1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES
|
|
- Óscar Villalobos Segura
- hace 5 años
- Vistas:
Transcripción
1 1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1
2 1.- VARIABLES ALEATORIAS DISCRETAS Concepto de variable aleatoria Definición de variable aleatoria Una variable aleatoria X, es una función que le hace corresponder a cada resultado de un experimento aleatorio, un número real. Tipos de variables aleatorias Discreta: Una v.a. X es discreta cuando sólo toma valores aislados, xi. Estas variables nunca pueden tomar todos los valores de un intervalo. Ejemplos: suma de los puntos obtenidos al lanzar 2 dados número de caras al lanzar una moneda 5 veces número de hijos de un matrimonio elegido al azar número de asignaturas suspensas de un alumno elegido al azar número de libros vendidos por una librería cualquiera en un día Edad de una persona etc, Continua: Cuando entre dos valores, aunque estén muy próximos entre sí, siempre se puede tomar otro valor. Este tipo de variables toman todos los valores dentro de un intervalo Ejemplos: estatura, longitud de un tornillo, nivel de agua de un embalse, temperatura en una ciudad, 2
3 1.- VARIABLES ALEATORIAS DISCRETAS Distribución de probabilidad en una v.a. discreta Se llama distribución de probabilidad de una variable aleatoria discreta X con valores xi, al conjunto de probabilidades: pi = probabilidad de que la variable X tome el valor xi = p(x = xi) La función F(xi) = p(x xi) se llama función de distribución de la variable X. Por ejemplo, en el experimento aleatorio de lanzar un dado dos veces, X = nº de veces que sale el 6 es una variable aleatoria discreta, pues X sólo toma los valores xi: 0, 1 y 2 Los resultados del experimento son 36: La distribución de probabilidad es: El gráfico de probabilidades es: x i p i = p(x = x i ) Total p i = 0,6944 = 0,2778 = 0,0278 = 1 En todas las distribuciones de probabilidad discreta, se cumple: p i = 1 3
4 1.- VARIABLES ALEATORIAS DISCRETAS Parámetros de una distribución de probabilidad discreta Media aritmética ó esperanza matemática:µ= x i p i Varianza: σ = (xi p i) µ La varianza también se puede calcular por la fórmula 2 2 σ = (x i µ ) p i σ σ Desviación típica: = 2 Vamos a calcular los parámetros de la distribución del ejemplo anterior: X = nº de veces que sale el 6 al lanzar un dado dos veces x i Total p i x i p i = 36 3 x i2 p i = Media o esperanza matemática de X: µ= x i p i σ = Varianza de X : (xi p i) µ 7 1 = 18 9 Desviación típica de X: 5 = 0, Tareas Tema 14: Ejercicios: 2, 3, 5, 6, 26 y 29 σ = σ = = = 0, ,333
5 1.- VARIABLES ALEATORIAS DISCRETAS (Ej. 3) a) Como p = 1 0,15 + 0,2 + k + 0,3 + 0,11 = 1 0,76 + k = 1 k = 0,24 i b) p(x < 3) = 0,15 + 0,2 = 0,35 p(1 < X 4) = 0,2 + 0,24 + 0,3 = 0,74 5
6 1.- VARIABLES ALEATORIAS DISCRETAS (Ej. 3) Los resultados del experimento son 8: {ccc, ccx, cxc, cxx, xcc, xcx, xxc, xxx} La v.a. es X = nº de cruces = { 0, 1, 2, 3 } p(x = 0) = 1 8 p(x = 1) = 3 8 p(x = 2) = 3 8 p(x = 3) = 1 8 La distribución de probabilidad es: p i = p(x = x i ) x i 1 8 = 0, = 0, = 0, = 0,125 El gráfico de probabilidades es: Total 1 6
