II. PROBABILIDADES CONDICIONALES. 2.1 Definiciones. Supongamos que lanzamos dos dados
|
|
- Nieves Eva María Villalobos Rojas
- hace 5 años
- Vistas:
Transcripción
1 II. PROBABILIDADES CONDICIONALES. 2. Defncones Supongamos que lanzamos dos dados p( ω ) con ω ( ω, ω 2 ) ω, ω 2 6 {,2,...,6} S observamos que el prmer dado muestra el número 4, Cual es la probabldad de que la suma sea gual a 6?. Las sguentes combnacones: (4,), (4,2), (4,), (4,4), (4,5), (4,6) tenen la msma probabldad condconal gual a /6. Mentras de las otras 0 tenen una probabldad gual a cero. Veamos esto con nuestra notacón. Sean: E { (ω,ω 2 ) / ω + ω 2 6 } { (,5), (2,4), (,), (4,2), (5,) } Luego P(E dado que se sabe que ocurró F) /6 F { (ω,ω 2 ) / ω 4 } { (4,), (4,2), (4,), (4,4), (4,5), (4,6) } Defncón 2. Probabldad condconal: P(E / F) P(E F) con > 0 P(E/F) : Probabldad de que E se presente dado que F ya se presentó. En consecuenca la Regla General de multplcacón es: n (I P E ) P( E) * P( E 2 / E) * P( E/ EE 2) * P( E 4 / EE 2E) *...* P( En / EE 2.. En ) Ejerccos. e)cartas numeradas del al 0 son mezcladas. S sabemos que el número de la últma carta es al menos un 5, cuál es la probabldad (condconal) de que ella sea el 0?. Con S {,2,...0}, sean E { El número de la carta es el 0 } {0} F { El número es al menos un 5 } {5,6,7,8,9,0} 8
2 E P(E F) P(E) Ω P(E/F) F Ω e2)en un retén se encuentran 2 nños ordenados por la edad, cual es la probabldad de que ambos son varones s se conoce que uno de ellos lo es?. S { (v,v),(v,h),(h,v),(h,h) } E { (v,v) } F { (v,v),(v,h),(h,v) } P(E/F) P(E F) P(E) E Ω F Ω 4 4 e)un estudante que no sabe sufcente nglés tene la oportundad de tomar un curso especalzado en Computacón en Inglés el próxmo semestre. Este estudante podrá fnancarse el curso de Inglés con probabldad /2 durante este semestre. S toma el curso de Inglés antes de tomar el curso de Computacón su probabldad de aprovechar realmente el curso de Computacón es /. Cuál es la probabldad de que el estudante aprovecha el curso en Computacón y toma el curso de Inglés? Solucón: F : El estudante toma el curso de Inglés antes del de Computacón E : El estudante aprovecha el curso en Computacón P(E/F) P (E F) P (F) > P(E F) *P(E/F) /2 * / /6 e4)en una cadena de bts se encuentran 7 bts con valor '' y 5 bts con valor '0'. S se escogen al azar dos bts, cuál es la probabldad de que ambos tengan valor ''? Solucón: F : El prmer bt escogdo esta en '' E : El segundo bt escogdo esta en '' S el prmer bt escogdo esta en '', entonces quedarían en la cadena 6 bts en '' y 5 en '0'. P(E/F) 6/ 7/2 Luego, P(E F) P(E/F) 6/ * 7/2 42/2 Tarea del lector: Hacer el ejercco anteror pero escogendo al azar bts en vez de 2. 9
3 Eventos Independentes. Defncón 2.2 E y F son ndependentes s P(E F) P(E) (Observacón: Esta defncón mplca que P(E/F) P(E) y que P(F/E) ) e) En el lanzamento de dos dados, sean: Ω { (, j ) /,j,...,6 } Ω 6 E : La suma de los números mostrados por los dados es 6 E { (,5), (2,4), (,), (4,2), (5,) } F : El prmer dado muestra un 4. F { (4,), (4,2), (4,), (4,4), (4,5), (4,6) } Entonces E y F no son ndependentes. P(E F) P({(4,2)}) /6 y P(E)* 5/6 * /6 5/26 Por el contraro s E fuese: La suma es 7, entonces E y F