EJERCICIOS RESUELTOS SUCESOS Y PROBABILIDAD

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

Download "EJERCICIOS RESUELTOS SUCESOS Y PROBABILIDAD"

Transcripción

1 Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez EJERCICIOS RESUELTOS SUCESOS Y PROBABILIDAD

2 Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez FUNDAMENTOS DE PROBABILIDAD E el mudo real hay feómeos regdos por leyes determadas, es decr, bajo codcoadas dadas. El resultado es prevsble, salvo quzás por errores de medda; estos feómeos deoma feómeos determstas, u ejemplo de ellos puede ser la caída de u objeto desde determada altura. Frete a estos feómeos exste otros muchos que o sgue uas leyes determadas. U feómeo o expermeto se dce aleatoro s puede dar lugar a varos resultados, s que pueda ser posble decr co certeza los resultados del msmo. Los feómeos aleatoros aparece e muchas dscplas cetífcas. Por ejemplo, e Mercadoteca teresa las catdades de certa mercacía veddas e días sucesvos; e Físca se detecta la preseca de rudos térmcos e u crcuto eléctrco; e Cotrol de Caldad teresa el úmero de ítems defectuosos producdos por certa máqua; e Medca el úmero de pacetes curados por certo fármaco, etc. Al descrbr u expermeto aleatoro es esecal especfcar qué aspecto del resultado teresa observar, es decr, cuál es el crtero para cosderar dos resultados como dferetes. Esta especfcacó se logra medate el espaco muestral. ESPACIO MUESTRAL.- Dado u expermeto aleatoro, el cojuto cuyos elemetos so los posbles resultados dferetes (que se desea cosderar dferetes) del msmo, se cooce como espaco muestral asocado al expermeto aleatoro, se deota por. Se preseta dversos tpos de espacos muestrales: a) E el lazameto de u dado se puede tomar como espaco muestral: 1, 2, 3, 4, 5, 6 b) E el expermeto aleatoro que descrbe el úmero de automóvles que cruza u 1, 2, 3, puete de peaje e u período dado, el espaco muestral es del tpo c) E el caso de elegr al azar u úmero real e el tervalo 0, 1, el espaco muestral asocado es precsamete 0, 1 Atededo al úmero de resultados posbles de u expermeto aleatoro se puede establecer los sguetes tpos de espacos muestrales: a) Espacos muestrales ftos: So aquellos que tee u úmero fto de elemetos, como puede ser la trada de u dado. b) Espacos muestrales ftos umerables: So aquellos e los que tee u úmero fto de elemetos y puede poerse e correspodeca buívoca co los úmeros aturales, como pude ser el úmero de automóvles que pasa por el puete de peaje. c) Espacos muestrales ftos o umerables: So aquellos e los que tee u úmero fto de elemetos y o puede poerse e correspodeca co los úmeros aturales, como puede ser la eleccó al azar de u úmero e el tervalo 0, 1. 1

3 SUCESOS.- U suceso asocado a u expermeto aleatoro correspode a la cuestó de que tega o o tega respuesta después de realzado el expermeto. E el lazameto de dos moedas, el espaco muestral asocado, sedo C cara y X cruz CC, CX, XC, XX : Es el úmero de caras meor o gual que uo?. La preguta tee respuesta y es, por tato, u suceso. El subcojuto de que respode afrmatvamete a la preguta es A CX, XC, XX Pudedo defr u suceso de u expermeto aleatoro como u subcojuto del espaco muestral, A, es decr, ua coleccó de putos del espaco muestral. OPERACIONES CON SUCESOS.- Para defr algo que mda la aleatoredad que detro de sí lleva los sucesos de u expermeto aleatoro es ecesaro costrur ua estructura matemátca. Para ello se defe certas operacoes co los sucesos. Uó de sucesos: Dados dos sucesos A y B, de certo expermeto aleatoro, se defe la uó de A y B, que se represeta por A B, a otro suceso que se deota por C, que ocurre sempre que ocurra A o sempre que ocurra B: A B C Iterseccó de sucesos: Dados dos sucesos A y B, de certo expermeto aleatoro, se defe la terseccó de A y B, que se represeta por A B, a otro suceso que se deota por D, que ocurre sempre que ocurra A y B smultáeamete: A B D Suceso complemetaro: Dado u suceso A, de certo expermeto aleatoro, se C defe el complemetaro de A, que se represeta por A óa, a otro suceso que ocurre sempre que o ocurre A. Suceso mposble: Dado el suceso A y su complemetaro A, juto co la operacó de terseccó, se defe u suceso que o ocurre uca, se le cooce como suceso mposble y se deota por : AA El suceso complemetaro del suceso mposble es el suceso seguro, que es precsamete el espaco muestral: Sucesos compatbles: Dados dos sucesos A y B, de certo expermeto aleatoro, se dce que estos sucesos so compatbles s su terseccó es el suceso mposble. AB A y B compatbles Sucesos cotedo e otro: Dados dos sucesos A y B, de certo expermeto aleatoro, se dce que A está cotedo e B s sempre que ocurre A ocurre B, se deota por A B. Se observa que dado cualquer suceso A, sempre ocurre A Dfereca de sucesos: Dados dos sucesos A y B, de certo expermeto aleatoro, se defe la dfereca de los sucesos A y B, y se deota por A B, el suceso C, que ocurra A y o ocurra B: C A B. Se observa que C AB AB Sucesos elemetales: Dado u suceso puede ocurrr que éste pueda ser descompuesto e sucesos más smples, de forma que la uó de éstos sea precsamete el suceso cosderado. A estos sucesos se les llama sucesos compuestos. Por otra parte, exste otros sucesos que o puede ser descompuestos e sucesos más smples, estos sucesos recbe el ombre de sucesos elemetales. 2