7 1.- VARIABLES ALEATORIAS DISCRETAS (Ej. 5) 7
8 1.- VARIABLES ALEATORIAS DISCRETAS (Ej. 6) x i p i x i p i x i2 p i 1 0,2 0,2 0,2 µ= x i p i = 3,55 2 0,15 0,3 0,6 3 0,15 0,45 1,35 σ = (x p ) µ = 16,05 3,55 = 3,4475 i i 4 0,15 0,6 2,4 5 0,1 0,5 2,5 σ σ = 2 1, ,25 1,5 9 Total 1 3,55 16,05 8
9 1.- VARIABLES ALEATORIAS DISCRETAS (Ej. 26) µ=4,45 2 σ = 4,4475 σ = 2,1089 p(x 4) = 0,3+0,1+0,15 = 0,55 p(x 6) = 0,2+0,1+0,1 = 0,4 9
10 1.- VARIABLES ALEATORIAS DISCRETAS (Ej. 29) 0,1 + a + b + c + 0,2 = 1 0,1 + a + b = 0,7 b + c + 0,2 = 0,75 a + b + c = 0,7 a + b = 0,6 b + c = 0,55 a = 0,15, b = 0,45, c = 0,1 10
11 2.- DISTRIBUCIÓN BINOMIAL Factorial de un número natural El factorial de un número natural n se define por la fórmula n! = n.(n - 1).(n - 2) Se lee n factorial Ejemplos: 1! = 1 ; 2! = 2. 1 = 2 ; 3! = = 6 4! = = 24 y así sucesivamente 0! = 1 (por convenio) El factorial de un número se puede hallar con la calculadora científica. Por ejemplo, si queremos calcular 13!, el proceso es el siguiente: 13 x!. Nos da como resultado: Este resultado coincidiría con la multiplicación:
12 2.- DISTRIBUCIÓN BINOMIAL Número combinatorio Dados dos números naturales n y m (con m n) se define el número combinatorio n sobre m por la fórmula: n n! = m m!.(n-m)! Por ejemplo: 15 15! = = !! 4!. 11!! = = ) n 1 = n. Por ejemplo, Propiedades del número combinatorio 6 1 = 6 Justificación : 6 6! 6. 5! = = 1 1!.5! 1!. 5! =6 2) n 0 = n n = 1. Por ejemplo, 5 0 = 5 5 = 1 Justificación : 5 5! 5! = = =1 0!.5! 1.5! 5 5! 5! = = =1 5!.0! 5! ) n m = n n-m Por ejemplo, 7 3 = 7 = Justificación : 7 7! = 3!.4! 3 7 7! = 4!.3! 4 12
13 2.- DISTRIBUCIÓN BINOMIAL Consideremos un experimento aleatorio y sea A un suceso con p(a) = p 0. Si realizamos n veces el mismo experimento y le llamamos X = nº de veces que ocurre el suceso A, entonces X puede tomar los valores: 0, 1, 2, 3,., n. X es una v.a. discreta que toma n+1 valores. Se dice la variable aleatoria discreta X tiene distribución de probabilidad binomial de parámetros n y p. Se representa así: X B(n, p) Ejemplos de distribuciones binomiales: Lanzar un dado 15 veces. Sea X = nº de veces que sale el 6. En este caso, X B(15, 1/6) Nacimiento de 30 bebés, siendo la probabilidad de que nazca niño 0,4. Sea X = nº de niñas. En este caso, X B(30 ; 0,6) Un jugador lanza a canasta 50 veces, siendo la probabilidad de errar 0,3. Sea X = nº de aciertos. En este caso, X B(50 ; 0,7) Se lanza una moneda 25 veces. Sea X = nº de cruces. En este caso, X B(25, 1/2) La distribución de probabilidad en la B(n, p) es: p k = p(x = k) = n k p k.(1 p) n k, k = 0, 1, 2,, n Media aritmética ó esperanza matemática: µ=n.p Varianza: 2 σ = n.p.(1 p) Desviación típica: σ = n.p.(1 p) Tareas Tema 14: Ejercicios: 14, 15, 16, 17, 18, 21, 34 y 63 13
14 2.- DISTRIBUCIÓN BINOMIAL (Ej. 14) a) X = nº de usuarios de metro. X B(30, 4/15) En este caso, n = 30, p = 4/15 b) 4 µ=n.p = 30. = 8 15 σ 2 = n.p.(1 p) = = 88 5, σ = ,
