CPE (SEGUNDO CURSO) PRÁCTICA 8 SOLUCIONES (Curso )
|
|
- María Rosario Padilla Carrasco
- hace 6 años
- Vistas:
Transcripción
1 1/8 CPE (SEGUNDO CURSO PRÁCTICA 8 SOLUCIONES (Curso En un cierto tramo de una carretera comarcal de dos sentidos pasan vehículos a razón de 3 vehículos por minuto en un sentido (sentido A y 5 vehículos por minuto en el otro (sentido B. Se considera que la llegada de vehículos son llegadas de Poisson. Se pide: a Calcular la probabilidad de que en 30 segundos pasen más de 5 vehículos en total. b Si en 20 segundos pasa un solo vehículo, cuál es la probabilidad que circule por el sentido A? c Debido a la falta de paso señalizado, un peatón decide cruzar la carretera en un lugar de muy difícil visibilidad. El tiempo que tarda en cruzar la carretera es de 12 segundos. Calcular la probabilidad de que el peatón no sea atropellado. Téngase en cuenta que la carretera consta de dos sentidos de circulación y supóngase que el tiempo usado por el peatón para cruzar cada sentido es el mismo. (a Sentido A l=3 veh/min Sentido B l=5 veh/min Sea X el número de vehículos que circulan por el sentido A e Y el que circula por el sentido B. Sabemos que X P (ν x = λ x T y que Y P (ν y = λ y T. Introduciendo los datos obtenemos que X P (1.5 e Y P (2.5. Suponiendo que las llegadas en ambos sentidos son independientes y ya que la distribución de Poisson es regenerativa respecto a la suma, podemos obtener la variable aleatoria Z, que representa el número total de vehículos que circulan por la carretera como Z = X + Y = P (ν x + ν y = P (4 Una vez que conocemos la distribución de Z podemos calcular la probabilidad solicitada como P [Z > 5] = 1 P [Z 5] = (b Dado que T = 20 segundos, las distribuciones de las variables aleatorias X, Y y Z son:
2 2/8 X P (1, Y P ( 5 3 y Z P ( 8 3. La probabilidad solicitada es donde P [X = 1 Z = 1] = P [Z = 1 X = 1]P [X = 1] P [Z = 1 X = 1]P [X = 1] + P [Z = 1 Y = 1]P [Y = 1], P [Z = 1 X = 1] = P [Y = 0] = P [Z = 1 Y = 1] = P [X = 0] = P [X = 1] = P [Y = 1] = P [Z = 1] = P [Z = 1 X = 1]P [X = 1] + P [Z = 1 Y = 1]P [Y = 1] = = P [Y = 0]P [X = 1] + P [X = 0]P [Y = 1] = Por tanto, la probabilidad solicitada es P [X = 1 Z = 1] = = Además, por el teorema de la probabilidad total se puede comprobar que la distribución de Poisson es regenerativa respecto a la suma. Dado que conocemos la distribución de la variable aleratoria Z, podemos calcular P [Z = 1] = e 8/3 (8/3 1 1! = Se ha obtenido la misma probabilidad, tal y como se esperaba. (c El peatón tarda el mismo tiempo en recorrer cada uno de los carriles, es decir, T = 6 segundos. Por tanto X P (0.3, Y P (0.5. T=6 segundos T=6 segundos Por tanto la probabilidad solicitada es p = P [X independientes, = 0 Y = 0], dado que se asumen p = P [X = 0]P [Y = 0] = e 0.3 (0.3 0 e 0.5 ( ! 0! = El peatón tiene una probabilidad de aproximadamente un 55 % de sufrir un atropello.
