Este documento presenta los conceptos clave de la distribución binomial y la distribución normal. Explica que la distribución binomial modela experimentos con dos resultados posibles y probabilidad constante. Proporciona fórmulas para calcular la probabilidad, media y varianza binomial. También introduce la distribución normal continua, con énfasis en la distribución estándar normal N(0,1). Finalmente, muestra ejemplos de cómo usar tablas de la distribución normal para calcular probabilidades.
Este documento presenta ejercicios resueltos sobre distribuciones de probabilidad como la distribución de Bernoulli, binomial y Poisson. En el primer ejercicio se analiza una variable aleatoria con distribución de Bernoulli para determinar su media y varianza. El segundo ejercicio involucra variables aleatorias con distribuciones binomiales para calcular probabilidades. El tercer ejercicio calcula probabilidades usando una variable aleatoria con distribución de Poisson.
Este documento trata sobre distribuciones de probabilidad. Explica cómo calcular las probabilidades de diferentes resultados al lanzar monedas o dados. También cubre conceptos como la media, desviación típica y funciones de densidad de probabilidad para diferentes distribuciones como la binomial y normal. Finalmente, proporciona ejemplos numéricos de cómo calcular probabilidades para estas distribuciones.
Este documento presenta varios problemas y ejercicios relacionados con el cálculo de probabilidades. Incluye cálculos para determinar la probabilidad de que eventos específicos ocurran en experiencias aleatorias como lanzar dados, monedas u objetos en cuadrículas. También cubre conceptos como espacios muestrales, sucesos elementales y no elementales, probabilidades condicionadas e independencia de eventos.
Este documento describe la distribución binomial y proporciona ejemplos para calcular la probabilidad de diferentes resultados. Explica que la distribución binomial se aplica a experimentos con dos posibles resultados (éxito o fracaso) y un número fijo de ensayos independientes. También presenta ejemplos numéricos para calcular la probabilidad de diferentes números de "éxitos" dados la probabilidad de éxito y el número total de ensayos.
Este documento presenta varios ejercicios resueltos relacionados con la aplicación del Teorema del Límite Central. En los ejercicios se calculan probabilidades para variables aleatorias con distribuciones normales dados diferentes tamaños de muestra. Por ejemplo, se calcula la probabilidad de que el diámetro promedio de una muestra de anillos esté dentro de un rango específico y cómo esta probabilidad cambia con un tamaño de muestra mayor.
El documento presenta notas de una clase sobre derivadas diversas. Explica conceptos como la derivación, integración y reglas básicas de derivación de funciones como exponenciales, logarítmicas, trigonométricas e inversas. Finalmente, propone ejercicios para derivar diferentes funciones utilizando las propiedades explicadas.
La distribución binomial describe experimentos con los siguientes parámetros: (1) dos resultados posibles llamados éxito y fracaso, (2) una probabilidad fija de éxito p en cada prueba, (3) pruebas independientes, (4) un número fijo de pruebas n. Calcula la probabilidad de obtener k éxitos tras n pruebas. Para n=1 se reduce a una distribución de Bernoulli.
1) El documento presenta varios ejemplos de probabilidad utilizando distribuciones de Bernoulli, binomial, Poisson y normal. Explica cómo calcular la probabilidad de eventos específicos en cada uno de estos tipos de distribuciones.
2) También incluye ejemplos de cómo calcular áreas bajo la curva normal y percentiles para distribuciones normales.
3) En total, el documento cubre cinco tipos diferentes de distribuciones de probabilidad comúnmente utilizadas y cómo calcular probabilidades con cada una de ellas a través de una variedad de ej
Este documento presenta ejercicios resueltos sobre distribuciones de probabilidad como la distribución de Bernoulli, binomial y Poisson. En el primer ejercicio se analiza una variable aleatoria con distribución de Bernoulli para determinar su media y varianza. El segundo ejercicio involucra variables aleatorias con distribuciones binomiales para calcular probabilidades. El tercer ejercicio calcula probabilidades usando una variable aleatoria con distribución de Poisson.
Este documento trata sobre distribuciones de probabilidad. Explica cómo calcular las probabilidades de diferentes resultados al lanzar monedas o dados. También cubre conceptos como la media, desviación típica y funciones de densidad de probabilidad para diferentes distribuciones como la binomial y normal. Finalmente, proporciona ejemplos numéricos de cómo calcular probabilidades para estas distribuciones.