15 2.- DISTRIBUCIÓN BINOMIAL (Ej. 15) X = nº de tornillos defectuosos. X B(3 ; 0,3); X = 0,1,2,3 En este caso, n = 3, p = 0,3 p(x = k) = 3 k (0,3)k.(0,7) 3 k, k = 0, 1, 2, 3 3 a) p(x = 3) = 3 (0,3)3.(0,7) 0 = 1. 0, = 0,027 = 2,7% 3 b) p(x = 2) = 2 (0,3)2.(0,7) 1 = 3. 0,09. 0,7 = 0,189 = 18,9% 3 c) p(x = 0) = 0 (0,3)0.(0,7) 3 = ,343 = 0,343 = 34,3% 15
16 2.- DISTRIBUCIÓN BINOMIAL (Ej. 16) X = nº de varones. X B(3, 10/16) ; X B(3 ; 0,625) ; X = 0,1,2,3 En este caso, n = 3, p = 0,625 p(x = k) = 3 k (0,625)k.(0,375) 3 k, k = 0, 1, 2, 3 3 a) p(x = 2) = 2 (0,625)2.(0,375) 1 = 3. 0,391. 0,375 = 0,4399 = 43,99% b) p(x 1) = 1 p(x < 1) = 1 p(x = 0) (0,625)0.(0,375) 3 = ,053 = 1 0,053 = 0,947 = 94,7% 16
17 2.- DISTRIBUCIÓN BINOMIAL (Ej. 17) X = nº de personas que la consideran favorable. X B(10 ; 0,3); X = 0,1,2,,10 En este caso, n = 10, p = 0,3 p(x = k) = 10 k (0,3) k.(0,7) 10 k, k = 0, 1, 2,, a) p(x = 3) = 3 (0,3)3.(0,7) ! ! = = 3!.7! 3!. 7! 720 = =120 6 p(x = 3) = ,027. 0,082 = 0,2657 = 26,57% 10 b) p(x = 10) = 10 (0,3)10.(0,7) 0 = 1. 0, = 0,
18 2.- DISTRIBUCIÓN BINOMIAL (Ej. 18) X = nº de personas que acuden al acto. X B(10 ; 0,4); X = 0,1,2,,10 En este caso, n = 10, p = 0,4 p(x = k) = 10 k (0,4) k.(0,6) 10 k, k = 0, 1, 2,, a) p(x = 3) = 3 (0,4)3.(0,6) ! ! = = 3!.7! 3!. 7! 720 = =120 6 p(x = 3) = ,064. 0,028 = 0,215 = 21,5% b) p(x > 3) = 1 p(x 3) = 1 0,266 = 0734 = 73,4% pues, p(x 3) = p(x = 0) + p(x = 1) + p(x = 2) + p(x = 3) = 0,0025+0,0207+0,0763+0,1665 = 0,266 18
19 2.- DISTRIBUCIÓN BINOMIAL (Ej. 21) X = nº de empresas en quiebra. X B(12 ; 0,15); X = 0,1,2,,12 En este caso, n = 12, p = 0,15 a) El número esperado de empresas en quiebra es la esperanza o media de X: µ=n.p = 12.0,15 = 1,8 2empresas b) σ 2 = n.p.(1 p) = 12. 0,15. 0,85 = 1,53 σ = 1,53 1,
20 2.- DISTRIBUCIÓN BINOMIAL (Ej. 34) p(x = k) = 6 k (0,2) k.(0,8) 6 k, k = 0, 1, 2,, 6 a) p(x = 3) = 3 (0,2)3.(0,8) ! ! = = 3!.4! 3!. 4! 210 = =35 6 p(x = 3) = 35. 0,008. 0,512 = 0,1434 = 14,34% b) p(x < 2) = p(x = 0) + p(x = 1) = 0, , = 0,65536 c) p(x = 4) = 0,01536 d) p(x > 4) = p(x = 5) + p(x = 6) = 0, , = 0,
21 2.- DISTRIBUCIÓN BINOMIAL (Ej. 63) X = nº de personas que viven 30 años o más. X B(5, 2/3); X = 0,1,2,3,4,5 En este caso, n = 5, p = 2/3 a) p(x = 5) = 0,1317 = 13,17% b) p(x 3) = p(x = 3) + p(x = 4) + p(x = 5) = 0, , ,1317 = 0,7901 = 79,01% c) p(x = 2) = 0,1646 = 16,46% 21
22 3.- VARIABLES ALEATORIAS CONTINUAS Concepto de probabilidad Consideremos la variable aleatoria continua X = estatura de los chicos de 15 años Supongamos que vamos preguntando a un número cada vez más grande de chicos por su estatura y dibujamos el histograma de frecuencias tomando clases o intervalos cada vez más pequeñas El polígono de frecuencias se ajusta cada vez más a una línea. La función f(x) cuya gráfica es esa curva se llama función de densidad de X En este ejemplo se han tomado 20 intervalos de amplitud 1,5 cm El área de cada rectángulo es la probabilidad de que un chico tomado al azar tenga estatura en el intervalo correspondiente. Por ejemplo, el área del primer rectángulo corresponde aproximadamente a p(153 < X < 154,5) 22