3 3/8 2. Un distribuidor vende repuestos en paquetes de 0, y garantiza que, a lo sumo, el % son defectuosos. Un cliente controla cada paquete extrayendo repuestos. Si esta muestra no contiene repuestos defectuosos, acepta el paquete. En caso contrario lo rechaza. Suponiendo que en los paquetes haya exactamente el % de repuestos defectuosos, calcular la probabilidad de que rechace el paquete si: a La muestra se extrae sin reemplazo. b La muestra se extrae con reemplazo. a Si la muestra se extrae sin reemplazo el número de repuestos defectuosos (éxitos en las extracciones se distribuye según una distribución hipergeométrica, es decir ( ( 90 x x P X (x = ( 0 Si llamamos C al suceso el cliente rechaza el paquete podemos escribir P [C] = 1 P [ C ] = 1 P X (0 = 1 = 1 ( ( 90 0 ( 0 = 1 ( 90 ( 0 = 1 90! 80!! 0! 90!! = = b Si la muestra se extrae con reemplazo, X B(, 0.1. Por tanto P [C] = 1 P [ C ] = 1 P X (0 = 1 = = = = 1 90!90! 80!0! = ( (1 p n 0 p 0 = 1 (1 p = 0
4 4/8 3. Deben sustituirse 8 elementos electrónicos de un sistema, de los cuales 5 son de tipo A y 3 son de tipo B. El técnico que debe realizar la operación ha recibido 20 elementos, 12 del tipo A y 8 del tipo B, pero debido a deficiencias del envío no puede identificar los tipos, por lo que decide tomar 12 de estos componentes nuevos y comprobar in situ su adecuación. Hallar la probabilidad de que con estos 12 elementos puedan realizarse correctamente todas las sustituciones. Al tomar 12 elementos de los 20 que tenemos, el número N de elementos que son de tipo A corresponde obviamente a una distribución hipergeométrica N HG(20, 12, 12/20 Luego P N (n = ( 12 ( 8 n ( n, n = 4, 5,..., 12 Las sustituciones necesarias se podrán realizar si en los elementos elegidos hay al menos 5 de tipo A y al menos 3 de tipo B. O lo que es lo mismo, si hay 5,6,7,8 o 9 elementos de tipo A. Como los sucesos son incompatibles, la probabilidad pedida, q, es q = P N (5 + P N (6 + P N (7 + P N (8 + P N (9. Y operando resulta q =
5 5/8 4. A un silo de almacenamiento llegan diariamente N cargas de cemento. N está distribuido según Poisson con parámetro λ = 2 cargas/día. La instalación de descarga del silo puede procesar hasta tres cargas por día; el exceso de carga es despachado a otros silos. Se pide: a Probabilidad de procesar todas las cargas que llegan en un día. b En cuánto debería ampliarse la instalación de descarga para que la probabilidad de tener que rechazar cargas en un día cualquiera sea de 0.1? c Cuál es el número más probable de cargas que se procesarán en un día? d Calcular la esperanza matemática del número de cargas procesadas y rechazadas cada día. (a En términos de la variable aleatoria N, el suceso cuya probabilidad nos preguntan es [N 3] ya que 3 es la capacidad máxima de la instalación. La distribución de una variable de Poisson de parámetro λ = 2 en un período de tiempo unidad es de forma que P [N = n] = e 2 2n, n = 0, 1, 2,... n! P [N 3] = P [N = 0] + P [N = 1] + P [N = 2] + P [N = 3] = e 2 ( ! ! = (b Sea n 0 la nueva capacidad diaria de la instalación de descarga. Siendo de nuevo N la variable aleatoria número de cargas que llegan al silo durante un día, n 0 ha de cumplir que P [N > n 0 ] 0.1, es decir, P [N n 0 ] 0.9. De la misma forma que en el apartado anterior, n 0 P [N n 0 ] = n=0 n 0 P [N = n] = e 2 n=0 2 n n! = e 2 ( ! ! n0 n 0! y para que este valor sobrepase 0.9 es suficiente tomar n 0 = 4. Por lo tanto basta aumentar la capacidad de la instalación en una carga. (c Sea X la variable aleatoria número de cargas que se procesan en un día. X es función de la variable N, pero no coincide con ella. Claramente R X = {0, 1, 2, 3}; el suceso [X = n] coincide con [N = n] para 0 n 2 (si llegan dos cargas o menos, se procesan todas, mientras que el suceso [X = 3] coincide con [N 3] (si llegan tres cargas o más, se procesan tres. Así P [X = 0] = P [N = 0] = e 2 = P [X = 1] = P [N = 1] = 2e 2 = P [X = 2] = P [N = 2] = e 2! = P [X = 3] = P [N 3] = 1 (P [N = 0] + P [N = 1] + P [N = 2] = El valor más probable para X es por lo tanto 3.