Este documento presenta varios problemas y ejercicios relacionados con el cálculo de probabilidades. Incluye cálculos para determinar la probabilidad de que eventos específicos ocurran en experiencias aleatorias como lanzar dados, monedas u objetos en cuadrículas. También cubre conceptos como espacios muestrales, sucesos elementales y no elementales, probabilidades condicionadas e independencia de eventos.
Este documento describe la distribución binomial y proporciona ejemplos para calcular la probabilidad de diferentes resultados. Explica que la distribución binomial se aplica a experimentos con dos posibles resultados (éxito o fracaso) y un número fijo de ensayos independientes. También presenta ejemplos numéricos para calcular la probabilidad de diferentes números de "éxitos" dados la probabilidad de éxito y el número total de ensayos.
Este documento presenta varios ejercicios resueltos relacionados con la aplicación del Teorema del Límite Central. En los ejercicios se calculan probabilidades para variables aleatorias con distribuciones normales dados diferentes tamaños de muestra. Por ejemplo, se calcula la probabilidad de que el diámetro promedio de una muestra de anillos esté dentro de un rango específico y cómo esta probabilidad cambia con un tamaño de muestra mayor.
El documento presenta notas de una clase sobre derivadas diversas. Explica conceptos como la derivación, integración y reglas básicas de derivación de funciones como exponenciales, logarítmicas, trigonométricas e inversas. Finalmente, propone ejercicios para derivar diferentes funciones utilizando las propiedades explicadas.
La distribución binomial describe experimentos con los siguientes parámetros: (1) dos resultados posibles llamados éxito y fracaso, (2) una probabilidad fija de éxito p en cada prueba, (3) pruebas independientes, (4) un número fijo de pruebas n. Calcula la probabilidad de obtener k éxitos tras n pruebas. Para n=1 se reduce a una distribución de Bernoulli.
1) El documento presenta varios ejemplos de probabilidad utilizando distribuciones de Bernoulli, binomial, Poisson y normal. Explica cómo calcular la probabilidad de eventos específicos en cada uno de estos tipos de distribuciones.
2) También incluye ejemplos de cómo calcular áreas bajo la curva normal y percentiles para distribuciones normales.
3) En total, el documento cubre cinco tipos diferentes de distribuciones de probabilidad comúnmente utilizadas y cómo calcular probabilidades con cada una de ellas a través de una variedad de ej
El documento presenta información sobre problemas multiplicativos, incluyendo:
1) Resolución de cálculos que implican la jerarquía de operaciones y el uso de paréntesis.
2) Multiplicación de monomios, binomios y polinomios.
3) División de monomios.
Este documento presenta tres ejercicios resueltos sobre distribuciones conjuntas de probabilidad. El primer ejercicio calcula la probabilidad de que haya al menos dos clientes más en una línea de espera que en la otra para un supermercado con dos cajas. El segundo ejercicio determina el número esperado de solicitudes rechazadas diariamente para una financiera. El tercer ejercicio calcula la probabilidad de éxito después de tres meses y la utilidad mensual esperada y su varianza para una empresa que vende dos tipos de chancadoras.
El documento presenta varios problemas relacionados con probabilidades en distribuciones normales. Resuelve cálculos de probabilidades para diferentes valores de z en una distribución N(0,1), y calcula probabilidades para variables aleatorias con distribuciones normales donde se especifican la media y desviación típica.
Este documento presenta ejercicios de funciones cuadráticas resueltos de las páginas 61 a 69 de un libro. Incluye gráficas de funciones cuadráticas, cálculos de vértices, dominios, rangos y puntos de corte con los ejes. Se resuelven ejercicios como determinar coordenadas de vértices, sumar coeficientes y graficar funciones dadas sus expresiones.
El documento trata sobre la programación cuadrática, que minimiza funciones cuadráticas sujetas a restricciones lineales. Explica cómo reconocer ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Luego presenta ejemplos resueltos de problemas de programación cuadrática que involucran minimizar o maximizar funciones cuadráticas sujetas a restricciones.
El documento presenta un solucionario de ejercicios de cálculo integral del libro "Cálculo diferencial e integral" de Granville. Contiene la solución a 14 ejercicios de integración mediante el método de sustitución y reglas básicas. El autor, Carlos Alberto Julián Sánchez, ofrece este material como apoyo para estudiantes de nivel medio superior o universitario.