s serían ndependentes. Veamos, P(E F) P({(4,)}) /6 P(E) /6 * /6 /6 Generalzacón de la defncón de ndependenca. E,E 2,..,E n son eventos ndependentes { E,E 2,..,E r } con r n se cumple P( E,E,..,E ) P(E ) P(E )... P( E ) 2 r 2 r 2.2 Probabldades Totales. Sean E y F dos eventos cualquera en Ω. Tenemos que E EF EF C, y como EF y EF C son mutuamente excluyentes (dsjuntos) entonces, P(E) P(EF) + P(EF C ) P(E/F) + P(E/F C ) P(F C ) P(E/F) + P(E/F C ) [ - ] Nota: P(E) es la suma ponderada dado que ocurró F o F C. Notés que tambén puede salr el (,5)). 0
4 Ejerccos. e) En un examen de seleccón múltple con m posbles respuestas un estudante conoce la respuesta con una probabldad p y la probabldad de que advne es -p. Cuál es la probabldad de que el estudante conteste correctamente?. Sean C y R eventos defndos de la manera sguente: C : El estudante responde correctamente R : El estudante conoce la respuesta. Luego se quere saber P(C). Dado que P(C/R) y P(C/R C ) es la probabldad de que su advnanza sea correcta tendremos, con m4 y p/2, P(C)5/8. P(C) P(C/ R) P(R)+ P(C/ R )P(R ) P(C) p+( m )(- p) Generalzacón de Probabldades Totales o Regla de elmnacón. S F,F 2,..,F n son una partcón de Ω y E en Ω, entonces n P(E) P( F )P(E / F ) e2) En una fábrca se elabora un certo producto con maqunas dferentes (MI, MII, MIII). En estas maqunas el %, 5% y 2% de los productos resultan defectuosos respectvamente. Del total de la produccón de esa fábrca el 20% es elaborado por la maquna I, el 0% por la maquna II y el 50% por la maquna III. Cuál es la probabldad de que al tomar al azar un producto de esa fábrca este resulte defectuoso? Sean: F : El producto fue elaborado en M. ( I, II, III). E : El producto resulta defectuoso. donde: P(FI).2 ; P(FII). ; P(FIII).5 P(E/FI).0 ; P(E/FII).05 ; P(E/FIII).02 Luego, P(E) P(E/FI)P(FI) + P(E/FII)P(FII) + P(E/FIII)P(FIII) P(E).0 (es decr, el,% de los productos es defectuoso).
5 2. Fórmula de Bayes Sean E y F en Ω, luego se cumple: P(F / E) P(E / F) P(E / F) + P(E / F )P( F ) e) En dos cadenas de bts se conoce que en la a. cadena hay 2 bts en '' y 7 en '0' y en la 2da. cadena 5 están en '', 6 en '0' respectvamente. Con el lanzamento de una moneda se decde escoger un bt en la prmera o segunda cadena, dependendo s sale cara(c) o sello(s). Cuál es la probabldad de que el resultado fue cara dado que se escogó un bt en ''?. Sean defndos los eventos C y B de la manera sguente: B : El bt selecconado está en C : La moneda sale cara. Luego lo que se quere saber es, P(C/B) P(CB) P(B) P(B/C)P(C) P(B) P(B/C)P(C) P(B/C)P(C)+ P(B/ C.284 C )P(C C ) e2)en un examen de seleccón múltple con m posbles respuestas un estudante conoce la respuesta con una probabldad p y la probabldad de que advne es -p. Cual es la probabldad de que el estudante conocía la respuesta que contesto correctamente?. Sean C y R eventos defndos de la manera sguente: C : El estudante responde correctamente R : El estudante conoce la respuesta. Luego se quere saber: P(R/ C) P(RC) P(C) P(C/ R) P(R) P(C/ R) P(R)+ P(C/ R ) P( R ) Dado que P(C/R) y P(C/R C ) es la probabldad de que su advnanza sea correcta tendremos, P(R/ C) p p+( )(- p) m 2