6 6/8 (d En el apartado anterior calculamos la distribución de la variable aleatoria X (número de cargas procesadas en un día. Su esperanza matemática es E(X = 0 P [X = 0] + 1 P [X = 1] + 2 P [X = 2] + 3 P [X = 3] = La variable aleatoria Y = número de cargas rechazadas en un día se puede obtener como Y = N X. Por lo tanto E(Y = E(N E(X; teniendo en cuenta que la esperanza de N es λt = 2 1 = 2 (ver momentos de una variable de Poisson, resulta E(Y =
7 7/8 5. Una ingeniería ha decidido presentarse a todos los concursos que salgan en su Comunidad Autónoma, para proyectos en temas de carreteras, hasta que consiga dos adjudicaciones. La probabilidad de que le adjudiquen un proyecto en un concurso es del 50 %, y se considera que el resultado de cada concurso es independiente del de los demás. Se desea saber: a La media de concursos a los que habrá de presentarse la empresa. b El número más probable de concursos a los que habrá de presentarse la empresa. c La media del número de concursos que no se le adjudicarán a esta empresa hasta que se le adjudiquen dos. Sea X el número total de concursos a los que ha de presentarse la empresa. Sea G el suceso ganar el concurso. Obviamente, P [G] = 0.5. La variable X tiene (si cada concurso es independiente de los demás una distribución de Pascal de parámetros k = 2 y p = 0.5, en la que denominamos éxito al hecho de ganar el concurso. Entonces a b La función de probabilidad de X es X BN(k, p = E[X] = k p = = 4 P X (x = Sustituyendo y operando Dando valores P X (2 = = 0.25 P X (3 = = 0.25 P X (4 = m = P X (5 = m = ( x 1 (1 p x k p k, x = k, k + 1,... k 1 ( x 1 P X (x = 0.5 x = (x 10.5 x, x = 2, 3, 4,... 1 P X (6 = m = y así sucesivamente, luego el número más probable de concursos a los que habrá de presentarse la empresa es 2 o 3 (con la misma probabilidad. c Sea Y el número de concursos que no se le adjudicarán a esta empresa hasta que se le adjudiquen dos. Obviamente Y = X 2 luego E[Y ] = E[X 2] = E[X] 2 = 4 2 = 2.
Probabilidad, Variables Aleatorias y Distribuciones
Prueba de Evaluación Continua Grupo B 8-X-5.- Un ladrón perseguido por la policía llega a un garaje que tiene dos puertas: una conduce al recinto A en la que hay coches de los que sólo tienen gasolina
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
GRUPO A Prueba de Evaluación Continua 5-XII-.- Tres plantas de una fábrica de automóviles producen diariamente 00, 00 y 000 unidades respectivamente. El porcentaje de unidades del modelo A es 60%, 0% y
Más detallesb) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 4, curso 2006 2007. Ejercicio 1. Suponer que los cuatro motores de una aeronave comercial se disponen para que
Más detallesI E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS PROBABILIDAD
I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS PROBABILIDAD Sean A y B dos sucesos con P(A0,, P(0, y P(A 0,. Calcular las probabilidades: a P(A/ b P(A/A c P(A B/A d P(A/A. Tenemos: ( ( ( ( P A
Más detalles1.1. 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 detallesMatemática 3 Curso 2013
Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones
Más detallesETSI de Topografía, Geodesia y Cartografía
Distribuciones (discretas y continuas) EVALUACIÓN CONTINUA (Tipo I) 14-XII-11 1. Una prueba del examen de Estadística consiste en un cuestionario de 10 preguntas con tres posibles respuestas, solamente
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #4 Tema: Actividad práctica (Esperanza matemática, Distribución Binomial y Poisson) Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE
Más detallesUNIVERSIDAD 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 detallesETSI de Topografía, Geodesia y Cartografía. Probabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA
robabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA -XII- Grupo B.- Tres máquinas de una planta de montaje producen el %, 5% y 5% de productos, respectivamente. Se sabe que el %, %,
Más detallesSelectividad Septiembre 2007 SEPTIEMBRE 2007
Bloque A SEPTIEMBRE 2007 1.- Cada instalación de una televisión analógica necesita 10 metros de cable y cada instalación de televisión digital necesita 20 metros. Cada televisión analógica necesita 20
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesPreguntas más Frecuentes: Tema 6
Preguntas más Frecuentes: Tema 6 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 6.2, no entiendo por qué dividimos entre 8. Si tiro 3 veces la moneda y las opciones son
Más detallesDepartamento 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 detallesAlgunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson
Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución
Más detallesEvAU 2018 Opción A. Comunidad de Madrid. 2x (m + 1)y + z = 1. x + (2m 1)y + (m + 2)z = 2 + 2m, 1 m 0. 2 m m 1 m + 2
} EvAU 28 Opción A Comunidad de Madrid } Ejercicio. Dado el sistema de ecuaciones + my m + )y + z se pide: + 2m )y + m + 2)z 2 + 2m, a) Discutir el sistema en función del parámetro m. b) Resolver el sistema
Más detallesDISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL 1.- El 10 % de los artículos producidos en un cierto proceso de fabricación resulta ser defectuoso. Calcular: (1) La probabilidad de que en una muestra de 10 artículos elegidos al
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Actividad Práctica #1 Tema: Actividad práctica (Variable Aleatoria, Esperanza matemática, Distribución Binomial y Poisson) Prof.: MSc. Julio
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 detallesEjercicios Distribución Discretas
1 Ejercicios Distribución Discretas Distribución Binomial 1. Sea X Bin(15; 0,3). Calcular las siguientes probabilidades. a) P (X = 8) b) P (X 10) c) P (X > 8) d) P (6 < X < 11) 2. Sea X Bin(8; 0,45). Calcular
Más detallesIntroducción 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 detallesPROBABILIDAD 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 detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesa) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características
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 detallesVariables 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 detallesESTADÍSTICA 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 detallesNotas de clase. Prof. Nora Arnesi
Notas de clase Este material está sujeto a correcciones, comentarios y demostraciones adicionales durante el dictado de las clases, no se recomienda su uso a aquellos alumnos que no concurran a las mismas
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Otoño 3 Duración: 3 horas FECHA: 9 de Enero de 4 Fecha publicación notas: 6--4 Fecha revisión
Más detalles5 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 detallesVariables 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 detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesMatemática 3 Curso 2014
Matemática 3 Curso 204 Práctica 4: Variables aleatorias continuas. Funciones de distribución de probabilidad uniforme, exponencial, normal ) El tiempo total, medido en unidades de 00 horas, que un adolescente
Más detallesRelación de Problemas. Tema 5
Relación de Problemas. Tema 5. Supongamos que tenemos una muestra aleatoria simple de tamaño n de una v.a. X que sigue una distribución geométrica con función de probabilidad P (X = k) = p( p) k Calcular
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD MATERIAS DE MODALIDAD: FASES GENERAL Y ESPECÍFICA CURSO
PRUEBAS DE ACCESO A LA UNIVERSIDAD MATERIAS DE MODALIDAD: FASES GENERAL Y ESPECÍFICA CURSO 2015 2016 MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. II Convocatoria: JULIO - Cada alumno debe elegir sólo una
Más detallesEXAMEN DE ESTADÍSTICA Junio 2008
EXAMEN DE ESTADÍSTICA Junio 2008 Apellidos: Nombre: DNI GRUPO: 1. a) Sean A y B sucesos incompatibles. Obtener una condición que asegure que también son independientes. Si X sigue una distribución normal
Más detallesEJERCICIOS Y PROBLEMAS RESUELTOS
Ecuaciones de Segundo Grado -- página 1 EJERCICIOS Y PROBLEMAS RESUELTOS Ejercicio 1: Indica si son ecuaciones de segundo grado las siguientes ecuaciones: a) 5 + 8 + b) + + ( )( + ) c) + 1 a) El primer
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 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 detallesUnidad 12 Probabilidad
Unidad robabilidad ÁGIN 8 OLUCIONE. Ninguno de los dos resultados tiene mayor probabilidad de salir, ya que el azar no tiene memoria.. La probabilidad es: 8. El resultado más probable es caras y cruces
Más detallesEl 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 detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detalles0 si x<0. si 1 x<2 1 si x 2. si 4 x 6 1 si x>6. 1 e x si x 0
Probabilidades y Estadística (M) Práctica 3 2 cuatrimestre 2004 Variables Aleatorias. Sea X una v.a. con función de distribución (a) F X (x) = 0 si x< 3 4 si 3 x< 3 4 si x
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesApuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesGeneralidades 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 detallesTema 6 Algunas distribuciones importantes Hugo S. Salinas
Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente
Más detallesR 4 R 3. Solución. Establecemos las siguientes 3 mallas aprovechando el hecho de que conocemos los valores de V e I.