23 3.- VARIABLES ALEATORIAS CONTINUAS Cálculo de probabilidades-1 Como hemos visto en el ejemplo anterior la probabilidad en una v.a. continua X corresponde a un área bajo la curva de densidad f. Veamos algunas propiedades que nos sirvan para calcular probabilidades. El área sombreada es p(x < a). La función F(x) = p(x < x) se llama función de distribución de la variable X P(X = a) = área del segmento que pasa por a = 0. Luego, en las v.a. continuas, p(x = a) = 0 Por tanto, p(x a) = p(x < a) ; p(x a) = p(x > a); etc 23
24 3.- VARIABLES ALEATORIAS CONTINUAS Cálculo de probabilidades-2 p(- < X < ) = 1 p(x > a) = 1 p(x < a) p(a < X < b) = p(x < b) p(x < a) Tareas Tema 15: Ejercicios: 11 y 13 24
25 3.- VARIABLES ALEATORIAS CONTINUAS (Ej. 11 a) ) Para que sea una función de densidad se debe cumplir que p(- < X < ) = 1. p(- < X < ) es el área del rectángulo. Luego, A(rectángulo) = 5. 1/k = 1. Por tanto, k = 5 25
26 3.- VARIABLES ALEATORIAS CONTINUAS (Ej. 11 b) ) A(triángulo) = (4. 8k) / 2 = 1. Por tanto, k = 1/16 26
27 3.- VARIABLES ALEATORIAS CONTINUAS (Ej. 11 c) ) A(trapecio) = (k/3 + 4k/3). 3 / 2 = 1. 5k/2 = 1. Por tanto, k = 2/5 27
28 3.- VARIABLES ALEATORIAS CONTINUAS (Ej. 13 a) ) 28
29 3.- VARIABLES ALEATORIAS CONTINUAS (Ej. 13 b) ) 29
30 4.- DISTRIBUCIÓN NORMAL Definición y propiedades La mayoría de las variables aleatorias continuas tienen una función de densidad f(x) cuya gráfica tiene forma de campana. A esta gráfica se le llama campana de Gauss. La función de densidad es f(x) = 1. σ. 2π 2 1 x. 2 e µ σ siendo µ la media y σ la desviación típica. La gráfica de la función de densidad (campana de Gauss) tiene la siguiente forma: Puedes observar que la gráfica es simétrica respecto de la recta vertical de ecuación x = µ. Cuando la curva de densidad tiene esta forma diremos que X sigue una distribución normal de media µ y desviación típica σ. Se escribe así: X N(µ,σ) Las distribuciones de este tipo son muy corrientes en la vida real. 30
31 4.- DISTRIBUCIÓN NORMAL Forma de la campana de Gauss 31
32 4.- DISTRIBUCIÓN NORMAL Distribución normal tipificada Si µ = 0 y σ = 1, entonces a la distribución Z N(0,1) cuya campana de Gauss es de la forma le llamaremos distribución normal tipificada. p( Z < a) = p( Z a) = área bajo la curva entre - y a 32
33 4.- DISTRIBUCIÓN NORMAL Uso de la tabla de probabilidades de la distribución N(0,1) P(Z<1,24) = 0,8925 p(z < a) = 0,9913 a = 2,38 33
34 4.- DISTRIBUCIÓN NORMAL Cálculo de probabilidades en la distribución N(0,1) Para calcular otras probabilidades en la distribución N(0,1) usamos las siguientes fórmulas: p(z > a) = 1 p(z < a) p(z < a) = p(z > a) = 1 p(z < a) Ej: p(z > 0,6) = 1 p(z < 0,6) = 0,2743 Ej: p(z > 0,25) = 1 p(z < 0,25) = 0,4013 p(z > a) = p(z < a) Ej: p(z > 0,19) = p(z < 0,19) = 0,8621 p(a < Z < b) = p(z < b) p(z < a) Ej: p(1 < Z < 2) = p(z < 2) p(z < 1) = 0,1359 p( b < Z < a) = p(a < Z < b) = p(z < b) p(z < a) Ej: p(-3 < Z < -2) = p(z < 3) p(z < 2) = 0,0215 p( a < Z < b) = p(z < b) p(z < a) = = p(z < b) [ 1 p(z < a) ] = = p(z < b) + p(z < a) 1 Ej: p(-2 < Z < 1) = p(z < 1)+p(Z < 2) 1= 0,
