Modelos de distribuciones discretas


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Modelos de distribuciones discretas"

Transcripción

1 Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo, esa 4.1 Distribución uniforme discreta Ejercicio Consideremos el conjunto E = {1, 2,...,n}. (a) Definid una variable discreta X que asigne a cada punto de E igual probabilidad. (b) Hallad su función de masa y su función de distribución. (c) Hallad E(X), 2, CV ylamediana. Problema Supongamos ahora que E = {x 1,x 2,...,x n },unconjuntoarbitrario,donde x i 2 R. Generalizadlosresultadosdelproblemaanterior. 4.2 Procesos de Bernouilli Definición Procesos de Bernouilli Sea un experimento aleatorio que cumple las siguientes propiedades: (a) El experimento solo puede dar dos resultados posibles, que llamaremos A y B. (b) La probabilidad p de obtener A no cambia con el tiempo. Un proceso de Bernouilli es una variable aleatoria X definida sobre este experimento tal que X toma el valor 1 si sale A y0sisaleb. Si una variable aleatoria X modeliza un proceso de Bernouilli se escribe X B(1,p). Con frecuencia, los resultados del experimento se interpretan en un sentido muy general como éxito yfracaso. Porejemplo,enelcontextodecontroldecalidad,A es una pieza que pasa los controles y B es una pieza defectuosa. 53

2 54 Modelos de distribuciones discretas Ejercicio Sea X B(1,p). (a) Hallad la función masa y la función de distribución de X. (b) Hallad E(X), 2 y CV. Definición Distribución binomial Consideremos un conjuntos de variables aleatorias X i B(1,p), con i =1,...,n. Si las variables X i son independientes entre sí, la variable X = X X n se llama distribución binomial y se escribe X B(n, p). En general, si tenemos dos variables aleatorias X B(n 1,p)eY B(n 2,p), la variable X + Y sigue una distribución B(n 1 + n 2,p). El resultado es falso si la probabilidad p no es común en ambas distribuciones binomiales. Problema Sea X B(n, p). (a) Si interpretamos A como el suceso tener éxito, qué mide la variable X? (b) Hallad su función de masa y probad que suma 1. (c) Hallad E(X), 2 y CV. (d) Sabiendo que el coeficiente de asimetría de Fisher es CA F = 1 2p p np(1 p) describid la asimetría de la distribución binomial. Dibujad aproximadamente la función de masa en cada caso. Las probabilidades de la binomial son tediosas de calcular a mano. En la práctica se calculan por vía del ordenador, con algún paquete estadístico (Statgraphics, Matlab, SPSS), obienmediantetablas. LastablassepuedenencontrarenelMoodle(ficheroFormularios y tablas). En la figura 4.1 se encuentra elementos de la tabla de la distribución binomial. Por ejemplo, si en una binomial X B(4, 0,15) queremos hallar la probabilidad de que X tome el valor 2, consultando la tabla encontramos que tal valor es 0,988. Ejercicio Un dado se tira 4 veces. Cuál es la probabilidad de obtener exactamente un 6? Resolved el problema usando una variable binomial. Problema Un examen, que consta de 10 preguntas, se aprueba si se contestan correctamente 6 o más. Cada pregunta tiene 3 apartados y la respuesta se considera correcta si se contestan bien 2 o más apartados. Sabiendo que la probabilidad de que un alumno estudioso conteste bien cada apartado es 0 0 7, independientemente de lo que conteste en el resto de los apartados, calculad: (a) La probabilidad de que dicho alumno apruebe el examen y la nota esperada. (b) Sabiendo que este alumno ha aprobado el examen, calculad la probabilidad de que haya contestado correctamente 7 preguntas.

3 4.3. Distribución geométrica 55 Figura 4.1: Tabla de la distribución binomial Problema En un huerto con 100 calabazas, la probabilidad de recolectar una sin pipas es (a) Calcular las probabilidades de los siguientes sucesos: (i) Obtener más de 6 calabazas con pipas al recolectar las 10 primeras. (ii) Encontrar la primera calabaza sin pipas al recolectar la décima. (iii) Recolectar en todo el huerto 10 calabazas sin pipas. (iv) Recolectar en todo el huerto más de 7 calabazas sin pipas. (b) Hallar el número esperado de calabazas sin pipas en el huerto. 4.3 Distribución geométrica Consideremos de nuevo un proceso de Bernouilli que se repite de modo independiente. Queremos medir el número de veces que hay que repetir el experimento antes de salir el primer éxito o sucesoa. Lacorrespondientevariablealeatoriasellamageométrica yseescribe X G(p), donde p es la probabilidad de que salga A. Problema Sea X G(p). (a) Hallad la función de masa de X yprobadquesuma1. (b) Hallad E(X). (c) Sabiendo que el coeficiente de asimetría de Fisher es CA F = 2 p p 1 p describid la asimetría de la distribución binomial. Dibujad aproximadamente la función de masa.