Problema º. Dado el siguiente circuito donde,,,, y 4, son datos conocidos, calcular e por: a) El método de corrientes de malla. b) El método de tensiones en los nudos. c) Obteniendo el circuito equivalente
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 detallesPROBABILIDADES Y ESTADÍSTICA (C) PRÁCTICA 5
PROBABILIDADES Y ESTADÍSTICA (C) PRÁCTICA 5 t* 1. En una línea de producción los productos pasan por 4 procesos sucesivos (preparación, armado, control y embalaje) hasta quedar listos para la venta. Sean
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detalles(2) X(3I + A) = B 2I (3) X(3I + A)(3I + A) 1 = (B 2I)(3I + A) 1 (5) X = (B 2I)(3I + A) 1
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta B 1. a) Despeja la matriz X en la siguiente ecuación
Más detallesENUNCIADO 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 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 detallesMÓDULO I. TEORÍA DE LA PROBABILIDAD
UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesBárbara Cánovas Conesa
67 70 Julio 08 espués de la administración por vía oral de un fármaco, la concentración de este en sangre sigue el modelo: C(t) at e bt ; donde t [0; + ) es el tiempo en horas transcurridas desde la administración
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 detallesPROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN
FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN Usando las frecuencias relativas, se tiene: b) La
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 detallesUNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES
UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES VARIABLE ALEATORIA DISCRETA. Definición. Se dice que una v.a es discreta si el conjunto de todos los valores que puede tomar es un conjunto,
Más detallesDefinición 1 (Probabilidad Condicional) Observación 1 Se puede aplicar la definición también a variables discretas o continuas.
CAPÍTULO 1: ALGUNAS REGLAS DE PROBABILIDAD Para leer Lee: Capítulo 1 Definición 1 (Probabilidad Condicional) Para dos sucesos A y B, P (A B) P (A B) P (B) Observación 1 Se puede aplicar la definición también
Más detallesDistribuciones Discretas
Capítulo 4 Distribuciones Discretas 4.1. Distribución Bernoulli Un experimento Bernoulli es un experimento aleatorio, cuyos resultados pueden clasificarse de dos maneras mutuamente excluyentes y exhaustivas,
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesPROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014
PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014 1. Un nuevo restaurante de comida rápida tiene una sola caja. En media, los clientes llegan a la caja con una tasa de 20 a la hora. Las llegadas se suponen
Más detallesSoluciones a los ejercicios propuestos del Tema 8
Soluciones a los ejercicios propuestos del Tema 8 1 Soluciones a los ejercicios propuestos del Tema 8 8.1.(a) Se ha de dibujar la gráfica de la función (de p) P a (p), que es la probabilidad de aceptar
Más detallesUniversidad Carlos III de Madrid
Universidad Carlos III de Madrid Ejercicio 2 3 4 5 6 Total Puntos Departamento de Economía Examen Final de Matemáticas I 24 de Junio de 26 Duración del Examen: 2 horas. APELLIDOS: NOMBRE: DNI: Titulación:
Más detallesESTADÍSTICA Y ANÁLISIS DE DATOS. Práctica del Tema 5. Variable aleatoria (en R y R 2 )
ESTADÍSTICA Y ANÁLISIS DE DATOS Práctica del Tema 5. Variable aleatoria (en R y R ). Se considera un dado regular y se define la v.a. X: puntuación obtenida en un lanzamiento cualquiera de dicho dado.