6 con m5 y p/2, P(R/C)5/6 e) Los exámenes del laboratoro de una clínca prvada resultan correctos en el 95% de los casos de nfeccón cuando la nfeccón esta presente. Estos exámenes arrojan un resultado "postvo" que es falso en el % de las personas sanas que se someten al examen, es decr, que s la persona esta sana entonces el examen le puede decr con una probabldad.0 que ella esta enferma. Además se sospecha que el 5% de la poblacón tene esa nfeccón. Cuál es la probabldad de que una persona tenga la nfeccón dado que recbó un resultado postvo? S D: La persona tene la nfeccón y E: El resultado del examen es postvo, la nterrogante será P(D/E)?. P(D/ E) P(DE) P(E) P(E/ D) P(D) P(E/ D) P(D)+ P(E/ D )P(D ) (.95)(.05) (.95)(.05)+(.0)(.95) Esto sgnfca que solo el 8,% de las personas cuyos resultados fueron postvos tenen la nfeccón. Generalzacón de la fórmula de Bayes. Sean F,F 2,..,F n una partcón de Ω (son mutuamente excluyentes). Entonces, E EF P(E) P(EF ) P(E/F )P(F ). Por ello, con P(F j /E) P(EF j )/P(E) tendremos fnalmente la fórmula de Bayes: P( F /E) j n P(E / F )P( F ) j P(E / F )P( F ) j e) Supongamos que colocamos un archvo en uno de tres drectoros que se han creado. Sea p la probabldad de encontrar el archvo en el drectoro luego de una breve nspeccón en caso de que el archvo se encuentre en el drectoro (p <). Suponendo que se revsa superfcalmente el er. drectoro y no se encuentra el archvo que se busca. Cuál es la probabldad de que el archvo se encuentre efectvamente en ese drectoro?. Sea F (,2,) el evento de que el archvo se encuentra en el drectoro y sea E el evento de que una búsqueda superfcal en el drectoro no se converte en la aparcón de el archvo. En base a esto se desea conocer la P(F /E). Aplcando el teorema de Bayes tendremos: P( F /E) P(E/ F )P( F ) P(E/ F )P(F ) (- p ) (- p ) + *+ * - p -p
7 4
Clase Auxiliar #1: Teoría de Juegos
UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía
Más detallesCapítulo 4 Probabilidades Estadística Computacional II Semestre 2006
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesGeometría convexa y politopos, día 1
Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesInstrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesPyE_ EF1_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesCURSO DE VERANO C.O.U II/ 2º BACHILLERATO I ESTADISTICA
ESTADISTICA 1º.- La sguente tabla muestra las frecuencas relatvas de respuestas contestadas en un test por 50 personas. Intervalo Marca de clase Frecuenca Frecuenca absoluta relatva 0-0.1 5-9 0.3 10-1
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detalles5ª Parte: Estadística y Probabilidad
ª Parte: Estadístca y Probabldad. Las notas de los alumnos de una clase son:,,,, 6, 7,,,,,,,, 7,,,, 6,, Haz una tabla de frecuencas. Solucón Varable Frecuencas absolutas Frecuencas relatvas estadístca
Más detallesTEMA 1: INCERTIDUMBRE Y PROBABILIDAD
MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD 1.1.- La probabldad. Conceptos y cuantfcacón 1.2.- Defncón axomátca de la probabldad 1.3.- Probabldad condconada e ndependenca 1.4.- Probabldad
Más detallesTEMA 1: PROBABILIDAD
robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesASIGNACION 2 INEL3105 A revisar a partir del 1 marzo.