El documento presenta una serie de ejercicios relacionados con el cálculo de mínimos comunes múltiplos y fracciones. Los ejercicios incluyen calcular términos que faltan, determinar mínimos comunes múltiplos de conjuntos de números, realizar operaciones con fracciones, relacionar fracciones equivalentes, y resolver problemas que implican el cálculo de fracciones.
Este documento presenta varios ejercicios sobre distribuciones de probabilidad. El primer ejercicio involucra calcular la distribución de probabilidad, esperanza matemática y varianza para la variable aleatoria que representa la cantidad de alpargatas defectuosas que se seleccionan de un grupo. El segundo ejercicio pide hallar estas mismas medidas para una variable aleatoria con una distribución de probabilidad dada. Finalmente, se pide calcular la distribución acumulada y desviación estándar para la demanda semanal de máquinas de afeitar
Este documento presenta la resolución de varios ejercicios de inecuaciones de primer y segundo grado con una o dos incógnitas. Se explican los pasos para resolver inecuaciones individuales y sistemas de inecuaciones, incluyendo la representación gráfica de las soluciones.
Este documento define conceptos estadísticos fundamentales como población, muestra, variable aleatoria, distribución de probabilidad y tipos de distribuciones como uniforme discreta, binomial, multinomial e hipergeométrica. Explica que una variable aleatoria puede ser discreta o continua dependiendo de si sus valores posibles son enumerables o un intervalo continuo. Además, introduce conceptos como valor esperado y varianza para medir las características centrales y dispersión de una variable aleatoria.
El documento trata sobre investigación operativa y programación lineal. Explica que la investigación operativa se aplica a problemas de coordinación de actividades dentro de una empresa y provee conclusiones claras para la toma de decisiones. La programación lineal busca optimizar un resultado mediante el planeamiento de actividades sujetas a restricciones, donde todas las funciones matemáticas deben ser lineales.
Este documento trata sobre programación cuadrática y describe varios conceptos matemáticos como ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Explica cómo reconocer cada curva a partir de su ecuación y resuelve seis ejercicios de minimización o maximización de funciones cuadráticas sujetas a restricciones lineales, encontrando en cada caso los valores óptimos de las variables.
Este documento presenta varios ejemplos y problemas resueltos sobre distribuciones de probabilidad discretas y continuas como la binomial, Poisson y normal. Explica conceptos como media, desviación estándar y probabilidades para estas distribuciones y aplica aproximaciones normales a la binomial. Resuelve 10 problemas ilustrando cálculos y gráficas de las diferentes distribuciones.
Este documento presenta 30 ecuaciones de primer grado para resolver, así como 17 ecuaciones adicionales con paréntesis y/o denominadores. También explica el método general para resolver ecuaciones de primer grado, que implica quitar paréntesis, eliminar denominadores, agrupar términos y despejar la incógnita.
Este documento presenta reglas y ejemplos para derivar polinomios, series de potencias, funciones de potencias, raíces cuadradas y productos de funciones. También incluye ejercicios para practicar la derivación de diferentes tipos de funciones como polinomios, funciones con paréntesis y raíces.
El resumen analiza dos problemas de programación lineal. El primero busca maximizar la función objetivo Z = 220x + 240y sujeto a cuatro restricciones. Usando el método simplex se obtiene la solución óptima de x = 15, y = 172.5. El segundo problema busca maximizar Z = 50x + 80y sujeto a dos restricciones. El método simplex da como solución óptima x = 30, y = 120.
El documento describe la distribución binomial y proporciona ejemplos para calcular la probabilidad de diferentes resultados. Explica que la distribución binomial modela experimentos con dos posibles resultados (éxito o fracaso) y una probabilidad constante de éxito en cada prueba independiente. Luego, resuelve cinco ejemplos numéricos y los grafica para ilustrar cómo calcular estas probabilidades.
Este documento describe la distribución binomial y proporciona ejemplos para calcular la probabilidad de diferentes resultados. Explica que la distribución binomial se aplica a experimentos con dos posibles resultados (éxito o fracaso) y un número fijo de intentos independientes. Luego resuelve cinco problemas utilizando la fórmula binomial para calcular las probabilidades de diferentes números de "éxitos".
Este documento introduce las inecuaciones lineales y explica cómo representar sus conjuntos de soluciones mediante intervalos. Define las inecuaciones lineales, los tipos de intervalos (abierto, cerrado, semiabierto) y cómo resolver inecuaciones utilizando propiedades de desigualdad. Proporciona ejemplos resueltos de inecuaciones lineales y con valor absoluto.