4 PROPIEDADES DE LA UNIÓN e INTERSECCIÓN DE SUCESOS: Comutatvas A B BA A B B A Asocatvas A (B C) (A B) C A (B C) (A B) C Dstrbutvas A (B C) (A B) (A C) A (B C) (A B) (A C) Elemeto eutro para la uó : A A para la terseccó : A A ÁLGEBRA DE BOOLE: Sea M u cojuto cualquera, la clase de sus subcojutos que verfca las codcoes de coteer a M, establdad para las operacoes de uó y complemetacó de subcojutos de M, recbe el ombre de álgebra de Boole. Sea C(M) ua clase de subcojutos de M, se dce que C(M) es u álgebra de Boole s verfca: a) M C(M) b) S A,BC(M) ABC(M) c) S A C(M) A C(M) Sea el cojuto que es el espaco muestral y ua clase formada por los sucesos que so subcojutos de, verfcado: a) C( ), ya que Ω es u suceso, el suceso seguro b) S A, B C( ) AB C( ) es otro suceso c) S AC( ) AC( ) es otro suceso La clase formada por los sucesos de u expermeto aleatoro tee estructura de álgebra de Boole, a ésta se la llama álgebra de Boole de sucesos y se deota por E el caso de que el espaco muestral sea fto (umerable o o umerable), se cosdera ua estructura más ampla, que es la σ - álgebra de sucesos, y e la que la dfereca esecal co el álgebra de sucesos es que la uó fta umerable de sucesos es otro suceso. Es decr, la clase de sucesos es u σ - álgebra sí a) b) S A A c) S A A 1 A la tera (,, P) se le llama espaco probablístco asocado a u expermeto aleatoro. 3

5 Ua varable aleatora es ua fucó defda sobre el espaco muestral (cojuto de resultados de u expermeto aleatoro) que toma valores e el cuerpo de los úmeros reales, es decr: : ( ) Ua varable aleatora puede ser dscreta o cotua segú sea el rago de esta fucó. E térmos matemátcos co rgor, dado u espaco probablístco (,, P) asocado a u expermeto aleatoro, ua fucó : es ua varable aleatora s x el cojuto / ( ) x FRECUENCIA DE UN SUCESO: El objetvo es defr sobre el álgebra de Boole de sucesos ua fucó que dque ua medda de la certeza o certdumbre e la ocurreca de los sucesos del expermeto aleatoro. Dado u suceso A, esto es, u suceso perteecete al álgebra de sucesos de u expermeto aleatoro, la frecueca absoluta del suceso A e ua sere de repetcoes smlares del expermeto, se deota por A. La frecueca relatva del suceso A es la frecueca absoluta dvdda por el úmero de veces que se realza el expermeto, deotádose por f A : 0 f 1 A A fa f 1 f 0 para cualquer suceso suceso seguro suceso mposble S dos sucesos A y B so compatbles, A B, sedo A la frecueca absoluta de A y B la frecueca absoluta de B, se tee que la frecueca absoluta de A B es A B A, teedo: AB A B A B B fab fa fb Es decr, f A B f A f B s A B PROBABILIDAD: Dado u expermeto aleatoro, co espaco muestral y álgebra de sucesos asocada, la probabldad se defe como ua aplcacó del álgebra de sucesos e el tervalo 0, 1, que verfca los tres axomas sguetes: P: 0,1 P(A) 0 A P( ) 1 P(A B) P(A) P(B) A, B co A B Cosecuecas de los Axomas: P(A) 1P(A) A P(A A) P( ) P(A) P(A) 1 P(A) 1P(A) f 1f A A 4