SIGNION INEL305 revsar a partr del marzo. Problema. Para un crcuto con bpolos, formamos el gráfco, o grafo (graph) susttuyendo cada bpolo por una línea que une los dos nodos a los que está conectado. Esta
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesProbabilidad Condicional. Dr. José Dionicio Zacarias Flores
Probabilidad Condicional Dr. José Dionicio Zacarias Flores Introducción Sea E un experimento aleatorio con espacio de probabilidad (Ω,F,P). Algunas veces podemos poseer información incompleta sobre el
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detalles( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov
1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3 PROBABILIDAD Y ESTADISTICA LABORATORIO PARA EXAMENES EXTRAORDINARIOS INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA
Más detallesNúmeros Reales y Complejos
Apéndce C Números Reales Complejos Ejerccos resueltos Halla los números reales que cumplen la condcón a a S a 0 : a a a 0 No este solucón S a < 0 : a a a a Halla todos los números r tales que r < a) S
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesINSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO.
INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO. I.- RELACIONE AMBOS COLUMNAS Y SELECIONE LA RESPUESTA CORRECTA
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesMATEMÁTICAS BÁSICAS PROBABILIDAD
MATEMÁTICAS BÁSICAS PROBABILIDAD Autora: Alejandra Sánchez Departamento de Matemáticas Sede Bogotá 10 de diciembre de 2013 Introducción a la Probabilidad Definición espacio muestral y eventos Definición
Más detallesPráctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun
Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco
Más detalles(4 3 i)(4 3 i)
E.T.S.I. Industrales y Telecomuncacón Curso 00-0 Grados E.T.S.I. Industrales y Telecomuncacón Asgnatura: Cálculo I Ejerccos resueltos Calcular el valor de a y b para que b a 4 sea real y de módulo undad
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUCCIÓN A LA PROBABILIDAD José Lus Quntero Expermento aleatoro Expermento Bnomal Teoría de Conjuntos Probabldad Teorema de Bayes Técncas de Conteo Unversdad Central de Venezuela Facultad de Ingenería
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesDr. Francisco Javier Tapia Moreno. Octubre 14 de 2015.
Dr. Francisco Javier Tapia Moreno Octubre 14 de 2015. Nuestra explicación anterior de intersecciones y uniones indica que nos interesa calcular las probabilidades de sucesos tales como A y B y A o B. Estos
Más detallesAPLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.
APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detallesDr. Francisco Javier Tapia Moreno. Octubre 19 de 2016.
Dr. Francisco Javier Tapia Moreno Octubre 19 de 2016. Introducción En esta ocasión veremos otros conceptos básicos de probabilidad tales como las reglas de la probabilidad, la probabilidad condicional
Más detallesEjercicios Resueltos de Vectores
Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB
Más detallesVectores en el espacio
ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c
Más detallesCapítulo V. Teoremas de Fermat, Euler y Wilson
Capítulo V Teoremas de Fermat, Euler y Wlson En este capítulo utlzamos los conceptos desarrollados en dvsbldad y conteo para deducr tres teoremas báscos de la teoría de números. En el próxmo capítulo,
Más detallesx i P(X = x i ) k q k 1 p = p/(1 q) 2 = 1/p
TEMA 2 { el de la realdad que queremos entender, o sus metáforas, Recordar: los dos planos en los que trabajamos el de las defncones con las que construmos nuestros modelos. Empecemos por el prmero: 2.1.