4 56 Modelos de distribuciones discretas La varianza de la distribución geométrica es V (X) = 1 Otra variable asociada a los procesos de Bernouilli es el número de veces que se repite el experimento hasta que sale el primer éxito. Esta variable es similar a la anterior y sus momentos se calculan de modo análogo. Ejercicio Un dado se tira hasta que aparece un 4. Cuál es la probabilidad de tirar el dado 10 veces antes de sacar 4? Cuál es la probabilidad de sacar 4 en la décima tirada? Resolved el problema usando una variable geométrica. Teorema Sea X una variable aleatoria G(p). La probabilidad de repetir el experimento veces más antes de sacar el primer éxito no depende del número previo de veces que hayamos realizado el experimento. Problema Supongamos que en un juego de azar (que no sea hacer un examen de estadística), la probabilidad de ganar es p, con0<p<1. Cómo se interpreta el teorema anterior en el contexto de los juegos de azar? Problema En una red ATM los mensajes se envían en ráfagas de celdas de 53 octetos. Un mensaje tendrá tantas celdas como quiera y sabremos que hemos llegado al final del mensaje porque en los bits de control de la última celda así se indica. Se sabe que la variable aleatoria X que cuenta el número de celdas enviadas en la transmisión de un mensaje antes de la celda que marca el final del mensaje es geométrica de parámetro p. (a) Si sabemos que el número medio de celdas por mensaje sin incluir la última celda es 7, calculad la probabilidad de que el número de celdas enviadas en la transmisión de un mensaje, excluyendo la última, sea menor que 3. (b) Calculad la probabilidad de que el número de celdas enviadas en la transmisión de un mensaje, sin incluir la última celda, sea mayor que 7 si sabemos que es mayor que 4. (c) Se transmiten 10 mensajes de forma independiente. Obtened la probabilidad de que en 4mensajesomáselnúmerototaldeceldasenviadaspormensaje,sinincluirlaúltima celda, sea menor que 3. p 2 p 4.4 Distribución de Poisson La distribución se cuenta entre la más importantes entre las discretas, principalmente por su ubicuidad. Es capaz de modelizar eficazmente un gran abanico de situaciones muy dispares entre sí. Siméon Poisson ( ) la introdujo por primera vez como parte de su teoría de la probabilidad en Apareció en una obra suya en que investigaba la probabilidad de ciertos hechos en juicios penales y civiles. Poisson se preguntaba sobre el número de condenas injustas en un país, variable que sigue ciertamente la distribución que lleva su nombre. Por qué es tan ubicua la distribución de Poisson? Definamos primero qué es un experimento de Poisson yellonosharáentenderelporqué.