35 4.- DISTRIBUCIÓN NORMAL Tipificación. Relación entre la distribución binomial y la normal Si X N(µ,σ), entonces la variable Z X µ = σ N(0,1) a µ X µ b µ En este caso: p(a < X < b) = p( < < ) = σ σ σ a µ b µ p( < Z < ) σ σ A este proceso se le llama tipificación de la variable. Si X B(n, p) con n 30 y los productos np 5, n(1-p) 5, entonces la distribución binomial X se puede aproximar por la distribución normal X : X N(np, np(1-p) ) En este caso ( ) ( ) ( ) ( ) ( ) = ( < + ) ( > ) = ( > + ) ( ) = ( > ) P X = k = P k 0,5 < X < k + 0,5 P X < k = P X < k 0,5 P X k P X k 0,5 P X k P X k 0,5 P X k P X k 0,5 Tareas Tema 15: Ejercicios: 3, 4, 8, 9, 14, 17, 23, 28 y29 35
36 4.- DISTRIBUCIÓN NORMAL (Ej. 3) 36
37 4.- DISTRIBUCIÓN NORMAL (Ej. 4) 37
38 4.- DISTRIBUCIÓN NORMAL (Ej. 8) X = nº de caras; X B(120 ; 1/3) Como n.p = /3 = 40 > 5 y n(1 p) = /3 = 80 > 5, podemos tomar en vez de X la variable X N(np, np(1-p) ) X N(40 ; 5,16 ) p(35 X 45) = p(34,5 < X < 45,5) 34, ,5 40 = p( < Z < ) 5,16 5,16 = p(-1,07 < Z < 1,07) = p(z < 1,07) p(z < -1,07) = p(z < 1,07) [ 1 p(z < 1,07) ] = 2p(Z < 1,07) 1 = 2. 0, = 0,7134 Por tanto, la probabilidad de no acertar es 1 0,7134 = 0,2866 = 28,66% 38
39 4.- DISTRIBUCIÓN NORMAL (Ej. 9) X = nº de personas que aparecen; X B(100 ; 0,8) Como n.p = ,8 = 80 > 5 y n(1 p) = ,2 = 20 > 5, podemos tomar en vez de X la variable X N(np, np(1-p) ) X N(80, 4) p(x > 87) = p(x 87,5) 87,5 80 = p(z > ) = p(z > 1,88) = 4 = 1 p(z < 1,88) = 0,0301 = 3,01% 39
40 4.- DISTRIBUCIÓN NORMAL (Ej. 14) a) p(0 < Z < 0,25) = p(z < 0,25) p(z < 0) = 0,5987 0,5 = 0,0987 b) p(z < 1,32) = 0,9066 c) p( 2,23 < Z < 1,15) = p(z < 1,15) + p(z < 2,23) 1 = = 0, , = 0,862 d) p(z > 1,23) = 1 p(z < 1,23) = 1 0,8907 = 0,
41 4.- DISTRIBUCIÓN NORMAL (Ej. 17) X N(20, 2) p(x > 23) p(x < 17) = p(z > ) = p(z > 1,5) = 1 p(z < 1,5) = 0,0668 = 6,68% = p(z < ) = p(z < -1,5)= 1 p(z < 1,5) = 0,0668 = 6,68% 2 41
42 4.- DISTRIBUCIÓN NORMAL (Ej. 23) X = capacidad del recipiente; X N(10 ; 0,1) p(9,9 < X < 10,1) 9, ,1 10 = p( < Z < ) 0,1 0,1 = p(-1 < Z < 1) = p(z < 1) + p(z < 1) 1 = 0, , = 0,6826 Por tanto, la probabilidad de que sea considerado defectuoso es: 1 0,6826 = 0,3174 = 31,74% 42
43 4.- DISTRIBUCIÓN NORMAL (Ej. 28) X = minutos que tarda de casa al instituto; X N(14 ; 2,5) 43
44 4.- DISTRIBUCIÓN NORMAL (Ej. 29) 44
Probabilidad del suceso imposible
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I TEMA 6.- ESTADÍSTICA INFERENCIAL PROFESOR: RAFAEL NÚÑEZ -------------------------------------------------------------------------------------------------------------------------------------------------------------.-
Más detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL
ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL. VARIABLES ALEATORIAS Consideremos el experimento de lanzar 3 monedas. Tenemos que su espacio muestral es E CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX Donde
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detalles1.- Concepto de variable aleatoria
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 5.- ESTADÍSTICA INFERENCIAL PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