6 P( ) 0 P( ) 1P( ) 11 0 S A B P(A) P(B) S A B B A (B A) co A (B A) P(B) P(A) P(B A) co P(A) 0 y P(B A) 0 co lo cual, P(B) P(A) P(A B) P(A) P(B) P(AB) A, B A (A B) (A B) P(A) P(A B) P(A B) B (AB) (AB) P(B) P(AB) P(AB) A B (AB) (AB) (AB) (AB) (AB) (AB) (AB) P(A B) P(A B) P(A B) P(A B) Sedo B A P(AB) P(A) P(AB) A B P(AB) P(B) P(AB) resulta, P(A B) P(A B) P(A B) P(A B) P(A B) P(A) P(A B) P(B) P(A B) obteedo, P(A B) P(A) P(B) P(AB) A, B Cuado los sucesos A y B so compatbles, A B, P(A B) P(A) P(B) Leyes de Morga (AB) AB (AB) AB PROBABILIDAD CONDICIONADA: Dado u suceso A co P(A) 0, para cualquer otro suceso B, se defe la probabldad del suceso B codcoado al suceso A: P(A B) P(B / A) P(A) 5

7 INDEPENDENCIA: Los sucesos A, B so depedetes sí P(B / A) P(B) P(A B) Es decr, P(B / A) P(B) P(A B) P(A). P(B) P(A) La expresó P(A B) P(A). P(B) se toma como defcó de depedeca. Para tres sucesos A, B, C la defcó aalítca es que sea depedetes dos a dos y luego los tres jutos, esto es, que se verfque las relacoes: P(A B) P(A). P(B) P(A C) P(A). P(C) P(B C) P(B). P(C) P(A B C) P(A). P(B). P(C) TEOREMA DE LA PROBABILIDAD TOTAL 1,2,, Sea u cojuto de sucesos A, A, tales que verfca las dos codcoes sguetes: A 1 A Aj j, j 1,2,, Esto es, la uó de todos ellos es el suceso seguro y so compatbles dos a dos. U cojuto de sucesos co estas dos propedades recbe el ombre de sstema completo de sucesos. Sea u suceso cualquera B y u sstema completo de sucesos A 1,2,, tales, que P(A ) 0. El Teorema de la Probabldad Total establece que: P(B) P(A ). P(B / A ) 1 E efecto, B B sedo A 1 B B BA BA 1 1 Los sucesos B A so dsjutos por serlo los sucesos A P(B) P B A P B A P B A 1 1 1, resulta, por tato: Como P(B A ) P(B / A ) P(BA ) P(A ). P(B / A ) P(A ) Susttuyedo se tee: P(B) P B A P(A ). P(B / A ) 1 1 6

8 TEOREMA DE BAYES: Co las msmas codcoes que el teorema de la probabldad total, se desea coocer la probabldad de que habedo ocurrdo el suceso B la causa que lo produzca sea el suceso A, es decr, se desea calcular P(A / B) j j El teorema de Bayes establece que E efecto, P(A / B) j P(A ). P(B / A ) 1 j P(A ). P(B / A ) j P(A j B) P(A j/ B) y P(B) P(A B) P(B / A ) P(A B) P(A ). P(B / A ) j j j j j P(A j) se tee, P(A j B) P(A j). P(B / A j) P(A j). P(B / A j) P(A j/ B) P(B) P(B) P(A ). P(B / A ) 1 HERRAMIENTAS EN EL ESTUDIO DE EXPERIMENTOS ALEATORIOS Combacoes de m elemetos tomados de e : Es el cojuto de todas las dsposcoes que se puede formar tomado elemetos etre los m, co la codcó que dos dsposcoes será dsttas sí y sólo sí está formadas por elemetos dsttos, es decr, o se tee e cueta el orde de los elemetos e la dsposcó. C m, m m!!. (m )! dode m! m. (m 1) Varacoes de m elemetos tomados de e : Es el cojuto de todas las dsposcoes que se puede formar tomado elemetos de etre los m elemetos, co la codcó de que dos dsposcoes será dsttas s está formadas por elemetos dsttos o s los elemetos está dspuestos e orde dstto detro de la dsposcó, esto es, se tee e cueta el orde de los elemetos e la dsposcó. V m.(m1).(m2)..(m1) m, Permutacoes de m elemetos: Es u caso partcular de las varacoes, so varacoes de m elemetos tomados de m e m. P V m! m.(m1).(m2) m m,m Varacoes co repetcó de m elemetos tomados de e : Es el cojuto de todas las dsposcoes dsttas que se puede formar tomado elemetos etre los m elemetos, e los que evetualmete puede aparecer elemetos repetdos, co la codcó de que dos dsposcoes será dsttas s tee dsttos elemetos o está stuados e dsttos lugares, esto es, se tee e cueta el orde de los elemetos e las dsposcoes. V m m 7