La distribución normal es la distribución de probabilidad continua más importante en estadística. Tiene una forma de campana y es simétrica respecto a la media. Se utiliza para modelar muchos fenómenos naturales y para calcular probabilidades asociadas a valores de una variable aleatoria. El documento explica las propiedades clave de la distribución normal y cómo se puede utilizar una tabla para encontrar probabilidades bajo la curva.
La Teoría del Consumidor parte del supuesto de que los individuos tienen preferencias (gustos) sobre los bienes
Problema: las preferencias no son observables. No obstante, podemos inferir los gustos a partir de lo que los individuos eligen
Si eliges A cuando B también era posible, debe ser que te gusta más A que B
La teoría del consumidor es una rama de la microeconomía, que estudia el comportamiento de un agente económico en su carácter de consumidor de bienes y de servicios encaminada a la obtención de la curva de demanda del consumidor para los distintos bienes, llegando al concepto de utilidad marginal. Esta teoría relaciona las preferencias, las curvas de indiferencia y las restricciones presupuestarias a las curvas de demanda del consumidor.
El primer intento teórico encaminado a proporcionar una explicación válida de la formación de la demanda del consumidor es la teoría de la utilidad. Su fundamento básico se encuentra en el concepto de utilidad, entendida como la capacidad de un bien para satisfacer una necesidad humana.
Este documento presenta información sobre distribuciones de probabilidad continua, incluyendo la distribución normal y la distribución exponencial. Explica los parámetros, funciones de densidad de probabilidad y representaciones gráficas de estas distribuciones, así como la tabla de la distribución normal estandarizada.
El documento presenta información sobre problemas multiplicativos, incluyendo:
1) Resolución de cálculos que implican la jerarquía de operaciones y el uso de paréntesis.
2) Multiplicación de monomios, binomios y polinomios.
3) División de monomios.
Este documento presenta tres ejercicios resueltos sobre distribuciones conjuntas de probabilidad. El primer ejercicio calcula la probabilidad de que haya al menos dos clientes más en una línea de espera que en la otra para un supermercado con dos cajas. El segundo ejercicio determina el número esperado de solicitudes rechazadas diariamente para una financiera. El tercer ejercicio calcula la probabilidad de éxito después de tres meses y la utilidad mensual esperada y su varianza para una empresa que vende dos tipos de chancadoras.
El documento presenta varios problemas relacionados con probabilidades en distribuciones normales. Resuelve cálculos de probabilidades para diferentes valores de z en una distribución N(0,1), y calcula probabilidades para variables aleatorias con distribuciones normales donde se especifican la media y desviación típica.
Este documento presenta ejercicios de funciones cuadráticas resueltos de las páginas 61 a 69 de un libro. Incluye gráficas de funciones cuadráticas, cálculos de vértices, dominios, rangos y puntos de corte con los ejes. Se resuelven ejercicios como determinar coordenadas de vértices, sumar coeficientes y graficar funciones dadas sus expresiones.
El documento trata sobre la programación cuadrática, que minimiza funciones cuadráticas sujetas a restricciones lineales. Explica cómo reconocer ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Luego presenta ejemplos resueltos de problemas de programación cuadrática que involucran minimizar o maximizar funciones cuadráticas sujetas a restricciones.
El documento presenta un solucionario de ejercicios de cálculo integral del libro "Cálculo diferencial e integral" de Granville. Contiene la solución a 14 ejercicios de integración mediante el método de sustitución y reglas básicas. El autor, Carlos Alberto Julián Sánchez, ofrece este material como apoyo para estudiantes de nivel medio superior o universitario.
El documento presenta una serie de ejercicios relacionados con el cálculo de mínimos comunes múltiplos y fracciones. Los ejercicios incluyen calcular términos que faltan, determinar mínimos comunes múltiplos de conjuntos de números, realizar operaciones con fracciones, relacionar fracciones equivalentes, y resolver problemas que implican el cálculo de fracciones.
Este documento presenta varios ejercicios sobre distribuciones de probabilidad. El primer ejercicio involucra calcular la distribución de probabilidad, esperanza matemática y varianza para la variable aleatoria que representa la cantidad de alpargatas defectuosas que se seleccionan de un grupo. El segundo ejercicio pide hallar estas mismas medidas para una variable aleatoria con una distribución de probabilidad dada. Finalmente, se pide calcular la distribución acumulada y desviación estándar para la demanda semanal de máquinas de afeitar
Este documento presenta la resolución de varios ejercicios de inecuaciones de primer y segundo grado con una o dos incógnitas. Se explican los pasos para resolver inecuaciones individuales y sistemas de inecuaciones, incluyendo la representación gráfica de las soluciones.
