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

Documentos relacionados
MEDIDAS DE TENDENCIA CENTRAL

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

REGRESIÓN LINEAL SIMPLE

ESTADÍSTICA poblaciones

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

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

Aproximación a la distribución normal: el Teorema del Límite Central

Estadística Espacial. José Antonio Rivera Colmenero

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

ESTADÍSTICA DESCRIPTIVA

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

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

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

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

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

6. ESTIMACIÓN PUNTUAL

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva Introducción

V II Muestreo por Conglomerados

TEMA 4: VALORACIÓN DE RENTAS

Tema 2: Distribuciones bidimensionales

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

5- VARIABLES ALEATORIAS BIDIMENSIONALES

TEMA 2: LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

5.3 Estadísticas de una distribución frecuencial

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

Una Propuesta de Presentación del Tema de Correlación Simple

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

-Métodos Estadísticos en Ciencias de la Vida

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

Estadística descriptiva

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

Ejercicios de intervalos de confianza en las PAAU

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

2 - TEORIA DE ERRORES : Calibraciones

Medidas de Tendencia Central

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Capítulo V Análisis de regresión y correlación

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

Análisis estadístico de datos muestrales

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN

LA ESTADÍSTICA EN QUÍMICA ANALÍTICA

3. VARIABLES ALEATORIAS.

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Sistema binario. Disoluciones de dos componentes.

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

V Muestreo Estratificado

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

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

UNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad

MEDIDAS DE DISPERSIÓN.

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

1.1 INTRODUCCION & NOTACION

Distribución conjunta de variables aleatorias

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

INTRODUCCIÓN. Técnicas estadísticas

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

VARIABLES ESTADÍSTICAS BIDIMENSIONALES.

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

Simulación de sistemas discretos

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MS Word Editor de Ecuaciones

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

R-C CARGA Y DESCARGA DE UN CONDENSADOR

Transcripción:

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 - TIPO DURACIÓN MÁ..5 HORAS MIÉRCOLES DE JUNIO DE NOMBRE. E el grupo de Probabldad y Estadístca al observarse las calfcacoes, se regstró u promedo de 75 y ua desvacó estádar de tres. S cada ua de las calfcacoes se cremeta cco udades, determar la meda y la varaca de las uevas calfcacoes. 5 Putos Resolucó La meda está defda por = = para los uevos datos, cremetado 5 udades cada calfcacó + c, + c,..., + c susttuyedo = ( + c+ + c+,..., + + c) = ( + c) = = por propedades c = + c= + = + c = = = etoces la meda sumado 5 udades a cada calfcacó es = 75 + 5 = 8 La varaca está defda por S = = para los uevos datos, cremetado 5 udades a cada calfcacó + c, + c,..., + c y co meda + c, susttuyedo = ( + ) = ( ) = = S c c que es gual, por lo tato la varaca de los uevas calfcacoes es s = 9. Ua ofca tee cuatro secretaras que maeja respectvamete, 6, 5 y 5 % del archvo de reportes. La probabldad de que archve mal tales reportes es.5,.,. y.5, respectvamete. a) Cuál es la probabldad de teer u reporte mal archvado? b) Cuál es la probabldad de que u reporte mal archvado haya sdo causa de la secretara uo? 5 Putos Resolucó PyE_ EF_TIPO_-

Sea I el eveto que represeta la secretara uo maeja el archvo de reportes. II el eveto que represeta la secretara dos maeja el archvo de reportes. III el eveto que represeta la secretara tres maeja el archvo de reportes. IV el eveto que represeta la secretara cuatro maeja el archvo de reportes. M el eveto que represeta archva mal los reportes. Del eucado P M I =. P I =.5 P( II ) =.6 P( M II ) =. P( III ) =.5 P( M III ) =. P( IV ) =.5 P( M IV ) =.5 a) La probabldad de teer u reporte mal archvado, etoces P M = P I M + P II M + P III M + P IV M P ( M) = P( I) PMI + P( II) PMII + P( III) PMIII + P( IV) PMIV susttuyedo P( M ) = (.)(.5 ) + (.6)(. ) + (.5)(.) + (.5)(.5) =.875 b) La probabldad de que u reporte mal archvado haya sdo causa de la secretara uo, por el Teorema de Bayes se tee P ( I M) P( I) P( M I) P( I M) = = P( M) P( M) susttuyedo (.)(.5). P( I M ) = =.4.875.875. E los alrededores de CU, e los últmos años, las autordades de la Delegacó Coyoacá ha proporcoado lcecas de uso de suelo a comercates, co el argumeto de que el gro es almetos. Dadas las codcoes por la falta de supervsores e la zoa de Coyoacá. La Delegacó recetemete tee deucas de los vecos e dode mafesta que los gros o so los de orge, por ello pde a la Delegacó ua supervsó a dchos egocos. Los resposables se dero a la tarea de hacer u aálss y ecotraro que los supervsores vsta al año los comercos, co la sguete fucó de probabldad, sedo la varable aleatora que represeta el úmero de vstas a los establecmetos co el gro de almetos. 4 f.4.4..5.5 a) Obteer la probabldad de que u egoco de ese gro y ubcado e esa zoa, sea vstado por u supervsor al meos dos veces e u año. b) Co la fucó de probabldad acumulada, obteer la probabldad de que uo de estos egocos, sea vstado etre dos y cco veces, clusve. c) Obteer las meddas de tedeca cetral. Usted como estudate de la FI y asesor de u despacho de cosultoría, cuál sería su sugereca al ser abordado por u posble versosta e este tpo de gros y bajo las codcoes cales establecda? Putos PyE_ EF_TIPO_-

