 6 unidades, cuál es la probabilidad de que un paquete contenga al menos una botella con menos de 147 cl? c) En un día se producen botellas, cuál es la probabilidad de que haya en un día más de 600 botellas que no se puedan vender? d) Cuál es, en un mes de 30 días, el número medio de días en los que se producen más de 600 botellas que no se puedan vender? e) En este contexto enuncia y resuelve una pregunta que requiera modelizar utilizando una variable aleatoria con distribución binomial negativa. 41. Una editorial tiene contratados a varios correctores de pruebas. Un tercio de ellos son considerados excelentes y el resto normales. El número de erratas detectadas por cada corrector sigue una distribución de Poisson. Un corrector excelente detecta una media de 3.2 erratas por hora de trabajo y uno normal una media de 2. a) Hallar la probabilidad de que un corrector elegido al azar encuentre 12 erratas si trabaja 5 horas seguidas. b) Sea X E la variable aleatoria número de erratas encontradas en una hora por un corrector excelente. Calcular su mediana. c) Sea T E la variable aleatoria tiempo (en horas) que un corrector excelente tarda en detectar una errata. Calcular su mediana. d) Si la empresa tiene 30 correctores, cuál es la probabilidad de que en una hora detecten entre todos más de 75 erratas?

10 Estadística En un proceso de fabricación de tornillos, se sabe que el porcentaje de tornillos defectuosos es del 2 %. Los tornillos se venden en cajas de 50 unidades. a) Cuál es la probabilidad de que haya al menos un tornillo defectuoso en una caja? b) Los mayoristas compran tornillos en paquetes con 10 cajas. Calcula cuántos tornillos defectuosos habrá en un paquete, por término medio, y la probabilidad de que haya más de 15 tornillos defectuosos en un paquete. 43. En una fábrica se están produciendo cuerdas con cierta fibra sintética. La resistencia a la tensión de estas cuerdas sigue una distribución N(30,2). a) Cuál es el porcentaje de cuerdas en las que la resitencia a la tensión está entre 28 y 32? Dar el resulatado redondeado a un decimal. b) En un pedido de 20 cuerdas, cuál es la probabilidad de que en menos de 12 la resistencia a la tensión esté entre 28 y 32? c) En un pedido de 200 cuerdas, cuál es la probabilidad de que en más de 140 la resistencia a la tensión esté entre 28 y 32? d) Se eligen 2 cuerdas al azar, cuál es la probabilidad de que la diferencia de las resistencias sea menor que 1? 44. El número de accidentes de trabajo que se producen en una empresa sigue una distribución de Poisson de media 1.5 accidentes al mes. (Un mes = 30 días). a) Calcular la probabilidad de que se produzcan 23 accidentes en un año. (Responder utilizando las tablas). b) Calcular la probabilidad de que en más de 15 días no haya accidentes. c) Calcular la probabilidad de que en un mes haya 1 accidente. (Redondear el resultado a una cifra decimal) d) Si se hace un estudio de los últimos 6 meses, cuál es la probabilidad de que en más de tres de los meses sólo se produzca 1 accidente? e) Calcular la probabilidad de que en los últimos 15 años se hayan producido más de 300 accidentes. f ) En los 5 días anteriores no se ha producido ningún accidente, cuál es la probabilidad de que se produzca alguno en los próximos 10 días?

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0) 1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido

Más detalles

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por

Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada

Más detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema: Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz

Más detalles

RELACIÓN DE PROBLEMAS. Distribuciones de probabilidad

RELACIÓN DE PROBLEMAS. Distribuciones de probabilidad RELACIÓN DE PROBLEMAS Distribuciones de probabilidad 1. Se lanzan al aire dos monedas tres veces consecutivas. Sea X la v.a. que representa el número de veces que se obtiene cara en ambas monedas en los

Más detalles

La distribución de Probabilidad normal, dada por la ecuación:

La distribución de Probabilidad normal, dada por la ecuación: La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada

Más detalles

ESTADÍSTICA Hoja 5

ESTADÍSTICA Hoja 5 Estadística 1 ESTADÍSTICA 06-07. Hoja 5 1. Se selecciona un empleado de un grupo de 10 para supervisar un cierto proyecto, escogiendo aleatoriamente una placa de una caja que contiene 10 numeradas del

Más detalles

LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA)

LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA) LISTA DE EJERCICIOS PARA ETS DE PROBABILIDAD (IE, ICA, e ISISA) PROBABILIDAD CONDICIONAL 1. Dados P (A) = 0.4, P (B A) = 0.3 y P (B c A c ) = 0.2, determine: a) P (A c ). b) P (B A c ). c) P (B). d) P

Más detalles

EJERCICIOS DE SELECTIVIDAD

EJERCICIOS DE SELECTIVIDAD EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ

Más detalles

EJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON

EJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON EJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON 1. Si 15 de 50 proyectos de viviendas violan el código de construcción, Cuál es la probabilidad de que un inspector de viviendas, que selecciona aleatoriamente

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También

Más detalles

Variables Aleatorias Discretas

Variables Aleatorias Discretas Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.