9 Permutacoes co repetcó: Es el cojuto de todas las dsposcoes dsttas que se puede formar co m elemetos, e los que e cada dsposcó cada elemeto puede aparecer ( 1, 2,, m) veces y e u orde determado. RP!!.!! 1 2 m dode 12 m Combacoes co repetcó de m elemetos tomados de e : Es el cojuto de todas las dsposcoes dsttas que se puede formar tomado elemetos etre los m elemetos, e dode evetualmete puede aparecer elemetos repetdos, co la codcó de que dos dsposcoes será dsttas s tee dsttos elemetos, es decr, o se tee e cueta el orde de la dsposcó. RC m m1 (m 1)!!. (m 1)! 8

10 EJERCICIOS DE SUCESOS Y PROBABILIDAD Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez 1T. Demostrar que s los sucesos A y B so depedetes, etoces sus complemetaros també so depedetes. Como A y B so depedetes P(A B) P(A). P(B) 1P(A) P(B) P(A).P(B) 1P(A). 1P(B) P(A).P(B) P(A B) P(AB) 1P(A B) 1 P(A) P(B) P(A B) 1P(A) P(B) P(A B) 2T. Sea A, B y C so tres sucesos tales que A B P (AB)/CP(A/C) P(B/C)? P(AB) C P(AC) (BC P(A C) P(B C) P(A B C) P(A B)/C P(C) P(C) P(C) P(A C) P(B C) P(A C) P(BC) P(A / C) P(B / C) P(C) P(C) P(C) 3T. Sea los sucesos A y B tales que P(A) 1/ 3 y P(B/ A) 1/ 3. Determar s se cumple: a) A y B so depedetes b) A B c) A B d) P(A / B) 2 / 3 a) P(B A) 1 P(B A) 1 P(B/ A) P(B A) P(A) 3 1/ 3 9 Para reflejar la mage, sea el expermeto aleatoro cosstete e extraer ua bola de ua ura co ueve bolas umeradas del 1 al 9. El espaco muestral 1, 2, 3, 4, 5, 6, 7, 8, 9. Sea los sucesos A 1, 2, 3 y B 3,4,5,6,7,8,9 3 1 P(A) P(A B) 9 7 P(B) 9 9

11 P(A B) P(A). P(B) dado que 1 1 x A y B o so depedetes. b) 1 P(A B) 0 P( ) A B 9 c) A B observado los sucesos A y B 2 d) P(A / B) 3, B 1, 2 A 4, 5, 6, 7, 8, 9, AB P(A B) 0 P(A / B) 0 P(B) 2 / 9 4T. Sea los sucesos A y B, demostrar s so certas las gualdades: a) P(A / B) P(A / B) b) P(A / B) P(A / B) 1 c) P(A / B) P(A / B) 1 a) Se defe el espaco muestral 1, 2, 3, 4, 5, 6, pudedo pesar que cada suceso elemetal -ésmo se correspode co la cara que se obtee al lazar u dado. Sea los sucesos A 1, 2 y B 3, 4 AB A 3, 4, 5, 6 B 1,2,5,6 A B 5, 6 A B 1, 2 P(A B) P( ) 0 P(A / B) 0, P(B) P(B) 2 / 6 P(A/B) P(A/B) P(A B) 2 / 6 1 P(A / B) P(B) 4 / 6 2 b) c) 1 P(A / B) P(A / B) P(A / B) P(A / B) T. Demostrar que dos sucesos A y B compatbles o tee por qué ser depedetes. Sea el lazameto de u dado co espaco muestral 1, 2, 3, 4, 5, 6 y los sucesos A 1, 2 y B 2, 4, 6. P(A) y P(B) Los sucesos A y B so compatbles P(A B) x P(A). P(B) A B 2 y, s embargo, so depedetes:

