Apuntes, resúmenes, trabajos, exámenes y problemas de Matemáticas

Cálculo de Probabilidades: Conceptos Fundamentales y Evolución

La estadística descriptiva se basa en la frecuencia, organizando, representando y analizando datos de una población. La estadística inferencial, en cambio, extrapola los resultados de una muestra a toda la población. Para lograr esta inferencia, la estadística utiliza el cálculo de probabilidades y su concepto central: la probabilidad.

De la Estadística Descriptiva a la Teoría de la Probabilidad

La teoría de la probabilidad extiende los conceptos de la estadística descriptiva (aplicables a una muestra) a la población. Conceptos como frecuencia relativa, media aritmética y distribución de frecuencias se transforman en probabilidad, esperanza matemática y distribución... Continuar leyendo "Conceptos clave y evolución histórica de la probabilidad" »

1. En ANOVA, la suma cuadrática SCTr a qué tipo de variación corresponde

Entre tratamientos.

2. En un modelo de regresión lineal obtuvimos un valor P de 0,5 en el contraste de hipótesis para el término independiente del modelo no es significativo

3. La media muestral es

Un estimador imparcial de la media poblacional.

4. En un contraste de hipótesis, la potencia del contraste se define como la posibilidad

Rechazar la hipótesis nula cuando es falsa.

5. Si tenemos una variable cualitativa, la prueba de rachas

Sí puede aplicarse si la variable es dicotómica.

6. El intervalo de confianza del 95% para la media de una distribución normal es 12,20

La media muestral es 16.

7. El valor P de chi cuadrado para el contraste de independencia es de 0,04

Aceptamos... Continuar leyendo "Errores comunes en análisis estadístico y pruebas" »

Métodos de Factorización LU: Doolittle y Crout

La factorización LU consiste en descomponer una matriz cuadrada A en el producto de dos matrices: una matriz triangular inferior L y una matriz triangular superior U. Este método se aplica para resolver sistemas de ecuaciones lineales de la forma Ap = q sin necesidad de intercambio de filas.

Este resultado permite resolver el sistema Ap = q, ya que al sustituir A por LU, se obtiene:

LUp = q

Para simplificar la resolución, se define Up = g, donde g es un vector desconocido.

Este vector g se puede obtener fácilmente resolviendo el sistema:

Lg = q

La resolución de este sistema se realiza mediante sustitución progresiva o hacia adelante, dado que L es una matriz triangular inferior.

Una vez calculado... Continuar leyendo "Factorización LU: Métodos de Doolittle y Crout para Sistemas Lineales" »

Discuta y resuelva

Discuta y resuelva

Lo primero que hacemos es sacar una matriz del sistema, formado por los coeficientes de (x,y,z), pero añadiéndole también los demás componentes, siendo así una matriz ampliada.

Para discutir el sistema de ecuaciones vamos a utilizar el Teorema de Rouche-Frobenius,

el cual nos dice que un sistema de n incógnitas, con matriz de coeficientes A y

matriz ampliada Am, se puede clasificar en función del rango:

• El sistema es compatible determinado si Rg(A) = Rg(Am) = n
• El sistema es compatible indeterminado si Rg(A) = Rg(Am) <=
• El sistema es incompatible si Rg(A) ≠ Rg(Am)

Para calcular el rango tenemos dos posibilidades:

1. Determinante: El rango es el tamaño de la matriz más grande con determinante
2. distinto de

Conceptos Fundamentales de Matemáticas

Conjuntos

Conjuntos: a pertenece a A, no pertenece, A=B dos conjuntos son iguales si tienen los mismos elementos, esta relación se llama equivalencia y tiene que cumplir 3 propiedades, A no igual B.

A incluido en B (C), A incluido o igual B es relación de orden si cumple 3 propiedades. A no está incluido en B si algún elemento de A no está en B. Después tenemos la unión, intersección y diferencia (todos, solo comunes, los de la izquierda).

Par ordenado: secuencia de dos elementos donde uno es el primero (a) y otro el segundo (b).

Producto cartesiano: de A y B, escrito AxB es un nuevo conjunto donde el primer elemento es de A y el segundo de B.