Más detalles

1. Ejercicios. 2 a parte

1. Ejercicios. 2 a parte 1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. es una representación gráfica que permite visualizar un experimento de pasos múltiples.

DISTRIBUCIONES DE PROBABILIDAD. es una representación gráfica que permite visualizar un experimento de pasos múltiples. es una representación gráfica que permite visualizar un experimento de pasos múltiples. Considere un experimento que consiste en lanzar dos monedas. Defina los resultados experimentales en términos de

Más detalles

1.1. Distribución exponencial. Definición y propiedades

1.1. Distribución exponencial. Definición y propiedades CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -

Más detalles

Distribuciones de Probabilidad

Distribuciones de Probabilidad Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica

Más detalles

PROBABILIDAD Relación de problemas 3: Variables aleatorias continuas

PROBABILIDAD Relación de problemas 3: Variables aleatorias continuas PROBABILIDAD Relación de problemas 3: Variables aleatorias continuas 1. Un autobús pasa por una cierta parada cada 8 minutos. Si un usuario llega a la parada, el tiempo que debe esperar es una variable

Más detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme

Más detalles

8 Resolución de algunos ejemplos y ejercicios del tema 8.

8 Resolución de algunos ejemplos y ejercicios del tema 8. INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal

Más detalles

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA

POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA Distribución de Poisson Cuando una variable discreta se usa para estimar la cantidad de sucesos u ocurrencia en un determinado intervalo de tiempo o espacio es necesario

Más detalles

PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2

PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2 PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2 UNIDAD II: DISTRIBUCIONES MUESTRALES OBJ. 2.1 2.2 2.3 2.4 1.- Un plan de muestreo para aceptar un lote, para

Más detalles

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma: TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]

Más detalles

ESTADÍSTICA ÁREA CIENCIAS BÁSICAS

ESTADÍSTICA ÁREA CIENCIAS BÁSICAS ÁREA IENIAS BÁSIAS ESTADÍSTIA GUÍA N º 3 PROBABILIDADES 1) Durante el transcurso de un día, una máquina produce tres artículos, cuya calidad individual, definida como defectuosa o no defectuosa, se determina

Más detalles

Relación 4. Modelos discretos de distribuciones.

Relación 4. Modelos discretos de distribuciones. Relación 4. Modelos discretos de distribuciones. 1. Si se lanzan dos dados diez veces al aire, cuál es la probabilidad de que en más de la mitad de las ocasiones se obtenga una suma par de puntos? 2. Una

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre

Más detalles

Conceptos Básicos de Inferencia

Conceptos Básicos de Inferencia Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos

Más detalles

ESTADÍSTICA I, curso Problemas Tema 4

ESTADÍSTICA I, curso Problemas Tema 4 ESTADÍSTICA I, curso 007-008 Problemas Tema 4 1. En un problema de una prueba aplicada a niños pequeños se les pide que hagan corresponder tres dibujos de animales con la palabra que identifica a ese animal.

Más detalles

Tema 13. Distribuciones de Probabilidad Problemas Resueltos

Tema 13. Distribuciones de Probabilidad Problemas Resueltos Tema 3. Distribuciones de Probabilidad Problemas Resueltos Distribución de Probabilidad. Una variable aleatoria discreta, X, se distribuye como se indica en la siguiente tabla: ( ) a) Halla el valor de

Más detalles

Ejemplos 31 En el lanzamiento de una moneda podemos tomar E = { Cara } y F = { Cruz }. Si la moneda no está trucada, p = 1.