Más detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #2 Tema: Esperanza y Decisiones Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Entender los conceptos básicos
Más detallesAl conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:
1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
Más detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más detallesTema 5: Modelos probabilísticos
Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesDistribuciones discretas. Distribución binomial
Variables aleatorias discretas y continuas Se llama variable aleatoria a toda función definida en el espacio muestral de un experimento aleatorio que asocia a cada elemento del espacio un número real.
Más detallesD I S T R I B U C I Ó N N O R M A L
D I S T R I B U C I Ó N N O R M A L 1. V A R I A B L E A L E A T O R I A C O N T I N U A. F U N C I O N E S A S O C I A D A S Variable aleatoria continua es aquella que puede tomar valores en un conjunto
Más detallesTema 5 Modelos de distribuciones de Probabilidad
Tema 5 Modelos de distribuciones de Probabilidad Variable aleatoria unidimensional Dado un espacio de Probabilidad (E, F, P), una variable aleatoria es una aplicación del espacio muestral E al conjunto
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesMATEMÁTICAS APLICADAS A LAS CC. SS. I
DISTRIBUCIÓN NORMAL Carl Friedrich Gauss (1777-1855), físico y matemático alemán, uno de los pioneros en el estudio de las propiedades y utilidad de la curva normal. MATEMÁTICAS APLICADAS A LAS CC. SS.
Más detallesUnidad II Distribuciones de Probabilidad
Unidad II Distribuciones de Probabilidad Última revisión: 25-Septiembre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 11 II.1 Variables aleatorias discretas y continuas En gran número de experimentos
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesTema 6. Variables aleatorias continuas. Distribución Normal
Tema 6. Variables aleatorias continuas. Distribución Normal Indice 1. Distribuciones de probabilidad continuas.... 2 2. Distribución Normal... 5 2.1. Distribución Normal estándar N(0,1).... 5 2.1.1 Utilización
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detallesTema 13: Distribuciones de probabilidad. Población y muestra
Tema 13: Distribuciones de probabilidad. Población y muestra 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio,
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detalles10 0,1 12 0,3 14 0, , ,15
1. Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0., 0.1 y 0.3. Represente en una tabla la función de probabilidad P(X=x), y la función de distribución de probabilidad,
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detalles1. 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 detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesJUNIO Opción A
JUNIO 2006 Opción A 1.- Una familia dispone de 80 euros mensuales para realizar la compra en una carnicería. El primer mes compran 10 Kg. de carne de pollo, 6 Kg. de carne de cerdo y 3 Kg. de ternera y
Más detallesGUÍA TEÓRICA TEMA 3 UNIDAD II: INFERENCIA ESTADÍSTICA PARAMÉTRICA BÁSICA. TEMA 3. LA DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS.