Este documento define conceptos estadísticos fundamentales como población, muestra, variable aleatoria, distribución de probabilidad y tipos de distribuciones como uniforme discreta, binomial, multinomial e hipergeométrica. Explica que una variable aleatoria puede ser discreta o continua dependiendo de si sus valores posibles son enumerables o un intervalo continuo. Además, introduce conceptos como valor esperado y varianza para medir las características centrales y dispersión de una variable aleatoria.
El documento trata sobre investigación operativa y programación lineal. Explica que la investigación operativa se aplica a problemas de coordinación de actividades dentro de una empresa y provee conclusiones claras para la toma de decisiones. La programación lineal busca optimizar un resultado mediante el planeamiento de actividades sujetas a restricciones, donde todas las funciones matemáticas deben ser lineales.
Este documento trata sobre programación cuadrática y describe varios conceptos matemáticos como ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Explica cómo reconocer cada curva a partir de su ecuación y resuelve seis ejercicios de minimización o maximización de funciones cuadráticas sujetas a restricciones lineales, encontrando en cada caso los valores óptimos de las variables.
Este documento presenta varios ejemplos y problemas resueltos sobre distribuciones de probabilidad discretas y continuas como la binomial, Poisson y normal. Explica conceptos como media, desviación estándar y probabilidades para estas distribuciones y aplica aproximaciones normales a la binomial. Resuelve 10 problemas ilustrando cálculos y gráficas de las diferentes distribuciones.
Este documento presenta 30 ecuaciones de primer grado para resolver, así como 17 ecuaciones adicionales con paréntesis y/o denominadores. También explica el método general para resolver ecuaciones de primer grado, que implica quitar paréntesis, eliminar denominadores, agrupar términos y despejar la incógnita.
Este documento presenta reglas y ejemplos para derivar polinomios, series de potencias, funciones de potencias, raíces cuadradas y productos de funciones. También incluye ejercicios para practicar la derivación de diferentes tipos de funciones como polinomios, funciones con paréntesis y raíces.
El resumen analiza dos problemas de programación lineal. El primero busca maximizar la función objetivo Z = 220x + 240y sujeto a cuatro restricciones. Usando el método simplex se obtiene la solución óptima de x = 15, y = 172.5. El segundo problema busca maximizar Z = 50x + 80y sujeto a dos restricciones. El método simplex da como solución óptima x = 30, y = 120.
El documento describe la distribución binomial y proporciona ejemplos para calcular la probabilidad de diferentes resultados. Explica que la distribución binomial modela experimentos con dos posibles resultados (éxito o fracaso) y una probabilidad constante de éxito en cada prueba independiente. Luego, resuelve cinco ejemplos numéricos y los grafica para ilustrar cómo calcular estas probabilidades.
Este documento describe la distribución binomial y proporciona ejemplos para calcular la probabilidad de diferentes resultados. Explica que la distribución binomial se aplica a experimentos con dos posibles resultados (éxito o fracaso) y un número fijo de intentos independientes. Luego resuelve cinco problemas utilizando la fórmula binomial para calcular las probabilidades de diferentes números de "éxitos".
Este documento introduce las inecuaciones lineales y explica cómo representar sus conjuntos de soluciones mediante intervalos. Define las inecuaciones lineales, los tipos de intervalos (abierto, cerrado, semiabierto) y cómo resolver inecuaciones utilizando propiedades de desigualdad. Proporciona ejemplos resueltos de inecuaciones lineales y con valor absoluto.
La distribución normal es la distribución de probabilidad continua más importante en estadística. Tiene una forma de campana y es simétrica respecto a la media. Se utiliza para modelar muchos fenómenos naturales y para calcular probabilidades asociadas a valores de una variable aleatoria. El documento explica las propiedades clave de la distribución normal y cómo se puede utilizar una tabla para encontrar probabilidades bajo la curva.