Ejemplos 31 En el lanzamiento de una moneda podemos tomar E = { Cara } y F = { Cruz }. Si la moneda no está trucada, p = 1. Capítulo 4 Modelos de probabilidad 4.1 Modelos discretos 4.1.1 Pruebas de Bernoulli Definición 4.1.1. Una prueba de Bernoulli es un experimento aleatorio cuyos posibles resultados se agrupan en dos conjuntos

Más detalles

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO. DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente

Más detalles

EJERCICIOS RESUELTOS DE ESTADÍSTICA II

EJERCICIOS RESUELTOS DE ESTADÍSTICA II EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo

Más detalles

a) Cálculo del intervalo de confianza para la media, conocida la desviación típica de la población en una variable aleatoria normal

a) Cálculo del intervalo de confianza para la media, conocida la desviación típica de la población en una variable aleatoria normal COMPLEJO EDUCATIVO CANTON TUTULTEPEQUE GUIA DE TRABAJO 2 Parte 2 Profesor Responsable: Santos Jonathan Tzun Meléndez. Grado: 1º año de Bachillerato. Asignatura: Matemática I Periodo: Fecha de Entrega:

Más detalles

Ejercicios resueltos

Ejercicios resueltos UNIDAD TEMÁTICA 4 Lección 4 VARIABLE ALEATORIA ENUNCIADO 1 Se hacen n lanzamientos independientes con un dado ordinario de 6 lados. Calcula la probabilidad que: (a El mayor de los números obtenidos sea

Más detalles

Tema 8. Muestreo. Indice

Tema 8. Muestreo. Indice Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José

Más detalles

1º BCNySyT Distribuciones binomial y normal Excel

1º BCNySyT Distribuciones binomial y normal Excel 1º BCNySyT - 14. Distribuciones binomial y normal Excel PASO A PASO 1. Calcula los parámetros de la variable aleatoria número de hijas y haz el diagrama de barras de frecuencias relativas. Número de hijas:

Más detalles

PROBLEMAS DE LA ASIGNATURA MA2139 ESTADISTICA APLICADA CORRESPONDIENTES AL CAPITULO 1 : MODELOS DE DISTRIBUCION DE PROBABILIDAD

PROBLEMAS DE LA ASIGNATURA MA2139 ESTADISTICA APLICADA CORRESPONDIENTES AL CAPITULO 1 : MODELOS DE DISTRIBUCION DE PROBABILIDAD PROBLEMAS DE LA ASIGNATURA MA139 ESTADISTICA APLICADA CORRESPONDIENTES AL CAPITULO 1 : MODELOS DE DISTRIBUCION DE PROBABILIDAD Distribuciones de probabilidad 1/4 PROBLEMAS DE DISTRIBUCIONES DE PROBABILIDAD

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Segundo Semestre 2008 1. El problema de Galileo.

Más detalles

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) = SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden

Más detalles

Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio

Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),

Más detalles

Tema 7. Variables Aleatorias Continuas

Tema 7. Variables Aleatorias Continuas Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de

Más detalles

MODELOS DISCRETOS DE PROBABILIDAD

MODELOS DISCRETOS DE PROBABILIDAD MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea

Más detalles

Condiciones para una distribución binomial

Condiciones para una distribución binomial ESTADÍSTICA INFERENCIAL FUNCIONES DE PROBABILIDAD DISCRETAS: BINOMIAL y POISSON EJERCICIOS RESUELTOS DE FUNCIÓN DE PROBABILIDAD BINOMIAL USANDO TABLAS y EXCEL Prof.: MSc. Julio R. Vargas A. Fórmulas de

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. Introducción al Tema 7 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA DIPLOMA DE ESPECIALIZACIÓN EN FÍSICA (ANEP UDELAR) FÍSICA ESTADÍSTICA Curso 013 Práctico II Fundamentos de Probabilidad y Estadística. Fecha de Entrega: 13 de

Más detalles

Tema 1: Distribuciones en el muestreo

Tema 1: Distribuciones en el muestreo Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral

Más detalles

Conceptos Básicos de Inferencia

Conceptos Básicos de Inferencia Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos

Más detalles

5 DISTRIBUCIONES BINOMIAL Y DE POISSON

5 DISTRIBUCIONES BINOMIAL Y DE POISSON 5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica

Más detalles

Tema 4: Variables Aleatorias

Tema 4: Variables Aleatorias Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto

Más detalles

5. MODELOS PROBABILISTICOS.

5. MODELOS PROBABILISTICOS. 5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos

Más detalles

9 APROXIMACIONES DE LA BINOMIAL

9 APROXIMACIONES DE LA BINOMIAL 9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X

Más detalles

Tema 6. Variables Aleatorias Discretas

Tema 6. Variables Aleatorias Discretas Presentación y Objetivos. Tema 6. Variables Aleatorias Discretas En esta unidad se presentan algunos ejemplos estándar de variables aleatorias discretas relacionadas de diversas formas dependiendo de su