12 6T. Sea dos sucesos A y B, se deota A B (AB) (A B). Demostrar que a) P(A) P(B) 1 P(A B) P(A B) 1 b) P(A B) P(A) P(B) 2P(A B) c) P(A B) 0 P(A) P(B) a) P(A B) P(A) P(B) P(A B) P(A B) P(A) P(B) P(A B) 2 P(A B) y ecesaramete, por la mootoía de toda probabldad, P(A B) P(A B) 1 b) A B (AB) (AB) (AB) (AB) P(A B) P (AB) (AB) P(AB) P(AB) P(A) P(B) 2P(AB) c) Por el apartado (a) se tee P(A B) P(A B) 1 De otra parte, (A B) A (A B) P(A B) P(A) P(A B) 1P(A) 1 P(A) 1 P(A B) P(A) P(B) 2P(AB) 0 1 P(B) 2 0 P(B) 1 7T. Sea los sucesos A y B tales que P(A) 1/ 4, P(B/ A) 1/ 2 y P(A / B) 1/ 4. Determar s so certas o falsas las sguetes relacoes: 1) A B 2) A y B so depedetes 3) A y B so compatbles 4) P(A / B) 1/ 2 5) P(A / B) P(A / B) 1 1) S A B AB A y se verfcaría: 2) S A y B so depedetes P(A B) P(A).P(B) P(B A) P(A) 1 P(B / A) 1 A B P(A) P(A) 2 1 P(BA) P(BA) 1 P(B/ A) P(B A) 2 P(A) 1/ /8 1.P(B) P(B) 1 P(A B) /4 2 P(A / B) P(A B).P(B) 4 P(B) P(A B) P(A).P(B) x A y B so depedetes

13 3) A y B o so compatbles, 1 P(A B) y s fuera compatbles P(A B) P( ) 0 8 4) S A y B so depedetes A y B so depedetes P(A B) P(A). P(B) P(A / B) P(B) P(B) P(A) ) S se verfca 1 3 P(A / B) P(A / B) Sea los sucesos A y B tales que P(A B), P(A) 0,8, P(B) 0,5. Calcular P(A B), P(A B), P(A B) y P(A B) P(A B) P( ) 1P(A) P(B) P(A B) 1 0,8 0,5 P(A B) P(A B) 0,3 P(A B) P(A) 0,8 P(A B) P(B) 0,5 P(A B) P(AB) 1P(AB) 10,3 0,7 Advértase que como P(A B) se tee: P(A B) P(B) 0,5 P(A B) P(A) 0,2 9. Sea dos sucesos A y B: P(A) 0,5, P(B) 0,3 y P(A B) 0,1. Calcular la probabldad de que ocurra exactamete uo de los sucesos. P(A) 1P(A) 10,5 0,5 P(B) 1P(B) 10,3 0,7 Sedo P(A B) P(A B) 0,4 P(B) 0,7 P(A B) 0,2 P(A) 0,5 P (AB) (AB) P(AB) P(AB) P(ABAB) P(AB) P(AB) P( ) 0,4 0,2 0 0,6 12

14 10. Sea dos sucesos A y B, dode P(A B) 0, P(A B) 0,5 y P(A) 0,4. Se pde P(B) y P(A B) P(A) 1P(A) 10,4 0,6 0 P(A B) P(A B) 1P(AB) P(AB) 1 0,5 P(A B) P(A B) 1P(AB) P(AB) 0,5 1 P(AB) P(A) P(B) P(A B) 1 0,6 P(B) 0,5 P(B) 0,9 11. Sea los sucesos A, B y C tales que P(A) 0,2 P(B) 0,4 P(C) 0,3 P(A B) 0,1 y (A B) C. Calcular las sguetes probabldades: 1) Solamete ocurre A 2) Ocurre los tres sucesos 3) Ocurre A y B, pero o C 4) Por lo meos ocurre dos sucesos 5) Ocurre dos sucesos y o más 6) No ocurre más de dos sucesos 7) Ocurre por lo meos u suceso 8) No ocurre gú suceso 1) P(A B C) P(A B) 0,1 2) P(A B C) P( ) 0 3) P(A B C) P(A B) 0,1 4) P (AB) (AC) (BC) P(AB) 0,1 5) P (A B C) (A B C) (AB C) P(A B) P( ) P( ) 0,1 6) P(ABC) 1P(ABC) 1P( ) 1 7) P(A B C) P(A) P(B) P(C) P(A B) P(A C) P(B C) P(A B C) 0,2 0,4 0,3 0,1 0,8 8) P(A B C) P(A B C) 1P(A B C) 10,8 0,2 13