5 4.4. Distribución de Poisson 57 Definición Experimento de Poisson. Consideremos un experimento con las siguientes propiedades: (1) Los resultados del experimento se pueden clasificar en éxito o fracaso, esto es, solo hay dos resultados posibles. (2) Se observa el número de éxitos por unidad de cierta magnitud (tiempo, longitud, área, volumen, etc.). (3) El número medio de éxitos en una región dada es conocido; en otras palabras, se conoce la media de éxitos por unidad de magnitud. Además, este valor medio es constante en el tiempo. (4) La probabilidad de éxito es proporcional al tamaño de la región (aquí región se refiere a la magnitud en cuestión). (5) La probabilidad de éxito en intervalos extremadamente pequeños es cero. Esto asegura que la probabilidad de que dos sucesos ocurran a la vez es cero. (6) Los sucesos ocurren de manera independiente. Una objeción que se puede hacer a la definición anterior es que, en la práctica, esas condiciones son difíciles de comprobar exhaustivamente. Ello es cierto en muchas ocasiones. De lo que se trata entonces es de suponer que son razonablemente ciertas las hipótesis anteriores y ver cómo el modelo explica los resultados de ulteriores experimentos. Para que el lector tome consciencia de la importancia de la distribución de Poisson, he aquí una lista de modo alguno exhaustiva de situaciones en que aparece esta distribución: (a) El número de coces dadas por los caballos del ejército prusiano. Esta fue la primera aplicación de la distribución de Poisson de la que se tiene constancia histórica. (b) El número de partículas alfa emitidas por una sustancia radioactiva por unidad de tiempo. (c) El número de bombas lanzadas por bombarderos aéreos en el sur de Londres durante la Segunda Guerra Mundial. (d) El número de accidentes en cierto punto de una carretera por día. (e) El número de erratas por página. (f) El número de pasas por centímetro cúbico en un plumcae. (g) El número de cambios cromosómicos en una célula como consecuencia de la exposición a los rayos X. (h) El número de alumnos con verdadera pasión por la informática por grupo. (i) El número de pelos encontrados en las hamburguesas de McDonalds (o de cualquier otra cadena de comida basura). (j) El número de fallos en una máquina por mes. () El número de llamadas a un servicio de atención al cliente por hora.

6 58 Modelos de distribuciones discretas Si solo queremos centrarnos en ejemplos con sabor netamente informática, aquí va otra lista similar, más corta pero suficientemente representativa; el lector puede construir su propia lista: (a) El número de peticiones a un servidor por unidad de tiempo. (b) El número de errores de codificación que comete un equipo de programadores por semana. (c) El número de fallos de un disco duro por mes. (d) El número de mensajes que llegan a la unidad de proceso de un ordenador por segundo. (e) El número de cuelgues de un sistema operativo por semana. (f) El número de mensajes de correo basura que llegan por semana. (g) El número de programas compilados por un ordenador por día. La función de masa de la distribución de Poisson está dada por la expresión de más abajo P (X = ) =e! donde el rango de valores es 2 N (el número de sucesos por unidad de magnitud puede ser cualquier número natural). La figura 4.2 muestra la función de masa para distintos valores de. Figura 4.2: La función de masa de la distribución de Poisson Problema Comprobad que la función de masa dada anteriormente lo es efectivamente. Usad la siguiente fórmula, consecuencia del desarrollo de Taylor ( ah, qué tiempo aquellos de AM!) y que es válida para todo x 2 R:

7 4.4. Distribución de Poisson 59 e x = 1X n=0 El cálculo efectivo de una probabilidad en una distribución de Poisson se hace también a través de la consulta de tablas o del ordenador. Suponemos que el lector estará un tanto desorientado ante esa función de masa. De dónde sale una expresión tan complicada? Obviamente, Poisson no se la inventó de la nada ni tuvo un acceso de inspiración y dijo ah!, todos estos fenómenos siguen esta distribución con esta función de masa tan intricada. Poisson obtuvo esta distribución a partir de la binomial B(n, p) imponiendo las condiciones de más arriba en el experimento y haciendo tender n ainfinitoy p a cero con ciertas restricciones. El siguiente teorema que, excepcionalmente damos con demostración, muestra el trabajo original de Poisson y da, además, una explicación lógica y orgánica de dónde sale la función de masa. Teorema Sean X B(n, p) una variable aleatoria binomial. Supongamos que se dan las siguientes condiciones: (a) El parámetro n tiende a infinito; (b) np permanece constante e igual a. Entonces la función de masa de la binomial tiende a la de una Poisson. Prueba: : Teniendo en cuenta que en todo momento np =,tenemoslasiguientedemostración (consúltese las explicaciones de los pasos de los cálculos más abajo): n lím P (X = ) = lím p (1 p) n (1) n! = lím!(n )! p (1 p) n n (2) n! =lím!(n )! 1 n n (3) = (4) = (5) = (6) =! x n n! n (n 1)... (n ( 1)) lím n!! lím lím! 1 e 1= n (n 1)... (n ( 1)) n n (n 1)... (n ( 1)) n! e 1 n n lím 1 lím 1 n n n! n 1 n! donde: en (1) se ha aplicado la definición de número combinatorio; en (2) se ha sustituido p por /n; en(3)sehasacadofueradellímiteeltérmino! yreordenadoelrestodetérminos; en (4) se han separado en dos límites el producto de (3); en (5) se ha separado el segundo límite en dos productos para facilitar su cálculo; en (6) se han calculado los límites entre paréntesis. El primer límite de (6) da 1 puesto que en el numerador y el denominador hay factores en n. El siguiente límite da e por la definición de número e yelúltimolímitetiendeclaramentea 1.