Más detalles

5 Variables aleatorias contínuas

5 Variables aleatorias contínuas 5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua

Más detalles

TALLER 3 ESTADISTICA I

TALLER 3 ESTADISTICA I TALLER 3 ESTADISTICA I Profesor: Giovany Babativa 1. Un experimento consiste en lanzar un par de dados corrientes. Sea la variable aleatoria X la suma de los dos números. a. Determine el espacio muestral

Más detalles

Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:

Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha: Integral Lapso 2010-2 745 1/5 Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: 610-612-613 Fecha: 26-02-2011 OBJ. 2 PTA 1 MODELO DE RESPUESTAS Objetivos 2,

Más detalles

TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)

TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD INGENIERIA DE TELECOMUNICACIONES TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) 1. Un proceso industrial fabrica

Más detalles

Variables aleatòries vectorials Els problemes assenyalats amb un (*) se faran a classe. 1.- Los estudiantes de una universidad se clasifican de acuerdo a sus años en la universidad (X) y el número de visitas

Más detalles

Relación de Problemas. Tema 6

Relación de Problemas. Tema 6 Relación de Problemas. Tema 6 1. En una urna hay 5 bolas blancas y 2 negras y se sacan tres bolas sin reemplazamiento. a) Calcular la distribución conjunta del número de bolas blancas y negras de entre

Más detalles

1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200.

1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200. 1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200. 2. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras esté entre 180 y 220.

Más detalles

Teorema del límite central

Teorema del límite central TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución

Más detalles

Estadística Aplicada

Estadística Aplicada Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.

Más detalles

ENUNCIADO y SOLUCIONES. Problema 1

ENUNCIADO y SOLUCIONES. Problema 1 Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.

Más detalles

Tema 2. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD

Tema 2. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD Tema. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD 1. Se lanza un dado y se considera la variable generada por el resultado del mismo. (a) Clasica esta variable como continua o discreta, indicando su rango

Más detalles

Tarea - Examen. No reaparece Sí reaparece Crema Crema

Tarea - Examen. No reaparece Sí reaparece Crema Crema Tarea - Examen 1. Un juego consiste en elegir al azar una carta de una baraja de 52 cartas. Si esta carta es un corazón negro nos pagan 200 pesos y si es un diamante 100 pesos, pero en otro caso hemos

Más detalles

Departamento de Matemática Aplicada a las T.I.C. SOLUCIONES

Departamento de Matemática Aplicada a las T.I.C. SOLUCIONES Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EAMEN FINAL Otoño 25-6 FECHA: 5 de Enero de 26 Fecha publicación notas: 22 de Enero de 26 Fecha revisión

Más detalles

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido

Más detalles

PROBABILIDAD Relación de problemas 1: Fundamentos de Probabilidad

PROBABILIDAD Relación de problemas 1: Fundamentos de Probabilidad PROBABILIDAD Relación de problemas 1: Fundamentos de Probabilidad 1. Una urna contiene 5 bolas numeradas del 1 al 5. Calcular la probabilidad de que al sacar dos bolas la suma de los números sea impar

Más detalles

Discretas. Continuas

Discretas. Continuas UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de

Más detalles

DISTRIBUCIÓN N BINOMIAL

DISTRIBUCIÓN N BINOMIAL DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina

Más detalles

Tema 6: Modelos de probabilidad.

Tema 6: Modelos de probabilidad. Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos

Más detalles

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación

Más detalles

Probabilidad, Variables aleatorias y Distribuciones

Probabilidad, Variables aleatorias y Distribuciones Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer

Más detalles

Cálculo de Probabilidades II Preguntas Tema 1

Cálculo de Probabilidades II Preguntas Tema 1 Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga

Más detalles

INFERENCIA DE LA PROPORCIÓN

INFERENCIA DE LA PROPORCIÓN ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En

Más detalles

REGLAS DE PROBABILIDAD

REGLAS DE PROBABILIDAD Capítulo 4 Probabilidad REGLAS DE PROBABILIDAD 4.1-1 Evento Compuesto Un evento compuesto es cualquier evento que combina 2 o más eventos simples. Ejemplo: Al lanzar un dado justo de 6 caras, cuál es la

Más detalles

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 Ejercicio 1 Una empresa de selección de personal llama a 12 postulantes para una entrevista de empleo. Se sabe por experiencia