La Teoría del Consumidor parte del supuesto de que los individuos tienen preferencias (gustos) sobre los bienes
Problema: las preferencias no son observables. No obstante, podemos inferir los gustos a partir de lo que los individuos eligen
Si eliges A cuando B también era posible, debe ser que te gusta más A que B
La teoría del consumidor es una rama de la microeconomía, que estudia el comportamiento de un agente económico en su carácter de consumidor de bienes y de servicios encaminada a la obtención de la curva de demanda del consumidor para los distintos bienes, llegando al concepto de utilidad marginal. Esta teoría relaciona las preferencias, las curvas de indiferencia y las restricciones presupuestarias a las curvas de demanda del consumidor.
El primer intento teórico encaminado a proporcionar una explicación válida de la formación de la demanda del consumidor es la teoría de la utilidad. Su fundamento básico se encuentra en el concepto de utilidad, entendida como la capacidad de un bien para satisfacer una necesidad humana.
Este documento presenta información sobre distribuciones de probabilidad continua, incluyendo la distribución normal y la distribución exponencial. Explica los parámetros, funciones de densidad de probabilidad y representaciones gráficas de estas distribuciones, así como la tabla de la distribución normal estandarizada.
12 1 ESTUDIO DE MAXIMAS AVENIDAS metodos_estadisticosFátima Lds
El documento describe métodos para determinar caudales máximos, incluyendo métodos empíricos, estadísticos y análisis de hidrogramas. Explica el uso de distribuciones de probabilidad como la log-normal y de valores extremos para estimar caudales de diseño para diferentes períodos de retorno, los cuales son necesarios para el diseño de estructuras de control de agua. También presenta datos de caudales máximos diarios e instantáneos de un río para ilustrar los análisis.
El documento presenta varios problemas de ingeniería resueltos utilizando métodos numéricos como Newton-Raphson, punto fijo y bisección. Se calcula la máxima deflexión de una viga, la aproximación de una raíz mediante iteraciones y la solución de una ecuación no lineal utilizando diferentes métodos.
El documento presenta varios problemas de ingeniería resueltos utilizando métodos numéricos como Newton-Raphson, punto fijo y bisección. Se calcula la máxima deflexión de una viga, la aproximación de una raíz mediante iteraciones y la solución de una ecuación no lineal utilizando diferentes métodos.
Examples methods of calculate roots of equation1NORAIMA
El documento presenta ejemplos de métodos para calcular raíces de ecuaciones, incluyendo: (1) el método de Newton-Raphson para encontrar la máxima deflexión de una viga, (2) el método de punto fijo para aproximar una raíz, y (3) un ejercicio para calcular la raíz de una función usando bisección, falsa posición, secante y Newton-Raphson. Se construye una curva para comparar el error relativo frente al número de iteraciones de cada método y determinar qué tipo de convergencia poseen para esta
El documento presenta dos tareas relacionadas con el análisis estadístico de datos. La primera tarea involucra el análisis descriptivo de calificaciones de estudiantes, incluyendo el cálculo de medidas como promedio, moda y desviación estándar. La segunda tarea implica el desarrollo de un modelo de regresión para predecir la talla de recién nacidos en función de variables como edad, talla y peso al nacer. Se pide validar el modelo y sacar conclusiones.
Este documento describe el método de Jacobi para el ajuste de curvas. Explica cómo se puede usar la regresión lineal y polinomial para encontrar valores intermedios que predigan datos experimentales. También describe cómo el método de Jacobi transforma una matriz en otra similar mediante una matriz ortogonal para hacer ceros los valores fuera de la diagonal principal, lo que permite calcular valores y vectores propios.
1. El documento presenta una matriz de incidencia y una matriz de adyacencia para un grafo no dirigido con 10 nodos etiquetados de A a J. También muestra un recorrido desde el nodo A hasta el D a través del grafo.
2. Se aplican iteraciones del algoritmo de Dijkstra para encontrar la ruta mínima desde el nodo 1 hasta el 8 en un grafo diferente.
3. Se pide representar un árbol binario como una lista doblemente enlazada.
Distribución normal de probabilidades por Bioq. José Luis Soto Velásquez (3-1)joseluissotovelasquez
TAMBIÉN ESTOY EN: Youtube: https://bit.ly/2TCUoiR y Facebook: https://bit.ly/2QYxWPf
Como "Bioestadística con JL Soto"
Variables continuas, campana de gauss, pruebas de normalidad, pruebas paramétricas y no paramétricas
El documento presenta diferentes fórmulas y métodos para calcular el tamaño de una muestra probabilística. Se destacan factores como el presupuesto, subgrupos a analizar, desviación estándar, error y nivel de confianza. Se explican dos fórmulas principales para cuando se desconoce o se conoce la población total, así como una tabla de datos de referencia para el cálculo.