8 60 Modelos de distribuciones discretas Problema Cómo se llega del teorema anterior a la definición de experimento de Poisson? Dad una explicación conceptual de esa relación. Problema Si X P ( ), calculad E(X), V (X) yelcoeficientedevariación. 1 Ejercicio El coeficiente de asimetría de la variable Poisson es p coeficiente.. Interpretad dicho Teorema Sean X 1 P ( 1 ) y X 2 P ( 2 ) dos variables aleatorias independientes con distribución de Poisson. Entonces la variable X = X 1 + X 2 sigue una distribución X P ( ). Ejercicio El número de peticiones que llegan a un servidor sigue una distribución de Poisson. Si la media de ese número es de 10 mensajes por segundo, cuál es la probabilidad de que no haya ninguna petición en un segundo? Y de que haya 15 o menos en un segundo? Problema Sabiendo que un ordenador compila, en promedio, 5 programas cada 10 minutos, calculad la probabilidad de que compile: (a) Más de 2 programas y menos de 6 en 10 minutos. (b) 25 programas en una hora. Problema Una fábrica suelta un vertido contaminante 2 veces al mes en promedio. La fábrica se revisa cuando hay más de 8 vertidos contaminantes en un trimestre. La fábrica se para si un trimestre hay más de 1 mes con al menos 4 vertidos. Calculad: (a) La probabilidad de que un trimestre haya que revisar la fábrica. (b) El número esperado de vertidos contaminantes en un trimestre. (c) La probabilidad de que la fábrica funcione 5 trimestres antes de ser revisada. (d) El número medio de trimestres que tienen que transcurrir antes de que la fábrica tenga que ser revisada. (e) La probabilidad de que un mes haya al menos 4 vertidos contaminantes. (f) La probabilidad de que un trimestre haya que parar la fábrica.

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

Explicación de la tarea 3 Felipe Guerra

Explicación de la tarea 3 Felipe Guerra Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0) 1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido

Más detalles

Práctica 3. Distribuciones de probabilidad

Práctica 3. Distribuciones de probabilidad Práctica 3. Distribuciones de probabilidad Estadística Facultad de Física Objetivos Distribuciones Representaciones gráficas Ejercicios Aplicaciones 1 Introducción En esta práctica utilizaremos una herramienta

Más detalles

Tema 7: Estadística y probabilidad

Tema 7: Estadística y probabilidad Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

DISTRIBUCIONES DE VARIABLE CONTINUA

DISTRIBUCIONES DE VARIABLE CONTINUA UNIDAD 11 DISTRIBUCIONES DE VARIABLE CONTINUA Página 260 1. Los trenes de una cierta línea de cercanías pasan cada 20 minutos. Cuando llegamos a la estación, ignoramos cuándo pasó el último. La medida

Más detalles

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Muestreo estadístico. Relación 2 Curso 2007-2008

Muestreo estadístico. Relación 2 Curso 2007-2008 Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

MATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125.

MATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125. MATEMÁTICAS º BACH CCSS - DISTRIBUCIÓN BINOMIAL ˆ EJERCICIO En una ciudad se han elegido al azar 7 habitantes. ¾Cuál es la probabilidad de que cuatro de ellos hayan nacido el 7 de mayo? p = P (haber nacido

Más detalles

Tema 6 Algunos modelos de distribuciones discretas.

Tema 6 Algunos modelos de distribuciones discretas. Tema 6 Algunos modelos de distribuciones discretas. Una vez epuesta la teoría general sobre variables aleatorias y sus distribuciones de probabilidad, vamos a describir algunas distribuciones particulares

Más detalles

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula: 1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el

Más detalles

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC Abel Martín ( * ) Rosana Álvarez García ( ) En dos artículos anteriores ya hemos estudiado la distribución Binomial de parámetros

Más detalles

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS 1.1 Variables aleatorias Considera el experimento aleatorio consistente en lanzar dos monedas. El espacio muestral de