Más detalles

Departamento de Estadística y Econometría. Curso EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2

Departamento de Estadística y Econometría. Curso EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2 Departamento de Estadística y Econometría. Curso 2002-2003 EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2 1.- Una empresa de elaboración de materiales pone en práctica un nuevo método

Más detalles

La distribución bionomial negativa se emplea para determinar el enésimo éxito en la enésima oportunidad o evento

La distribución bionomial negativa se emplea para determinar el enésimo éxito en la enésima oportunidad o evento La distribución bionomial negativa se emplea para determinar el enésimo éxito en la enésima oportunidad o evento Hay que considera que esta distribución es lo contrario de la distribución binomial ya que

Más detalles

SOLUCIÓN REPASO EXAMEN

SOLUCIÓN REPASO EXAMEN SOLUCIÓN REPASO EXAMEN 1. El gráfico muestra la distribución de las cargas máximas (toneladas) que soportan ciertos cables producidos por una empresa: 35 30 30 25 n de clables 20 15 15 20 18 11 5 6 0 9,2-9,8

Más detalles

Distribución normal estándar. Juan José Hernández Ocaña

Distribución normal estándar. Juan José Hernández Ocaña Distribución normal estándar Juan José Hernández Ocaña Tipos de variables [email protected] Tipos de variables Cualitativas Son las variables que expresan distintas cualidades, características o modalidades.

Más detalles

Pendientes de Matemáticas Aplicadas a las Ciencias Sociales I b) 5-2

Pendientes de Matemáticas Aplicadas a las Ciencias Sociales I b) 5-2 . ARITMÉTICA OPERACIONES CON FRACCIONES. Realiza las siguientes operaciones teniendo en cuenta el orden de prioridades: 8-5 ( 5. Opera y simplifica: 5 5 5+ + ( ) 5 5 5 : c) 7-4 -(5-5- + PROPIEDADES DE

Más detalles

2. DESCRIPCIÓN ESTADÍSTICA DE UNA VARIABLE. EJEMPLOS Y EJERCICIOS *.

2. DESCRIPCIÓN ESTADÍSTICA DE UNA VARIABLE. EJEMPLOS Y EJERCICIOS *. 2. DESCRIPCIÓN ESTADÍSTICA DE UNA VARIABLE. EJEMPLOS Y EJERCICIOS *. 2.1. Ejemplos. Ejemplo 2.1 Se ha medido el grupo sanguíneo de 40 individuos y se han observado las siguientes frecuencias absolutas

Más detalles

PROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2

PROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2 PROBABILIDADES Trabajo Práctico 5 1. Sea X una variable aleatoria con función de distribución acumulada a) Calcular, usando F X, P (X 1) P (0.5 X 1) P (X >1.5) b) Hallar la mediana de esta distribución.

Más detalles

Examen modelo Maestría en Economía UCEMA

Examen modelo Maestría en Economía UCEMA Examen modelo Maestría en Economía UCEMA Evaluación de Razonamiento Cuantitativo Duración: 1:40 hs. 50 preguntas Para cada pregunta, indique la mejor respuesta, utilizando las instrucciones provistas.

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6) TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar

Más detalles

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO RELACIÓN DE PROBLEMAS PROPUESTOS DE UNA VARIABLE Curso académico 2004-2005 DPTO. ECONOMÍA APLICADA I 1. Obtener las frecuencias acumuladas, las frecuencias relativas

Más detalles

Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León

Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Distribuciones Muestrales 1. Sea una población de 5 números: 2,

Más detalles

Distribución de Probabilidades con Nombre Propio Problemas Propuestos

Distribución de Probabilidades con Nombre Propio Problemas Propuestos Distribución de Probabilidades con Nombre Propio Problemas Propuestos DISTRIBUCIÓN BINOMIAL (BERNOULLI) 2.167 Hallar la probabilidad de que al lanzar una moneda honrada 6 veces aparezcan (a) 0, (b) 1,

Más detalles

Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.

Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7. Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.

Más detalles

Modelos de Probabilidad con Statgraphics

Modelos de Probabilidad con Statgraphics Modelos de Probabilidad con Statgraphics 1. Objetivos Representar funciones de probabilidad/densidad y de distribución de diferentes modelos de variables aleatorias discretas/continuas Calcular probabilidades

Más detalles

0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2

0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0.75(1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:

Más detalles

Distribuciones de probabilidad discretas

Distribuciones de probabilidad discretas Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin

Más detalles

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------

Más detalles