15 12. E ua clase de Gestó Aeroáutca todos los alumos juega algú deporte, el 60% juega al fútbol o balocesto y el 10% práctca ambos deportes. S además hay u 60% que o juega al fútbol. S se elge u alumo al azar, calcula las sguetes probabldades: a) Juegue sólo al fútbol b) Juegue sólo al balocesto c) Practque uo solo de los deportes d) No juegue al fútbol al balocesto a) P(FB) 0,3 b) P(F B) 0,2 c) P (FB) (FB) P(FB) P(FB) P(FBFB) P(F B) P(F B) 0 0,3 0,2 0,5 d) P(F B) P(F B) 1P(F B) 10, E ua clase de la Facultad de Ecoómcas de 30 alumos hay 18 alumos que ha aprobado estadístca, 16 que ha aprobado cotabldad y 6 que o ha aprobado gua de las dos asgaturas. Se elge al azar u alumo de la clase. a) Probabldad de que aprobara estadístca y cotabldad. b) Sabedo que ha aprobado estadístca, probabldad de que haya aprobado cotabldad. c) So depedetes los sucesos aprobar estadístca y aprobar cotabldad? Sea los sucesos: E = "aprobar Estadístca", C = "aprobar Cotabldad" Orgazado los datos e ua tabla de doble etrada: a) b) 10 1 P(E C) 30 3 P(C E) 10 5 P(C / E) P(E) 18 9 c) So depedetes sí P(E C) P(E).P(C) 14

16 18 3 P(E) P(C) P(E).P(C) 3 x P(E C) P(E).P(C) No so depedetes U baco ha estmado, por experecas aterores, que la probabldad de que ua persoa falle e los pagos de u préstamo persoal es de 0,3. També ha estmado que el 40% de los préstamos o pagados a tempo se ha hecho para facar vajes de vacacoes y el 60% de los préstamos pagados a tempo se ha hecho para facar vajes de vacacoes. Se solcta: a) Probabldad de que u préstamo que se haga para facar vaje de vacacoes o se pague a tempo. b) Probabldad de que s el préstamo se hace para propóstos dsttos a vajes de vacacoes sea pagado a tempo. Sea los sucesos: A ="préstamo persoal pagado a tempo" B ="facar vaje vacacoes" P(A) 0,3 P(B/ A) 0,4 P(B / A) 0,6 a) b) P(A / B) 0,22 P(A B) 0,3 x 0,4 P(B) 0,7 x 0,6 0,3 x 0,4 P(A/ B) 0,608 P(A B) 0,7 x 0,4 P(B) 0,7 x 0,4 0,3 x 0,6 15. E ua cadea de televsó se hzo ua ecuesta a 2500 persoas para saber la audeca de u debate y de ua película que se emtero e horas dsttas: 2100 persoas vero la película, 1500 vero el debate y 350 o vero guo de los dos programas. Elgedo al azar a uo de los ecuestados, se desea saber: a) Probabldad de que vera la película y el debate. b) Probabldad de que vera la película, sabedo que vo el debate. c) Habedo vsto la película, probabldad de que vera el debate. Sea los sucesos: P = "ver la película", D = "ver el debate" Orgazado los datos e ua tabla de doble etrada: 15

17 1450 a) P(PD) 0, b) P(P D) 1450 P(P / D) 0,97 P(D) 1500 c) P(D P) 1450 P(D / P) 0,69 P(P) U pscólogo de ua compañía aérea, por experecas aterores, cooce que el 90% de los trpulates de caba (TCP) que ca u determado tratameto técco terma co éxto. La proporcó de TCPs co etreameto y co expereca preva es del 10% de etre los que completaro co éxto su etreameto y del 25% de etre aquellos que o termaro co éxto su etreameto. Se desea saber: a) Probabldad de que u TCP co expereca preva supere el etreameto co éxto. b) La expereca preva fluye e el éxto del etreameto?. Sea los sucesos: S ="supera el etreameto co éxto" E ="tee expereca preva" P(S) 0,9 P(S) 0,1 P(E / S) 0,1 P(E/ S) 0,25 a) P(S E) 0,9 x 0,1 P(S / E) 0,78 P(E) 0,9 x 0,1 0,1 x0,25 b) P(S / E) 0,78 P(S) 0,9 P(S) P(S / E) La expereca preva fluye desfavorablemete e el éxto del tratameto. 16

18 17. Sea tres sucesos compatbles A, B y C, dode P(A) 0,5 P(B) 0,25 y P(C) 0,2. Se pde: P(A B), P(A B C), P(A B C), P(B A) y probabldad de que ocurra exactamete uo de los sucesos. Se sabe que al ser los sucesos A, B y C compatbles: P(A B) 0, P(A C) 0, P(B C) 0 y P(AB C) 0 De otra parte, P(A B C) P (A B) C P(A B) P(C) P (A B) C co lo que, P(A) P(B) P(AB) P(C) P (A C) (B C) P(A) P(B) P(AB) P(C) P(A C) P(B C) P(A B C) P(A) P(B) P(AB) P(C) P(A C) P(B C) P(A B C) P(A) P(B) P(C) P(A B) P(A C) P(B C) P(A B C) P(A B) P(A B) 1P(AB) 1 P(A) P(B) P(A B) 10,5 0,25 0,25 P(A B C) P(A B C) 1P(A B C) 1 P(A) P(B) P(C) 1 (0,5 0,25 0,2) 0,05 C A P(AC) P(C) 0,2 CB P(BC) P(C) 0,2 P(A B C) P(C) 0,2 P(B A) P(BA) P(B) 0,25 P (A B C) (A B C) (A B C) P(A B C) P(A B C) P(A B C P(A) P(B) P(C) 0,5 0,25 0,2 0,95 17