Más detalles

RELACIÓN DE EJERCICIOS DE ESTADÍSTICA. PROBLEMAS DE ESTADÍSTICA: PROBABILIDAD

RELACIÓN DE EJERCICIOS DE ESTADÍSTICA. PROBLEMAS DE ESTADÍSTICA: PROBABILIDAD 1 UNIVERSIDAD DE CASTILLA-LA MANCHA Facultad de Químicas. RELACIÓN DE EJERCICIOS DE ESTADÍSTICA. PROBLEMAS DE ESTADÍSTICA: PROBABILIDAD Ejercicio 1º.- Se lanzan dos monedas y un dado. Se pide: 1) Describir

Más detalles

PRACTICA 2: Distribuciones de probabilidad discretas

PRACTICA 2: Distribuciones de probabilidad discretas Fn(x) 0.0 0.2 0.4 0.6 0.8 1.0 1 0 1 2 3 4 5 x PRACTICA 2: Distribuciones de probabilidad discretas 1. Clasi que las siguientes variables como discretas o continuas: (a) Número de crías (b) Peso del contenido

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Clase 8: Distribuciones Muestrales

Clase 8: Distribuciones Muestrales Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas

Más detalles

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Página 4 REFLEXIONA Y RESUELVE Recorrido de un perdigón Dibuja los recorridos correspondientes a: C + C C, + C + C, + C C C, + + + +, C+CC

Más detalles

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS 4.1 Distribución binomial 4.1.1 Definición. Ejemplos 4.1.2 La media y la varianza 4.1.3 Uso de tablas 4.1.4 Aditividad 4.2 Distribución de Poisson 4.2.1 Definición.

Más detalles

Problemas Resueltos del Tema 1

Problemas Resueltos del Tema 1 Tema 1. Probabilidad. 1 Problemas Resueltos del Tema 1 1- Un estudiante responde al azar a dos preguntas de verdadero o falso. Escriba el espacio muestral de este experimento aleatorio.. El espacio muestral

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Variables aleatorias. Función de distribución y características asociadas

Variables aleatorias. Función de distribución y características asociadas Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA Capítulo 4 INFERENCIA ESTADÍSTICA 4.1. Introducción Inferir: Sacar una consecuencia de una cosa. Sacar consecuencia o deducir una cosa de otra. La estadística, ciencia o rama de las Matemáticas que se

Más detalles

Curso de Estadística no-paramétrica

Curso de Estadística no-paramétrica Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació

Más detalles

R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad

R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad R PRÁCTICA II Probabilidad-Variables Aleatorias Sección II.1 Probabilidad 15. En el fichero sintomas.dat se encuentran 9 columnas con los resultados de una estadística médica. Cada columna corresponde

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL INTRODUCCIÓN En este módulo se continúa con el estudio de las distribuciones de probabilidad, examinando una distribución de probabilidad continua muy importante:

Más detalles

Práctica 3 Distribuciones de probabilidad

Práctica 3 Distribuciones de probabilidad Práctica 3 Distribuciones de probabilidad Contenido 1 Objetivos 1 2 Distribuciones de variables aleatorias 1 3 Gráficas de funciones de distribución, densidad y probabilidad 6 4 Bibliografía 10 1 Objetivos

Más detalles

Relación de Problemas. Modelos de Probabilidad

Relación de Problemas. Modelos de Probabilidad Relación de Problemas. Modelos de Probabilidad 1. Sabemos que en una ciudad, de cada 50000 personas, 1500 están viendo un cierto programa de TV. Cuál es la probabilidad de que de 100 personas elegidas

Más detalles

Teoría de Probabilidad

Teoría de Probabilidad Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe

Más detalles

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL. REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

Distribuciones discretas. Distribución Binomial

Distribuciones discretas. Distribución Binomial Boletín: Distribuciones de Probabilidad IES de MOS Métodos estadísticos y numéricos Distribuciones discretas. Distribución Binomial 1. Una urna contiene 3 bolas blancas, 1 bola negra y 2 bolas azules.

Más detalles

TEORIA DE LA PROBABILIDAD

TEORIA DE LA PROBABILIDAD TEORIA DE LA PROBABILIDAD 2.1. Un poco de historia de la teoría de la probabilidad. Parece evidente que la idea de probabilidad debe ser tan antigua como el hombre. La idea es muy probable que llueva mañana

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son

Más detalles

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D.