Universidad de Los Andes Facultad de Ciencias Forestales y Ambientales Escuela de Ingeniería Forestal Departamento Manejo de Bosques Cátedra de Biometría Forestal Asignatura: ESTADISTICA Y BIOMETRIA Profesor
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesTema 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 detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesTeorema Central del Límite. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso F. San Segundo.
Teorema Central del Límite. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso 2014-2015. F. San Segundo. Variables de Bernouilli. Una de las familias de variables aleatorias más básicas
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesVARIABLES ALEATORIAS INTRODUCCIÓN
DOCENTE: SERGIO ANDRÉS NIETO DUARTE CURSO: ESTADÍSTICA DE LA PROBABILIDAD VARIABLES ALEATORIAS INTRODUCCIÓN Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son
Más detallesTema 4: Modelos probabilísticos
Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesTema 6: Modelos probabilísticos
Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesUNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD
UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detallesDOCUMENTO 2: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: LA DISTRIBUCIÓN BINOMIAL
DOCUMENTO 2: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: LA DISTRIBUCIÓN BINOMIAL Como recordarás una variable aleatoria discreta es aquella que sólo puede tomar valores enteros. Ejemplos: puntuación obtenida
Más detallesDISTRIBUCIÓN 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 detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES Texto para los Alumnos Nº páginas: y TABLAS CRITERIOS GENERALES DE EVALUACIÓN Cada pregunta de la
Más detallesPor ejemplo, lanzar al aire un dado o una moneda son experimentos aleatorios. Los experimentos aleatorios pueden ser simples o compuestos.
.- CONCEPTOS BÁSICOS DE PROBABILIDAD Experimento aleatorio: Es aquel cuyo resultado depende del azar y, aunque conocemos todos los posibles resultados, no se puede predecir de antemano el resultado que
Más detallesMatemáticas II. 2º Bachillerato. Capítulo 12: Distribuciones de probabilidad
Matemáticas II. º Bachillerato. Capítulo : Distribuciones de probabilidad Autora: Raquel Caro Revisores: Leticia González y Álvaro Valdés 475 Distribuciones de probabilidad Índice. DISTRIBUCIONES DE PROBABILIDAD..
Más detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
Más detallesCarrera: Ingeniería Zootecnista E S T A D I S T I C A
Carrera: Ingeniería Zootecnista E S T A D I S T I C A DISTRIBUCIONES DE PROBABILIDAD Una función de probabilidad es aquella que surge al asignar probabilidades a cada uno de los valores de una variable
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Parte : La distribución binomial MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Experiencia Dicotómica Si en una experiencia aleatoria destacamos un
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesMATEMÁTICAS LIBRO 9: DATOS Y AZAR III GE- LIBRO N 9 CONTENIDOS. - Muestreo. - Intervalo de confianza. - Función de probabilidad
LIBRO 9: DATOS Y AZAR III CONTENIDOS - Muestreo - Intervalo de confianza - Función de probabilidad - Función de distribución de probabilidad - Distribución normal - Distribución normal estándar - Estandarización
Más detallesUnidad 15 Distribuciones discretas. Distribución binomial
Unidad 15 Distribuciones discretas. Distribución binomial PÁGINA 35 SOLUCIONES 1. La probabilidad es: 4 1 1 3 P(V y M) = = 8 5 5 95. Queda: P( x= 4) = 0,000097 4 = 100 100 3. En cada caso: 4 5 5 1 1 4
Más detallesEstadística. Grado en Biología. Universidad de Alcalá. Curso Capítulo 5: El Teorema Central del Límite. Parte 2: distribución normal.