Más detallesEJERCICIOS 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 detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesPROBLEMAS DE ESTADISTICA
ESTADÍSTICA, CURSO 2008 2009 1 PROBLEMAS DE ESTADISTICA 2. DISTRIBUCIONES DE PROBABILIDAD 2 1. Una urna contiene 6 bolas blancas, 4 rojas y 2 azules. Si se extraen 3 bolas sucesivamente sin reemplazamiento,
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 detalles2. Encuentra el espacio muestral del experimento lanzar dos monedas. Si se define el suceso A = al menos una sea cara, de cuántos sucesos elementales
2. Encuentra el espacio muestral del experimento lanzar dos monedas. Si se define el suceso A = al menos una sea cara, de cuántos sucesos elementales consta A? Cuál es el suceso contrario de A? 3. Si consideramos
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesDISTRIBUCIÓN NORMAL (Laplace-Gauss)
DISTRIBUCIÓN NORMAL (Laplace-Gauss) 1.- El nivel de colesterol en una persona adulta sana sigue una distribución normal N (192; ). Calcula la probabilidad de que una persona adulta sana tenga un nivel
Más detallesEstadística Modelos probabilísticos discretos
Estadística Modelos probabilísticos discretos MODELOS ALEATORIOS Al considerar variables aleatorias distintas caemos en la cuenta de que sus comportamientos respecto a la distribución de probabilidad,
Más detallesUniversidad 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 detallesUnidad 12 Probabilidad
Unidad robabilidad ÁGIN 8 SOLUCIONES. Ninguno de los dos resultados tiene mayor probabilidad de salir, ya que el azar no tiene memoria.. La probabilidad es: 8. El resultado más probable es caras y cruces
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 detallesPROCESO DE NACIMIENTO PURO Y MUERTE PURA
PROCESO DE NACIMIENTO PURO Y MUERTE PURA En esta sección consideraremos dos procesos especiales. En el primer proceso, los clientes llegan y nunca parten y en el segundo proceso los clientes se retiran
Más detallesPara comprobar que el sistema es compatible determinado se calcula el determinante de la matriz de coeficientes. == = 75 == = 50
Septiembre 2. Ejercicio 4B. Calificación máxima: 2 puntos El cajero automático de una determinada entidad bancaria sólo admite billetes de 5, de 2 y de euros. Los viernes depositan el en cajero 225 billetes
Más detallesDepartamento de Matemática Aplicada a las T.I.C.
Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS PRIMERA PRUEBA (Otoño 2015 Duración: 1 hora y 45 min. FECHA: 26 de Octubre de 2015 APELLIDOS: NOMBRE: DNI:
Más detallesTema 4. Variables aleatorias discretas
Tema 4. Variables aleatorias discretas 508 Estadística. ETDI. Curs 2002/03 Cuestiones de Verdadero/Falso 1. En un proceso de Bernoulli, hay exactamente dos posibles resultados en cada prueba. 2. La fórmula
Más detallesFundamentos de la investigación en psicología
Fundamentos de la investigación en psicología TEMA 10 1º curso Grado Psicología Curso académico 2017-18 TEMA 10. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD: VARIABLES CONTINUAS 1. El modelo normal 2. Ejercicios
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesSEMESTRE TIPO 1 DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 3 DE 2008
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE 9- TIPO DURACIÓN
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 detallesUNIVERSIDAD POLITÉCNICA DE MADRID PRUEBA DE ACCESO PARA MAYORES DE 25 AÑOS Curso INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDAD POLITÉCNICA DE MADRID PRUEBA DE ACCESO PARA MAYORES DE 5 AÑOS Curso 17-18 Ex. Modelo MATERIA: MATEMÁTICAS II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN Después de leer atentamente
Más detallesSESIÓN 3 SERIES, SUCESIONES Y LÍMITES
SESIÓN SERIES, SUCESIONES Y LÍMITES I. CONTENIDOS: 1. Sucesiones y series. Idea intuitiva de límite. Ejercicios resueltos.- Estrategias Centradas en el Aprendizaje: Ejercicios propuestos II. OBJETIVOS:
Más detalles