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D. UNIVERSIDAD DE PUERTO RICO FACULTAD DE ADMINISTRACION DE EMPRESAS INSTITUTO DE ESTADISTICA ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus, Ph.D. Presentación Este curso ofrece al estudiante, la posibilidad

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA N o 1: Estadística y Probabilidades Profesor: Hugo S. Salinas. Primer Semestre 2011 1. Señalar

Más detalles

Un problema sobre repetidas apuestas al azar

Un problema sobre repetidas apuestas al azar Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito

Más detalles

Tema 12: Contrastes Paramétricos

Tema 12: Contrastes Paramétricos Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de

Más detalles

Ejercicios de Modelos de Probabilidad

Ejercicios de Modelos de Probabilidad Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares

Más detalles

Diferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005

Diferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005 Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Diferenciabilidad. 1. Definición de función diferenciable Después del estudio de los ites de funciones

Más detalles

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 0 DISTRIUIONES DE PROILIDD DE VRILE DISRET. L INOMIL Página PR EMPEZR, REFLEXION Y RESUELVE Problema Dibuja los recorridos correspondientes a: +, + +, +, + + + +, + + + + + + + + + + Problema Observa que

Más detalles

Unidad II: Números pseudoaleatorios

Unidad II: Números pseudoaleatorios Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno

Más detalles

Integrales y ejemplos de aplicación

Integrales y ejemplos de aplicación Integrales y ejemplos de aplicación I. PROPÓSITO DE ESTOS APUNTES Estas notas tienen como finalidad darle al lector una breve introducción a la noción de integral. De ninguna manera se pretende seguir

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

Ejercicios de combinatoria resueltos. Matemática Discreta. 4º Ingeniería Informática

Ejercicios de combinatoria resueltos. Matemática Discreta. 4º Ingeniería Informática 1. Un número telefónico consta de siete cifras enteras. Supongamos que la primera cifra debe ser un número entre 2 y 9, ambos inclusive. La segunda y la tercera cifra deben ser números entre 1 y 9, ambos

Más detalles

DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL Capítulo 3 DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL 3.1. Introducción Estudiaremos en este tema dos de las distribuciones de probabilidad más importantes y que son imprescindibles a la hora de adentrarnos

Más detalles

TEMA II VARIABLES ALEATORIAS. DISTRIBUCIÓN BINOMIAL Y NORMAL

TEMA II VARIABLES ALEATORIAS. DISTRIBUCIÓN BINOMIAL Y NORMAL TEMA II VARIABLES ALEATORIAS. DISTRIBUCIÓN. BINOMIAL Y NORMAL I.- Variable aleatoria. Concepto. Antes de definir el concepto de varibale aleatoria, veamos algunos ejemplos (ya estás empezando a comprobar

Más detalles

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial.

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial. UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO Facultad de Contaduría y Ciencias Administrativas Academia de Matemáticas Apuntes para la Materia de Estadística II Guía Básica para el Estudio de la Estadística

Más detalles

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad Estadís1ca Tema 7. Control estadís1co de la calidad María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES ALUMNO: CONTENIDOS PARA LA RECUPERACION DE ÁREA EN SEPTIEMBRE

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES ALUMNO: CONTENIDOS PARA LA RECUPERACION DE ÁREA EN SEPTIEMBRE TRABAJO DE VERANO 2014 1º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES ALUMNO: ARITMÉTICA Y ÁLGEBRA CONTENIDOS PARA LA RECUPERACION DE ÁREA EN SEPTIEMBRE Números: reales, irracionales, racionales.

Más detalles

SUCESOS. PROBABILIDAD. BACHILLERATO. TEORÍA Y EJERCICIOS SUCESOS

SUCESOS. PROBABILIDAD. BACHILLERATO. TEORÍA Y EJERCICIOS SUCESOS 1 SUCESOS Experimento aleatorio. Es aquel que al repetirlo en análogas condiciones, da resultados diferentes, es decir, no se puede predecir el resultado que se va a obtener. Ejemplos: - Lanzar una moneda

Más detalles

Un juego de cartas: Las siete y media

Un juego de cartas: Las siete y media Un juego de cartas: Las siete y media Paula Lagares Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 * Universidad de Sevilla

Más detalles

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

T.1 CONVERGENCIA Y TEOREMAS LÍMITE T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada

Más detalles

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en

Más detalles

Problemas de Probabilidad Soluciones

Problemas de Probabilidad Soluciones Problemas de Probabilidad Soluciones. En una carrera participan los caballos A, B, C y D. Se estima que la probabilidad de que gane A es el doble de la probabilidad de que gane cada uno de los otros tres.