Correspondencia: relación binaria entre dos conjuntos.... Continuar leyendo "Conceptos Fundamentales de Matemáticas: Conjuntos, Cardinales, Fracciones y Más" »

Modelo de Regresión Lineal General (MRLG): Hipótesis y Desafíos

Las hipótesis del Modelo de Regresión Lineal General (MRLG) son las mismas que en el Modelo de Regresión Lineal Clásico (MRLC), excepto porque la matriz de varianzas-covarianzas de las perturbaciones no es escalar. Esto podría incumplir la hipótesis de homocedasticidad e incorrelación de las perturbaciones.

Hipótesis: Modelo uniecuacional y lineal: y = Xβ + e. La matriz X es no estocástica y su rango r(X) = k+1.

Suma de Cuadrados en Modelos de Regresión

La Suma de Cuadrados Explicada (SCE) en el Modelo Transformado (MT) y el Modelo General (MG) coinciden, pero la Suma de Cuadrados Total (SCT) no.

Interpretación del Coeficiente de Determinación (R²)

El rango (-∞,

Método Trapezoidal

En el caso de n = 1, el intervalo de integración [a, b] queda tal cual y x₀ = a, x₁ = b; la aproximación polinomial de f(x) es una línea recta (un polinomio de primer grado p₁(x)) y la aproximación a la integral es el área del trapezoide bajo esta línea recta, como se ve en la Figura 5.2. Este método de integración se llama regla trapezoidal.

Figura 5.2 Integración numérica por medio de la regla trapezoidal

Para llevar a cabo la integración

, es preciso seleccionar una de las formas de representación del polinomio P₁(x), y como f(x) está dada para valores equidistantes de x con distancia h, la elección lógica es una de las fórmulas en diferencias finitas (hacia delante, hacia atrás o centrales). Si se eligen... Continuar leyendo "Integración Numérica: Método Trapezoidal Explicado" »

Problema 1: Probabilidad en el Ámbito Laboral y Uso de Ordenadores

En una empresa, el 65% de la plantilla son hombres. Definimos los siguientes sucesos:

• H: Elegir una persona al azar que sea hombre.
• M: Elegir una persona al azar que sea mujer.
• O: Elegir una persona al azar que utilice el ordenador.

Las probabilidades indicadas en el enunciado son:

• P(H) = 0.65
• P(O|H) = 0.8 (probabilidad de que una persona utilice el ordenador dado que es hombre)
• P(O) = 0.835 (probabilidad total de que una persona utilice el ordenador)

De estos datos, podemos deducir:

• P(M) = 1 - P(H) = 1 - 0.65 = 0.35
• P(Oᶜ|H) = 1 - P(O|H) = 1 - 0.8 = 0.2 (probabilidad de que una persona no utilice el ordenador dado que es hombre)

Cálculo de la Probabilidad de un Hombre que No Usa Ordenador

La... Continuar leyendo "Resolución de Problemas de Probabilidad: Casos Prácticos y Teoremas Fundamentales" »

n racionales: son aquellos que pueden ponerse en forma de fracción.

un n racional se puede expresar con infinitas fracciones. La fracción irreducible de todas ellas se llama fracción generatriz

n irracional: son aquellos que no pueden expresarse en forma de fracción. Son decimales con infinitas cifras decimales no periódicas. Si "p" no es un cuadrado perfecto, raíz de "p" es irracional

representa. De n reales en la recta: entre dos números reales hay infinitos números reales. Dos n reales , a b , diremos que b es menor que a, así al representarlos en la recta real b se sitúa a la derecha de a

aproximaciones: a veces usamos valores que se aproximana los exactos, pero sin ser exactos. Las aprox pueden ser por exceso si el valor aprox es... Continuar leyendo "jgfr" »

Ejercicio 1: Regresión Cuadrática

(a) Realizar un diagrama de dispersión de y versus x

datosej1t1 = read.table(file.choose(), header = T)
attach(datosej1t1)
plot(y ~ x) # diagrama de dispersión

(b) Proponer un modelo lineal que ajuste bien, donde la variable y sea función de la variable x.

Observamos que el gráfico de dispersión es una parábola; por lo tanto, vamos a proponer un modelo cuadrático:

y = β₀ + β₁*x + β₂*x² + ε

Le aplicamos una transformación a la variable regresora:

x2 = x^2 # creamos x2, la x ya la tenemos
lmy = lm(y ~ x + x2, data = datosej1t1)
summary(lmy)

(c) ¿Cuál es el R² de la regresión propuesta? ¿Cómo se interpreta?

R² = 0.9359. Esto indica que el 93.59% de la variabilidad de la variable y es explicada... Continuar leyendo "Aplicación e Interpretación de Modelos de Regresión en R" »