El documento presenta métodos para calcular el tamaño de una muestra probabilística, incluyendo fórmulas que consideran el nivel de confianza, margen de error, y probabilidad de ocurrencia. Se provee una tabla de referencia con valores Z para diferentes niveles de aceptación y error. Finalmente, se incluye un ejemplo numérico para ilustrar cómo usar la tabla para determinar el tamaño de muestra para un 95% de confianza y 5% de error.
1) La tensión normal en el punto (y=-10 cm, z=8 cm) es de 6,94 MPa de compresión y la tensión cortante es de 0,626 MPa.
2) La línea neutra se encuentra en z=7 cm. Por encima hay tracción y por debajo hay compresión.
3) La tensión normal máxima es de 43 MPa y ocurre en la fibra superior.
4) La tensión cortante máxima es de 0,84 MPa y ocurre en la fibra más alejada del eje z.
1) La tensión normal en el punto (y=-10 cm, z=8 cm) es de 6,94 MPa de compresión y la tensión cortante es de 0,626 MPa.
2) La línea neutra se encuentra en z=7 cm. Por encima hay tracción y por debajo hay compresión.
3) La tensión normal máxima es de 43 MPa y se da en la fibra superior.
4) La tensión cortante máxima es de 0,84 MPa y se da en la fibra más alejada del eje z.
1) La tensión normal en el punto (y=-10 cm, z=8 cm) es de 6,94 MPa de compresión y la tensión cortante es de 0,626 MPa.
2) La línea neutra se encuentra en z=7 cm. Por encima hay tracción y por debajo hay compresión.
3) La tensión normal máxima es de 43 MPa y se da en la fibra superior.
4) La tensión cortante máxima es de 0,84 MPa y se da en la fibra más alejada del eje z.
1) La tensión normal en el punto (y=-10 cm, z=8 cm) es de 6,94 MPa de compresión y la tensión cortante es de 0,626 MPa.
2) La línea neutra se encuentra en z=7 cm. Por encima hay tracción y por debajo hay compresión.
3) La tensión normal máxima es de 43 MPa y se da en la fibra superior.
4) La tensión cortante máxima es de 0,84 MPa y se da en la fibra más alejada del eje z.
1) La tensión normal en el punto (y=-10 cm, z=8 cm) es de 6,94 MPa de compresión y la tensión cortante es de 0,626 MPa.
2) La línea neutra se encuentra en z=7 cm. Por encima hay tracción y por debajo hay compresión.
3) La tensión normal máxima es de 43 MPa y se da en la fibra superior.
4) La tensión cortante máxima es de 0,84 MPa y se da en la fibra más alejada del eje z.
1) La tensión normal en el punto (y=-10 cm, z=8 cm) es de 6,94 MPa de compresión y la tensión cortante es de 0,626 MPa.
2) La línea neutra se encuentra en z=7 cm. Por encima hay tracción y por debajo hay compresión.
3) La tensión normal máxima es de 43 MPa y se da en la fibra superior.
4) La tensión cortante máxima es de 0,84 MPa y se da en la fibra más alejada del eje z.
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
1. Depto. Matemáticas – IES Elaios
Tema: Distribuciones de Probabilidad
2. DISTRIBUCIÓN BINOMIAL
Y DISTRIBUCIÓN NORMAL
Presentación elaborada por el profesor José Mª Sorando,
ampliando y adaptando las diapositivas de la Editorial SM
2. Apuntes: Triángulo de Tartaglia o de Pascal
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
….
Este triángulo está formado por los números combinatorios
3. Distribución Binomial. Definición
Un experimento aleatorio que tiene las siguientes características sigue el modelo de
una distribución binomial:
1. En cada prueba del experimento sólo son posibles dos resultados, el
suceso A, que se llama éxito, y su contrario Ac, al que se llama
fracaso.
2. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos en las pruebas anteriores.
3. La probabilidad del suceso A es constante; por tanto, no varía de una
prueba a otra. Se representa por p la probabilidad de A, y por q = 1 – p
la probabilidad de Ac .
La variable X, que representa el número de éxitos obtenidos en n pruebas, se denomina
variable aleatoria binomial.
Esta variable es discreta, ya que si se realizan n pruebas se podrán obtener 0, 1, 2, …,
n éxitos.