Grado en Biología. Universidad de Alcalá. Curso 2017-18. C Fernando San Segundo. Actualizado: 2017-10-26 C La curva normal. Empezamos recordando que al estudiar las binomiales con n grande y p moderado
Más detallesObjetivo: 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 detallesDistribuciones de Probabilidad
MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Distribuciones de Probabilidad Parte : Generalidades MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Las distribuciones
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detalles6-1 y. Sec Distribuciones de probabilidad discreta Pearson Prentice Hall. All rights reserved
Sec. 6-1 y 3 6-2 Distribuciones de probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio Su valor se determina al
Más detallesApuntes de Estadística Curso 2017/2018 Esther Madera Lastra
1 1. MEDIA Y DESVIACIÓN TÍPICA DE DISTRIBUCIONES La media de un conjunto de datos se calcula sumando todos los datos y dividiendo entre el número de datos. La varianza de un conjunto de datos se calcula
Más detallesE2. Considera la siguiente función densidad de probabilidad:
Distribución Normal. 2 Distribuciones Continuas de Probabilidad. Muchos experimentos dan como resultado una variable aleatoria continua. Es decir: que puede tomar cualquier valor en un intervalo, no sólamente
Más detallesSOLUCIONARIO. UNIDAD 14: Distribuciones discretas. Distribución binomial ACTIVIDADES-PÁG La probabilidad es:
UNIDAD : Distribuciones discretas. Distribución binomial ACTIVIDADES-PÁG. 8. La probabilidad es: P ( V y M ). 8. Las probabilidades buscadas son: a) P ( X ),,,. b) P ( X ) P ( X ) P( X ) P ( X ),,,,,,,,8,,
Más detalles1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:
(variables aleatorias) 1 1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla: 2. Se lanza tres veces una moneda
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detallesTEMA 6. Distribuciones
TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer
Más detallesDistribuciones binomial y normal ACTIVIDADES
0 ACTIVIDADES 57 La probabilidad, p, que falta es X =. Como la suma de todas las probabilidades tiene que ser, tenemos que: 0, + 0, + 0, + 0, + 0,5 + p = p = 0, µ= 0,+ 0,+ 0,+ 4 0,+ 5 0,+ 6 0,5=,9 σ= 0,
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesIMADIL /12/2014
IMADIL 2014 1. Introducción 2. Definiciones previas 3. Axiomas de la probabilidad 4. Definición de variable aleatoria 5. Variables aleatorias discretas y continuas 6. Modelos de probabilidad: Distribución
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 010, 007, 004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos a
Más detallesTH. DE CHEBYSHEV DISTRIB. NORMAL.
f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y función de distribución.
Más detallesEJERCICIOS RESUELTOS TEMA 6.
EJERCICIOS RESUELTOS TEMA 6. 6.1. Una variable aleatoria es discreta si entre dos valores consecutivos: A) existen infinitos valores intermedios; B) no existen valores intermedios; C) existen valores intermedios
Más detallesCálculo de probabilidad. Tema 1: Combinatoria y probabilidad
Cálculo de probabilidad Tema 1: Combinatoria y probabilidad Guión Guión 1.1. Análisis combinatorio Regla de multiplicación Este es el método de conteo más sencillo que existe. Supongamos que realizamos
Más detallesDistribuciones continuas. La distribución Normal.
Distribuciones continuas. La distribución Normal. Matemáticas CSSS II Cuaderno de ejercicios MATEMÁTICAS JRM Nombre y apellidos... Distribuciones continuas. La distribución normal Página 2 OBJETIVOS 1.
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesMATEMÁTICAS: EBAU 2017 JUNIO CASTILLA Y LEÓN
MATEMÁTICAS: EBAU 7 JUNIO CASTILLA Y LEÓN Opción A Ejercicio A Sean A = ( 4 ) y B = ( 3 ), a) Estudiar si A y B tienen inversa y calcularla cuando sea posible. ( punto) Una matriz cuadrada M tiene inversa
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detalles