Más detallesNúmeros de Bernoulli y números de Stirling
Números de Bernou y números de Strng Aexey Beshenov (cadadr@gma.com 2 de Marzo de 27 Dgresón combnatora: os números de Strng Nuestro próxmo objetvo es obtener agunas expresones para os números de Bernou
Más detallesI.E.S. Historiador Chabás -1- Juan Bragado Rodríguez
Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF
RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,
Más detalles2º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 10.- PROBABILIDAD PROFESOR: RAFAEL NÚÑEZ NOGALES
1.- EXPERIMENTOS ALEATORIOS. SUCESOS 1 Se consideran los sucesos A y B. Exprese, utilizando las operaciones con sucesos, los siguientes sucesos: a) Que no ocurra ninguno de los dos. b) Que ocurra al menos
Más detallesProbabilidad condicional
4 Profra. Blanca Lucía Moreno Ley March 18, 2014 Sumario 1 Resumen 2 Probabilidad Supongamos que un experimento E tiene un espacio muestral U y un evento A está definido en dicho espacio muestral, entonces
Más detallesVariables aleatorias discretas
UNIDAD 5 Varables aleatoras dscretas Objetvos Al fnalzar la undad, el alumno: utlzará el método de puntos muestrales asocado a varables aleatoras dstngurá una varable aleatora dscreta de una varable aleatora
Más detalles+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2
13. Consdere un mercado en el que hay dos consumdores con las sguentes funcones de utldad: U 1 (x 1,y 1 = 4x 1 (x 1 + y 1 ; U (x,y = ax (x + y con 4 > a >0 donde x, =1,, es la cantdad del ben x consumda
Más detallesTema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas
Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el
Más detallesMecánica Estadística: Estadística de Maxwell-Boltzmann
Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesPrincipio del palomar
Prncpo del palomar Juana Contreras S. Claudo del Pno O. Insttuto de Matemátca y Físca Unversdad de Talca Introduccón Cuando se reúnen 367 personas, es seguro que debe haber al menos dos personas que cumplen
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesUNIDAD N 1 ESPACIOS VECTORIALES
UNIDAD N ESPACIOS VECTORIALES ESPACIOS VECTORIALES DEFINICIÓN Nº : Un CUERPO F es un conjunto con dos operacones (denotadas por + y ) que satsface las sguentes propedades: + ) La adcón es conmutatva, o
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detallesUnidad Nº III Unidad Aritmética-Lógica
Insttuto Unverstaro Poltécnco Santago Marño Undad Nº III Undad Artmétca-Lógca Undad Artmétca-Lógca Es la parte del computador que realza realmente las operacones artmétcas y lógcas con los datos. El resto
Más detalles1.1 Ejercicios Resueltos Tema 1
.. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesNÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1
NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular
Más detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesPRIMER PARCIAL (30%) SÁBADO 10/11/12
PROBBILIDDE PRIMER PRCIL (30%) ÁBDO 0// PROBLEM. Una empresa productora de antenas sateltales tene tres máqunas dedcadas a la produccón de antenas cuyo rado de pantalla debe ser de cm. Debdo a desperfectos
Más detallesTEMA 7. ANÁLISIS DE SUPERVIVENCIA
TEMA 7. ANÁLISIS DE SUPERVIVENCIA CONTENIDOS 7. Funcón de supervvenca. 7.2 Estmacón no paramétrca de la funcón de supervvenca. 7.2. Tempos de supervvenca dscretos. Estmador de Kaplan-Meer. 7.2.2 Tempos
Más detallesMirando el diagrama Venn, vemos que A =(A y B) (A y B)
En el Ejemplo 122, hemos aplicado otra regla útil de la probabilidad. Teorema 8 Para dos sucesos A y B, setiene P (A) =P (A B)P (B) +P (A B)P ( B). Demostración Ω A y B A y B A B Mirando el diagrama Venn,
Más detallesOCION elegr opcones) Ejercco 1 EJERCICIOS Un rombo tene 30 m de superfce su ángulo menor es de 4º, Calcule la longtud de su lado. Ejercco S sumamos uno a un número calculamos su raíz cuadrada postva, se
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detallesTeoría elemental de la probabilidad
La es el medio por el cual a partir de la información muestral tomamos decisiones o hacemos afirmaciones que se refieren a toda una población, mediante el proceso llamado inferencia estadística La nos
Más detallesProbabilidad Eventos mutuamente excluyentes y no excluyentes
Definition (Probabilidad de eventos mutuamente excluyentes) Sean A, B S y A B = {φ}, entonces P(A B) = P(A) + P(B) 1 Definition (Probabilidad de eventos mutuamente excluyentes) Sean A, B S y A B = {φ},
Más detalles