Una distribución binomial se caracteriza por los parámetros número de pruebas
realizadas, n, y probabilidad del suceso “éxito”, p, y se representa por B(n, p).
Ejemplos
4. Distribución binomial: función de probabilidad
Si realizamos n = 10 pruebas, la probabilidad de obtener r = 3 éxitos es:
Fenómeno aleatorio:
lanzar un dado
Éxito: A = "obtener un 6"
Fracaso: A = "no obtener un 6"
p(A) =
1
6
p(A) =
5
6
B = A A A A A A A A A A P(B) =
1
6
3
5
6
7
Formas de obtener 3 éxitos: =
10
3
p(obtener 3 éxitos) = p(X = 3) =
10
3 .
1
6
3
.
5
6
7
5. Tabla de valores de B(10, 1/6)
r p(X = r)
0 0,161505583
1 0,323011166
2 0,290710049
3 0,155045360
4 0,054265876
5 0,013023810
6 0,002170635
7 0,000248073
8 0,000018605
9 0,000000827
10 0,000000017
X = "número de 6 al tirar un dado 10 veces” es B(10 , 1/6)
Función de probabilidad:
p(X = r) =
10
r
.
1
6
r
.
5
6
10 - r
p(x)
0
0,07
0,14
0,21
0,28
0,35
0 1 2 3 4 5 6 7 8 9 10
Gráfica de la función de probabilidad
Distribución binomial: función de probabilidad
6. Distribución Binomial: media y varianza
En una variable aleatoria binomial B (n , p)
Media:
Varianza:
Desviación típica: qpnσ
qpnσ 2
Ejemplo.- X = "número de 6 al tirar un dado 10 veces” es B(10 , 1/6)
Media = 10 · 1/6 = 10/6
Varianza = 10 · 1/6 · 5/6 = 50/36
Desviación típica = √50 / 6
μ = n p
7. Ejemplos
1. Una moneda es lanzada cinco veces. Calcular la probabilidad de
obtener
a) Exactamente tres caras.
b) Al menos una cara
2. Una fábrica hace calculadoras. Durante un largo período, el 2% de
ellos se encuentran defectuosos. Se prueba una muestra aleatoria
de 100 calculadoras.
a) Escriba el número esperado de calculadoras defectuosas en la
muestra.
b) Encuentre la probabilidad de que tres calculadoras sean
defectuosas.
c) Encuentre la probabilidad de que más de una calculadora esté
defectuosa.
8. Variable aleatoria de la Distribución Normal N(µ, )
f(x) =
1
2
e
- 1
2
x-
2
Una variable aleatoria continua X sigue una distribución normal de
media y desviación típica , y se designa por N(, ) si se
cumplen las siguientes condiciones.
1.ª La variable puede tomar cualquier valor real, es decir, x (–, +).
2.ª La función de densidad, que es la expresión en términos de
ecuación matemática de la función de Gauss, es:
9. X
Y
x =
Características de la función de densidad de la N(µ, )
f(x) =
1
2
e
- 1
2
x-
2
Campo de existencia = (– ,+ )
(, )1
2
Creciente Decreciente
+
I
-
I'
Área bajo la curva:
1 unidad
y = 0
12. X
Y
0
a
Características de la distribución N(0,1):
1. Función de densidad:
2. Probabilidad:
Distribución normal estándar N(0, 1)
De las infinitas distribuciones N(, ) tiene especial interés la distribución
N(0, 1), es decir, aquella que tiene por media el valor cero ( = 0) y por
desviación típica la unidad ( = 1). Se le designa como variable Z.
f(t) = e- 1
2 t21
2
21
2
1
( ) e
2
a
t
P Z a dt
-
-
20. Apuntes: Tipificación de la variable N(µ, )
Dada una variable aleatoria X que sea N(µ, )
Con el cambio de variable Z = (X - µ)/
Se consigue una variable aleatoria Z que es N (0 , 1)
Se dice que Z es la variable tipo o tipificada.
Pasar el problema a esta variable nos permite poder resolverlo consultando la
tabla N (0 , 1)
Ejemplo.- Sea X una N(5 , 0,4). Calcular P (X ≤ 5,8)
Variable tipificada: Z = (X – 5)/ 0,4
Entonces: P (X ≤ 5,8)= P [(X – 5)/ 0,4 ≤ (5,8 – 5)/ 0,4] = P (Z ≤ 2)
Buscamos en la tabla N (0 , 1): P (Z ≤ 2) =0,9772