Más detalles

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

Probabilidad. Relación de problemas 5

Probabilidad. Relación de problemas 5 Relación de problemas 5 Probabilidad 1. Una asociación consta de 14 miembros, de los cuales 6 son varones y 8 son mujeres. Se desea seleccionar un comité de tres hombres y tres mujeres. Determinar de cuántas

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

Se pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores.

Se pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores. 2.2.- Ha sido medida la distancia de frenado (en metros) de una determinada marca de coches, según el tipo de suelo y velocidad a la que circula, los resultados en 64 pruebas aparecen en el listado siguiente:

Más detalles

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral. Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida

Más detalles

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 rafael.dearce@uam.es El objeto de las tablas de contingencia es extraer información de cruce entre dos

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

Más detalles

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones

Más detalles

Probabilidad y sus aplicaciones en ingeniería informática

Probabilidad y sus aplicaciones en ingeniería informática Probabilidad y sus aplicaciones en ingeniería informática Víctor Hernández Eduardo Ramos Ildefonso Yáñez c Víctor Hernández, Eduardo Ramos, Ildefonso Yánez EDICIONES CDÉMICS Probabilidad y sus aplicaciones

Más detalles

CONTENIDOS MÍNIMOS BACHILLERATO

CONTENIDOS MÍNIMOS BACHILLERATO CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5

Más detalles

Problemas. Variables Aleatorias. Modelos de Probabilidad

Problemas. Variables Aleatorias. Modelos de Probabilidad Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página): Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar

Más detalles

Universidad de Zaragoza

Universidad de Zaragoza Nº L.E. Nº L.A.D.E. PUBLICACIONES DE 2º CURSO SECCIÓN: L.A.D.E y L.E. ASIGNATURA: ESTADÍSTICA II TEMA: GRUPO: Problemas de muestreo TODOS DEPARTAMENTO DE MÉTODOS ESTADÍSTICOS Curso Académico 2004/2005

Más detalles

LAS APUESTAS EN EL FRONTÓN

LAS APUESTAS EN EL FRONTÓN Las Apuestas en el Frontón LAS APUESTAS EN EL FRONTÓN Alberto Bagazgoitia (*) En los frontones el juego de la pelota vasca se ha mantenido y se mantiene con fuerza a través de los años. Estos últimos años

Más detalles

15 PARÁMETROS ESTADÍSTICOS

15 PARÁMETROS ESTADÍSTICOS EJERCICIOS PROPUESTOS 1.1 El número de libros leídos por los miembros de un círculo de lectores en un mes se resume en esta tabla. N. o de libros leídos x i N. o de personas f i 1 1 3 18 11 7 7 1 Halla

Más detalles

Unidad 4: Distribuciones de Probabilidad (Discretas y Continuas)

Unidad 4: Distribuciones de Probabilidad (Discretas y Continuas) Unidad 4: Distribuciones de Probabilidad (Discretas y Continuas) Ejercicio 4 1 Una persona vende automóviles nuevos para una empresa. Generalmente negocia el mayor número de autos los sábados. Ha establecido

Más detalles

Práctica 6 Control estadístico de la calidad

Práctica 6 Control estadístico de la calidad Práctica 6 Control estadístico de la calidad Contenido 1 Introducción y objetivos 1 2 Datos para las cartas de control 2 3 Control de fabricación por variables: cartas X y cartas R 4 4 Control de fabricación

Más detalles

Ejercicios distribuciones discretas probabilidad

Ejercicios distribuciones discretas probabilidad Ejercicios distribuciones discretas probabilidad 1. Una máquina que produce cierta clase de piezas no está bien ajustada. Un porcentaje del 4.2% de las piezas están fuera de tolerancias, por lo que resultan

Más detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme

Más detalles

Ingeniería Técnica Industrial, todas especialidades. Ingeniería Técnica Telecomunicaciones, Telemática Problemas de examenes

Ingeniería Técnica Industrial, todas especialidades. Ingeniería Técnica Telecomunicaciones, Telemática Problemas de examenes Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería, Estadística Problemas de examenes: Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Tema 3. Variables aleatorias. Inferencia estadística

Tema 3. Variables aleatorias. Inferencia estadística Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable

Más detalles