19 18. U baco revsa su polítca de tarjetas de crédto, co el objetvo de cacelar alguas de ellas. E el pasado, el 5% de los cletes co tarjeta ha pasado a ser moroso, esto es ha dejado de pagar s que el baco pudera recuperar la deuda. Además, el baco ha comprobado que la probabldad de que u clete ormal se atrase e u pago es de 0.2. La probabldad de que u clete moroso se atrase e u pago es 1. a) Qué probabldad hay de que el clete se atrase e u pago mesual b) S u clete se atrasa e u pago mesual, calcular la probabldad de que el clete acabe covrtédose e moroso. c) Al baco le gustaría cacelar la líea de crédto de u clete s la probabldad de que éste acabe covrtédose e moroso es mayor de De acuerdo co los resultados aterores, debe cacelar ua líea s u clete se atrasa e u pago?. Por qué? Sea los sucesos: a) M = "El clete es moroso" A = "El clete se retrasa e u pago mesual" P(A) 0,05 X1 0,95 X0,2 0,24 b) P(M A) 0,05 X 1 P(M / A) 0,208 P(A) 0,24 c) La probabldad de que u clete que se atrasa e u pago acabe covrtédose e moroso es 0,208, que es meor que la probabldad 0,25 exgda por el baco. E cosecueca, o debería de cacelarse la cueta de u clete que se atrase e u pago. 19. E ua Facultad el 80% de los alumos tee ordeador de sobremesa, el 50% tee ordeador portátl y el 10% o tee ordeador. Se pde: a) Probabldad de que u alumo tega ambos tpos de ordeador. b) Sabedo que u alumo tee ordeador de sobremesa, obteer la probabldad de que tega portátl. c) Sabedo que u alumo tee portátl, obteer la probabldad de que tega ordeador de sobremesa. d) Determar s ambos sucesos so depedetes. a) Sea los sucesos: A = U alumo tee ordeador de sobremesa B = U alumo tee ordeador portátl P(A) 0,8 P(B) 0,5 P(A B) 0,1 P(A B) P(A) P(B) P(A B) P(A B) P(A B) 1P(AB) P(A B) P(A B) 1P(AB) 0,1 P(AB) 0,9 18

20 b) P(A B) P(A) P(B) P(A B) 0,9 0,8 0,5 P(A B) P(A B) 0,4 P(B A) 0,4 1 P(B / A) 0,5 P(A) 0,8 2 c) P(A B) 0,4 4 P(A / B) 0,2 P(B) 0,5 5 d) Dos sucesos A y B so depedetes P(A B) P(A) xp(b) P(A B) 0,4 0,8 X0,5 P(A) xp(b) A y B so depedetes 21. Tres tradores hace ua descarga smultáea. Las probabldades de hacer blaco so, respectvamete, 0,6, 0,5 y 0,4. Calcular las probabldades de los sucesos: a) Algú trador hace blaco. b) Exactamete dos tradores hace blaco. c) El tercer trador hace blaco, sabedo que dos prmeros lo ha hecho. a) Sea los tradores A, B y C P(A) 0,6 P(A) 0,4 P(B) 0,5 P(B) 0,5 P(C) 0,4 P(C) 0,6 Se resuelve por el suceso cotraro, que o haga blaco gú trador: P(A B C) P(A) X P(B) X P(C) 0,4 X0,5 X0,6 0,12 P(A B C) 1P(A B C) 10,12 0,88 b) Exactamete dos tradores hace blaco P ABC ABC ABC P ABC P ABC P ABC X X X X X X 0,6 0,5 0,6 0,6 0,5 0,4 0,4 0,5 0,4 0,38 c) Sea el suceso D = "los dos prmeros tradores hace blaco" DABAB 0,6 X0,5 X 0,4 0,4 X0,5 X 0,4 P(CD) P A B C A B C PC/D) 0,526 P(D) P(D) 0,38 19