Resolucó a) La probabldad a calcular es P( ) = P( = ) + P( = ) + P( = 4) susttuyedo P( ) =.+.5 +.5 =. b) La fucó de dstrbucó acumulatva está dada por F = P( ) = f por lo que = 4 F ( ).4.8.9.95 etoces la probabldad que se va a calcular, usado propedades de F ( ) P( 5) = F ( = 5) F ( = ) + f ( = ) susttuyedo se tee P( 5) =.9 +. =. c) Las meddas de tedeca cetral so: meda, medaa y moda, etoces E = μ = μ = f μ =.4 +. +.5 + 4.5 =.95 se espera ua vsta al año. La medaa está defda por P( ) = etoces es = =.5 4 La moda es la varable aleatora co mayor probabldad asocada, etoces mo =, + f ( ) es bmodal mo = =.5 A crtero del profesor. 4. E u quosco de peródcos se supoe que las vetas daras se dstrbuye ormalmete co meda de y varaca dos. a) Determar la probabldad de que las vetas e u día sea etre y b) Calcular la máma catdad de vetas e u día para que sea del 9% c) Supógase que e ua cudad hay quoscos depedetes del msmo tpo y co las msmas característcas. Determar la probabldad de que más de dos quoscos veda e u día etre y Putos Resolucó Sea la varable aleatora que represeta las vetas daras de u quosco de peródcos. ~ Normal μ =, σ = PyE_ EF_TIPO_-

a) La probabldad de que las vetas e u día sea etre y, está dado por P P Z = P. Z.7 = Fz.7 Fz. susttuyedo valores de la tabla de dstrbucó acumulatva ormal estádar P = F.7 F. =.76.76 z z b) La máma catdad de vetas e u día, para que sea de 9%, está dada por P( ) =.9 apromado medate la dstrbucó ormal estádar μ P P Z.9 σ = = susttuyedo los valores de la tabla de dstrbucó acumulatva ormal estádar, para el valor correspodete =.9 despejado la varable =.9 + =.84 los cuales so vetas al día como mámo. a) Sea Y la varable aleatora que represeta el úmero de quoscos que vede peródcos e la cudad co las característcas dadas Y ~ Bomal ( =, p =.76) la probabldad a calcular es P ( Y > ) = P( Y = ) + P( Y = ) + P( Y = ) = fy ( y ) susttuyedo e el modelo probablístco y= PY> = y y (.76) (.89) PY> =.96.9997 5. Supógase que y Y so varables aleatoras depedetes co fucó de desdad 8 ; > y ; < y < g = hy ( y) = ; e otro caso ; e otro caso y y= a) Obteer la fucó de desdad cojuta de y Y b) Determar el valor esperado de Z = Y 5 Putos Resolucó a) La fucó de desdad cojuta para dos varables aleatoras, está dada defda por f Y ( y, ) = g ( h ) Y ( y) susttuyedo PyE_ EF_TIPO_- 4

6y ; >, < y < fy (, y) = ; e otro caso b) El valor esperado, por depedeca de varables aleatoras y propedades es E( Z) = E( Y) = E E( Y) Calculado los valores esperados co las fucoes de desdad margales R + R 8 E = d= 8 d= 8lm d= 8lm + R E = 8lm 8lm 8 4 = = = R El otro valor esperado es E( Y) = y( y) dy = y dy = y [ ] = = por lo tato 8 E( Z) = E E( Y) = ( 4) =.6667 6. El peso eto por lote e ua marca de sopa tee dstrbucó ormal co meda de 565 [gr] y desvacó estádar de 5 [gr]. S se elge al azar ueve lotes y se aota el peso, cuál es la probabldad de que la meda muestral esté etre 555 y 575 [gr]? 5 Putos Resolucó Sea la varable aleatora que represeta el peso eto por lote. =,,...,9 ( = = ) ~ Normal μ 565, σ 5 etoces σ 5 ~ Normal μ = μ = 565, σ = = 9 La probabldad de que la meda muestral esté etre dos valores, s se cooce σ, por el Teorema del Límte Cetral, es 555 565 μ 575 565 P( 555 575) = P( 555 < < 575) P = 5 σ 5 9 9 = P Z = F F Z Z co valores de la tabla de dstrbucó acumulatva ormal estádar P( 555 575) = FZ FZ ( ) =.977.8.9544 Es muy probable que el peso medo de los lotes esté etre los valores de peso especfcado. PyE_ EF_TIPO_- 5