21 Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez

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

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

Más detalles

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

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

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

Más detalles

UN VIAJE POR EL MUNDO DE LA PROBABILIDAD

UN VIAJE POR EL MUNDO DE LA PROBABILIDAD UN VIAJE POR EL MUNDO DE LA PROBABILIDAD AUTORÍA JUAN JOSÉ LEÓN ROMERA TEMÁTICA PROBABILIDAD ETAPA BACHILLERATO Resume E el presete artículo se trata los cotedos relacoados co Probabldad. Se hace u acercameto,

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones. Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

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

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

Más detalles

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

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Capítulo Probabldades Estadístca Computacoal II Semestre 004 Profesores: Héctor llede (hallede@f.utfsm.cl Rodrgo Salas (rsalas@f.utfsm.cl

Más detalles

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad

( A) P( B) 4.2 Definición y cálculo de probabilidades Función de probabilidad 4. Defcó y cálculo de probabldades 4.. Fucó de probabldad Defcó: Sea la famla de sucesos asocada a u expermeto aleatoro de espaco muestral Ω. Se cosdera ua fucó : R, que verfca las dos propedades 0 y Ω

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

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

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

Más detalles

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

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

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Intensificación en Estadística

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

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Universidad Técnica Federico Santa María

Universidad Técnica Federico Santa María Uversdad Técca Federco Sata María Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 4 Probabldades Estadístca Computacoal II Semestre 006 Profesores: Héctor llede

Más detalles

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

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

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

PROBABILIDAD. Dos grupos son distintos si se diferencian en algún elemento ó en el orden de colocación de éstos.

PROBABILIDAD. Dos grupos son distintos si se diferencian en algún elemento ó en el orden de colocación de éstos. PROBABILIDAD CPR. JORGE JUAN Xuva-Naró Para determar la catdad de grupos que se puede formar que cumpla determadas codcoes exste los sguetes métodos de recueto: Dagrama de árbol Varacoes ordaras Dados,

Más detalles

PROBABILIDAD Y ESTADÍSTICA

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

Más detalles

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

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

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

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

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

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

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

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

BLOQUE II: CALCULO DE PROBABILIDADES

BLOQUE II: CALCULO DE PROBABILIDADES LOQUE II: CALCULO DE PROAILIDADES TEMA 4. FUNDAMENTOS DE LA PROAILIDAD. Cocepto de probabldad. Defcó aomátca Epermeto aleatoro: u epermeto se dce aleatoro s o se puede predecr el resultado del msmo ates

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

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

Más detalles

PARTE 1 - PROBABILIDAD

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

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

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

Más detalles

SUCESOS Y PROBABILIDAD

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

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es 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 detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FCULTD DE INGENIERÍ U N M ROILIDD Y ESTDÍSTIC Iree atrca Valdez y lfaro reev@servdor.uam.mx T E M S DEL CURSO. álss Estadístco de datos muestrales. 2. Fudametos de la Teoría de la probabldad. 3. Varables

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN 0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto

Más detalles

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( )

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( ) ÉTODOS ATEÁTICOS TEA 0: REPASO ÁLGEBRA ESPACIOS DE HILBERT Y OPERADORES LINEALES Profesora: ª Cruz Boscá ESPACIOS LINEALES Espaco leal L sobre u cuerpo (comutatvo) Λ U espaco leal (o vectoral) L sobre

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

PARTE 1 - PROBABILIDAD

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

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

TEMA 63. Frecuencia y Azar. Leyes de Azar. Espacio probabilístico.

TEMA 63. Frecuencia y Azar. Leyes de Azar. Espacio probabilístico. TEM 63.Frecueca y azar. Leyes de azar. Espaco probablístco TEM 63. Frecueca y zar. Leyes de zar. Espaco probablístco.. Itroduccó.. Hstórca. Los coceptos de azar e certdumbre so ta veos como la propa cvlzacó.

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

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

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

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

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

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

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Estadística Contenidos NM 4

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

ESTADÍSTICA TEÓRICA: ESTIMADORES

ESTADÍSTICA TEÓRICA: ESTIMADORES Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez ESTADÍSTICA TEÓRICA: ESTIMADORES Estadístca Teórca: Estmadores

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

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

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

Más detalles

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

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

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Estadística Descriptiva

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

Más detalles

PROBABILIDAD: TEORÍA Y CÁLCULO DE PROBABILIDADES

PROBABILIDAD: TEORÍA Y CÁLCULO DE PROBABILIDADES PROBABILIDAD: TEORÍA Y CÁLCULO DE PROBABILIDADES INTRODUCCIÓN HISTÓRICA Cas ada e la vda es seguro. E todo lo que hacemos estmamos las posbldades de resultados satsfactoros. Pero durate gra parte de la

Más detalles

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

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

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

Más detalles

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

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

Más detalles

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

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

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles