PROCESO DE POISSON Rosario Romera Febrero 2009
|
|
- María Ortíz San Segundo
- hace 7 años
- Vistas:
Transcripción
1 1 PROCESO DE POISSON Rosario Romera Febrero Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio muestral, P ua probabilidad,! 2 y t 0! N t (!) es el úmero de llegadas e el itervalo [0; t] para la realizació!; t! N t (!) es ua fució escaló. De ició: El Proceso fn t g t0 es Proceso de Coteo 1. N N t 2 N, N t 0 3. s < t! N s N t 4. N t N s es el úmero de llegadas e el itervalo [s; t]. De todos los procesos de este tipo, el más importate es el Proceso de Poisso, que limita los saltos de la fució a saltos iguales. f() De ició: Sea o() el i itésimo de orde, f es o() si!0 0, esto es: 8" > 0 9 > 0 tal que si jj <! f() < " Ejemplos: 1. La fució f(x) x o() 2. La fució cuadrática f(x) x 2 o() 3. La fució f(x) x r co r > 1 es o() 2!0 0!0 r!0!0 r 1 0
2 2 4. Las fucioes f, g so o(), co c, d costates, etoces la fució: cf + dg es o() cf() + dg() 0!0 5. Sea c 1 ; : : : ; c costates, las fucioes f 1 ; : : : ; f so o(), etoces la fució: X c i f i () es o() i1 6. Si X es variable aleatoria co distribució exp() y > 0 etoces X tiee la Propiedad de Markov: como: etoces P [X t + X > t] P [X ] P [X ] 1 e 1 [1 + ()2 + :::] 2! X 1 () 2 ( ) 2 + o()! P [X t + X > t] + o() 2. Proceso de Poisso (de tasa o itesidad > 0) Es u proceso de coteo fn t g t0 que veri ca: 1. Es de icremetos idepedietes y estacioarios 2 2. P [N 1] + o() P [N 2] o() por tato P [N 0] 1 + o() Proposició: Sea Y la variable aleatoria que describe el úmero de llegadas (sucesos) e cualquier itervalo de logitud t e u proceso de Poisso fn t g t0 de tasa, etoces Y es variable aleatoria Poisso de parámetro t. Demostració Sea P (t) P fn t g 8 2 N
3 3 Sea 0!0 P 0 (t + ) P 0 (t + ) (Icremetos Idepedietes) P 0 (t) luego co P f0 llegadas e [0; t] \ 0 llegadas e [t; t + ]g P 0 (t):p (N t+ N t 0) (Icremetos Estacioarios) P 0 (t):p (N 0) P 0 (t):[1 + o()] o() P 0 (t) + P 0 (t):!0 8 < : d P dt 0(t) P 0 (0) P 0 (t) 1 (codicioes iiciales) Solució de la ecuació diferecial de variables separables P 0 0 (t) :P 0 (t) de dode P P 0 (0) 1 0 (t) e t Sea aora > 0, etoces e el itervalo t + ocurre llegadas (sucesos), esto es fn t+ g si: 1. sucede e [0; t] y 0 e [t; t + ], 2. sucede 1 e [0; t] y 1 e [t; t + ], 3. sucede ( k) e [0; t] y k e [t; t + ] co k 2; : : : ;. Acumulado las probabilidades asociadas P (t + ) P (t)[1 + o()] + P 1 (t) + o() etoces P (t + ) P (t) P (t) + P 1 (t) + o() tomado límites! 1 dp (t) P (t) + P 1 (t) dt esto es la ecuació diferecial P 0 (t) P (t) + P 1 (t) P (0) 0 cuya solució es P (t) e t :(t)! Corolario 1: El úmero medio de llegadas e el itervalo [0; t] es t, y el úmero medio de llegadas e el itervalo [0; 1] es. Corolario 2: Estimació de. 2
4 4 Por la Ley de los Grades Números N N 1 + N 2 N 1 + :::N N 1 si! 1 etoces E[N i ] luego N t t!1 t Además por el Teorema Cetral del Límite si t! 1 etoces: N t! N(t; t) Válido para t > 10. Corolario 3: P fn t+s N t kn l ; l tg P fn t+s N t kg Ejemplo P fn 2;5 17; N 3;7 22; N 4;3 36g e u Proceso Poisso de tasa 8: P fn 2;5 17; N 3;7 22; N 4;3 36g P (N 2;5 17):P (N 3;7 N 2;5 5):P (N 4;3 N 3;7 14) P (P oisso(8 2; 5) 17):P [P oisso(8 1; 5) 5]:P (P oisso(8 0; 6) 14) e 20 ;20 17 : e 9;6 ;9; 6 5 : e 4;8 ;4; ! 5! 14! aproximació Poisso (t) N(t; t) Proposició: fn t g t0 Proceso de Poisso de tasa. Sea variable aleatoria tiempo etre llegadas cosecutivas, etoces es ua variable aleatoria co distribució exp() Demostració P ( t) 1 P ( > t) 1 P fn t 0g e t :(t) e t ) exp() 2 0! Observació: E[ tiempo etre llegadas ] 1 Proposició: Sea fn t g t0 Proceso de Poisso de tasa y e [0; t] se a producido ua llegada, sea Y variable aleatoria que describe la ocurrecia de esta llegada de Poisso etoces Y es uiforme [0; t]. Demostració.
5 5 Sea 0 < x < t, por de ició de Y : P [Y x] P [ 1 xn t 1] P [N x 1; N t 1] P [N x 1; N t N x 0] P [N t 1] etoces Y u(0; t): 2 xe x :e te t (t x) Proposició: Superposició de procesos de Poisso Sea fl t g t0 y fm t g t0 Procesos de Poisso idepedietes, de tasas y respectivamete, etoces: N t (!) L t (!) + M t (!) es proceso de Poisso de tasa ( + ). Demostració Sea N B úmero de llegadas e el itervalo [0; B], veamos qué es ua variable aleatoria de Poisso de parámetro ( + ):B. x t P [N B ] X P [L B k; M B k] k0 X e B (B) k : e B :(B) k k! ( k)! k0 e B :e B B k B k X ( + )! k0 e B(+) B :( + ) X :! k ya que + + k0 + e (+)B :(( + ):B)! Poisso ( + ):B 2 1 k k! : + + k!( k k + + k)! Proposició: Descomposició del Proceso de Poisso Sea fn t g t0 Poisso de tasa, se cosidera: fx g 1 Proceso Beroulli (p) idepediete de N t fs g 1 Proceso Sumas de Beroulli (p) tal que: S Nt úmero de éxitos e [0; t] y L t N t S Nt Número de fracasos e [0; t] Etoces los procesos fs Nt g t0 y fl t g t0 so Procesos de Poisso idepedietes de tasas p y (1 p) respectivamete.
6 6 Idea de la prueba. Se demuestra que: P fs Nt+s S Nt m; L t+s L t ks Nu ; L u ; u tg eps (ps) m : eqs (qs) k m! k! 8k; m 0; 1 : : : s; t 0 Ejemplo Los veículos llega a u aparcamieto segú u Proceso de Poisso de tasa 20 por ora. Las probabilidades de que u veículo lleve 1, 2, 3, 4, 5 persoas so 0,3 0,3 0,2 0,1 y 0,1 respectivamete. Calcular el úmero esperado de persoas que llega al aparcamieto e ua ora. Solució. N 1, N 2 ; : : : ; N 5 so el úmero de veículos que llega co 1, 2,... 5 persoas e ua ora sus distribucioes so: N 1 Poisso (20 x 0,3) E[N 1 ] 6 N 2 Poisso (20 x 0,3) E[N 2 ] 6 N 3 Poisso (20 x 0,2) E[N 3 ] 4 N 4 Poisso (20 x 0,1) E[N 4 ] 2 N 5 Poisso (20 x 0,1) E[N 5 ] 2 E[Y : úmero de persoas que llega e 1 ora] E[N 1 + 2N 2 + 3N 3 + 4N 4 + 5N 5 ] 1 E[N 1 ] + 2 E[N 2 ] + 3 E[N 3 ] + 4 E[N 4 ] + 5 E[N 5 ] Probabilidad de que e 3 oras llegue 6 veículos co 5 persoas: P [P 0 (3 20 0;1) 6] P [P 0 (6) 6] 3. Geeralizació del Proceso de Poisso: Proceso de Nacimieto y Muerte Relajado la ipótesis sobre la tasa (itesidad) costate, a ua situació más realista, e la que la tasa de llegadas depede del estado e que se ecuetra el proceso ( ) se tiee el Proceso de Nacimieto Puro que se caracteriza como - Proceso de Coteo. - Proceso de icremetos idepedietes y estacioarios - Veri cado P (X t+ + 1X t ) + o() P (X t+ + 2X t ) o()
7 7 de dode P (X t+ X t ) 1 + o() Admitiedo además la existecia de posibles trasicioes a estados ateriores segú tasa depediete del estado del proceso ( ), se obtiee el Proceso de Nacimieto y Muerte: - Proceso de icremetos idepedietes y estacioarios - Veri cado P (X t+ + 1X t ) + o() de dode P (X t+ 1X t ) + o() P (X t+ mx t ) o() si jm j > 1 P (X t+ X t ) 1 ( + )0() + 0() E forma matricial, e térmios de la matriz Q (geerador i itesimal del proceso) o matriz de tasas : : : Q B : : : : : : A : : : : : : : : : : : : : : : Ecuacioes difereciales del Proceso Nacimieto y Muerte deotado P (t) P (X t ) P (t + ) P (X t ):P (0 llegadas e (t; t + ]X t ) el cociete icremetal p (t + ) +P (X t 1):P (1 llegada e (t; t + ]X t 1) + +P (X t + 1):P (1 abadoo e (t; t + ]X t + 1) + +P ( resto de los casos ) P (t):(1 ( + ) + o() + P 1 (t):( 1 + o()) + + P +1 (t)( + o()) + o() p (t) tomado límites, co! 0 ( + )p (t) + p o() + p 1(t): 1 + p 1 (t) o() + +p +1 (t) +1 + p +1 (t) + p +1 (t) o() + o() p (t + ) p (t) ( +!0 )p (t) + 1 p 1 (t) + p +1 (t) p 0 (t) ( + )p (t) + 1 p +1 (t) + p +1 (t) 1 p 0 0(t) 0 p 0 (t) + 1 p 1 (t)
8 8 La solució de esta ecuació diferecial se establece para las codicioes e las que el sistema está e equilibrio: p (t) p dp (t) 0 dt que proporcioa la solució siguiete sujeta a la codició de ormalizació X p 1 +1 p +1 p p 1 p 1 1 equivalete a 1 p 1 0 p 0 0 p 1 p 1 0 iterado " Q p p 0 j1 ( # j 1 j ) 1 co p P 1 Q i 1 j 1 1 j1 j 3.1. Ejemplos de Procesos de Nacimieto y Muerte Cola tipo M/M/1 Sea X úmero de usuarios e el sistema co, 8 0. La distribució estacioaria se obtiee como 8 >< >: p p 0 : p P 1 Q 1 j1 (1 ) si < 1 p (1 ) i P 1 1 Geométrica i si < 1 Cola tipo M/M/s Sea X úmero de usuarios e el sistema, siedo y si 1 s s si > s Modelo de crecimieto lieal co imigració (reproducció biológica) co 1 + co 0 : tasa de imigració : tasa exp. de reproducció por idividuo. : tasa muerte por idividuo.
9 9 4. Proceso de Poisso Compuesto U proceso de Poisso compuesto (X t ) t0 es u proceso estocástico que puede ser represetado e la siguiete forma: XN t X t Y i ; t 0 i1 dode (N t ) t0 es u proceso de Poisso y fy : 0g es ua familia de variables aleatorias idepedietes e iguaete distribuidas las cuales además so idepedietes de (N t ) t0. Observació 1: Si Y i 1 para todo i etoces X t N t es decir, obteemos el proceso ordiario de Poisso. Observació 2: E la teoría del riesgo el proceso de Poisso compuesto tiee la siguiete iterpretació: La v.a N t represeta el úmero de reclamacioes que se ace a ua compañía e el itervalo de tiempo (0; t], Y i represeta la catidad del i-ésimo reclamo y X t represeta la catidad total reclamada e el itervalo de tiempo (0; t]. Observació 3: E efecto: EX t tey 1 y V arx t (t)ey 2 1 EX t E(E(X t j N t )) como E(X t j N t ) E( X Y i ) EY 1 i1 Etoces E(X t j N t ) N t EY 1 Por otra parte V arx t E(V ar(x t j N t )) + V ar(e(x t j N t )) (recuerde: V ar(x j Y ) : E((X E(X j Y )) 2 j Y ). De aí V arx E(V ar(x j Y )) + V ar(e(x j Y ))) Por cosiguiete: V arx t E(N t V ary 1 ) + V ar(n t EY 1 ) tv ary 1 + (E(Y 1 )) 2 :V arn t tv ary 1 + (E(Y 1 )) 2 :t te(y 2 1 ):
Intervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesIngeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.
CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió
Más detalleses un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.
PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesy = c n x n : Sustituyendo en la ecuación de partida obtenemos n=0 Si escribimos todas las potencias con el mismo exponente se obtiene:
Ejercicio. Obteer los cuatro primeros térmios o ulos de la solució e forma de serie de potecias de x del problema de valores iiciales < (x + )y y = y() = : y () = Solució Como os pide que resolvamos u
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesConvergencia. 1.1 Introducción
Capítulo 1 Covergecia 1.1 Itroducció E este capítulo estudiaremos el comportamieto asitótico de sucesioes de variables aleatorias, daremos distitas defiicioes de covergecia y demostraremos dos de los Teoremas
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 6 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (2 putos) Sea las matrices A= y B = (1 1). -5-4 Eplique qué dimesió debe teer la matriz X para
Más detallesTema 6: Distribuciones Muestrales
Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.
Más detallesOPCIÓN A EJERCICIO 1_A x 1 0 1
IES Fco Ayala de Graada Sobrates de 006 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x 1 0 1 Sea las matrices A = y B =. 1 x+1 (1 puto) Ecuetre el valor o valores de x de forma
Más detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
Más detalles1. Sucesiones y series numéricas
ITINFORMÁTICA CÁLCULO INFINITESIMAL BOLETÍN CON SOLUCIONES DE LOS EJERCICIOS CURSO 005-06 Sucesioes y series uméricas Escribir ua expresió para el -ésimo térmio de la sucesió: +, + 3 4, + 7 8, + 5 6, 3,
Más detallesTema 4.4: Teorema de Riemann de singularidades evitables. Ceros de una función holomorfa. Principio de identidad
Tema 4.4: Teorema de Riema de sigularidades evitables. Ceros de ua fució holomorfa. Pricipio de idetidad Facultad de Ciecias Experimetales, Curso 2008-09 E. de Amo Comeamos e este tema extrayedo las primeras
Más detalles14. Técnicas de simulación mediante el método de Montecarlo
4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesDeducción de las Ecuaciones del Método de Runge-Kutta
Deducció de las Ecuacioes del Método de Ruge-Kutta El problema cosiste e ecotrar ua solució umérica a la ecuació dierecial d ordiaria de primer orde: ( ) sujeta a la codició iicial ( ). El d objetivo cosiste
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesResolución de ecuaciones no lineales
Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos
Más detallesCAPÍTULO V. SUCESIONES Y SERIES
(Aputes e revisió para orietar el apredizaje) CAPÍTULO V. UCEIONE Y ERIE DEFINICIÓN. Ua sucesió ifiita, o simplemete sucesió, es ua fució cuyo domiio está costituido por el cojuto de los úmeros aturales
Más detallesTEMA IV. 1. Series Numéricas
TEMA IV Series uméricas. Ídice. Series uméricas. 2. Propiedades geerales de las series. 3. Series de térmios positivos. Covergecia. 4. Series alteradas. 5. Series de térmios arbitrarios. 6. Ejercicios
Más detallesSobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 2) Solución Germán-Jesús Rubio Luna OPCIÓN A 0 2-4 (A I 2 ) B = A A A = -
IES Fco Ayala de Graada Sobrates de 004 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A - 0 0 - - - Sea las matrices A=, B= y C= - 0 0 - ( puto) Calcule (A I ) B, siedo I la matriz idetidad
Más detallesTécnicas experimentales de Física General 1/11
La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales
Más detallesÍNDICE. Prólogo Capítulo 1. Ecuaciones diferenciales ordinarias. Generalidades.. 11 Introducción teórica Ejercicios resueltos...
ÍNDICE Prólogo... 9 Capítulo 1. Ecuacioes difereciales ordiarias. Geeralidades.. 11 Itroducció teórica... 13 Ejercicios resueltos.... 16 Capítulo 2. itegració de la ecuació de primer orde. La ecuació lieal...................................................................
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detallesTest de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo
Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.
Más detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación
Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean
ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:
Más detallesLa ley de los grandes números
La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella
Más detallesTema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1
Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia
Más detallesDiferencial Total. se define. en el punto x
Dierecial Total El propio ombre derivada parcial os debiera idicar que e cotraposició al caliicativo parcial eiste otro que lo complemeta Tal ombre el correspodiete cocepto eiste se le llama dierecial
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detallesEXISTENCIA Y UNICIDAD DE LAS SOLUCIONES DE PROBLEMAS DIFERENCIALES. f se puede garantizar que el problema diferencial (1) tiene
Scietia et Techica Año XIII, No 35, Agosto de 7 Uiversidad Tecológica de Pereira ISSN -7 479 EXISTENCIA Y UNICIDAD DE LAS SOLUCIONES DE PROBLEMAS DIFERENCIALES Eistece ad uiqueess of the solutios of differetial
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesTEMA 4- MODELOS CONTINUOS
TEMA 4- MODELOS CONTINUOS 4.1. Itroducció. 4.2. Distribució uiforme cotiua de parámetros a y b. X Ua, b 4.3. Distribució Gamma de parámetros y. X, Casos particulares: 4.3.1.Distribució Expoecial. X Exp
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesCAPÍTULO VIII. CONVERGENCIA DE SUCESIONES. SECCIONES A. Criterios de convergencia. B. Ejercicios propuestos.
CAPÍTULO VIII CONVERGENCIA DE SUCESIONES SECCIONES A Criterios de covergecia B Ejercicios propuestos 347 A CRITERIOS DE CONVERGENCIA Ua fució cuyo domiio es el cojuto de los úmeros aturales se dice sucesió
Más detallesINTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS
INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES ORDINARIAS Ua ecuació diferecial es ua ecuació que cotiee las derivadas de ua o más variables depedietes co respecto de ua ó mas variables idepedietes. Clasificació
Más detallesClases 9-10: El proceso de Wiener y los paseos al azar: el teorema de Donsker *
Clases 9-10: El proceso de Wieer y los paseos al azar: el teorema de Dosker * 6 de oviembre de 2017 Ídice 1. Itroducció 1 2. Paseos al azar 1 3. Paseo al azar co variables gaussiaas 2 4. Paseo al azar
Más detallesEstalmat. Real Academia de Ciencias. Curso 2005/2006. Dinámica compleja. Conjuntos de Julia y Mandelbrot. Método de Newton. Miguel Reyes Mayo 2006
Estalmat. Real Academia de Ciecias. Curso 5/6 Diámica compleja Cojutos de Julia y Madelbrot. Método de Newto. Miguel Reyes Mayo 6 Los úmeros complejos Los úmeros complejos so los úmeros de la forma dode
Más detallesEn el siglo XVIII muchos matemáticos buscaban, sin demasiado éxito, el valor de la expresión
Defiició y propiedades 5 5. Defiició y propiedades 6 5. Covergecia absoluta e icodicioal 65 5.3 Criterios de covergecia para series de térmios o egativos 66 5.4 Otros criterios 69 5.5 Suma de series 69
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 006 (Modelo 1 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua impreta local edita periódicos y revistas. Para cada periódico ecesita u cartucho de
Más detallesConvergencia de variables aleatorias
Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ESTIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRASTES DE HIPÓTESIS TEMA 8: Cotrastes
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesTEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS
www.iova.ued.es/webpages/ilde/web/idex.htm e-mail: imozas@elx.ued.es TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS Distribució uiforme e el itervalo [a, b].-, a x b Fució de desidad: f(x) = b a 0, e el
Más detallesECUACIONES DIFERENCIALES (0256)
ECUACIONES DIFERENCIALES (056) SEMANA 0 CLASE 0 LUNES 09/04/. Presetació de la asigatura. Coteido programático, pla de evaluació, software de apoyo, bibliografía recomedada. Se sugiere ver los archivos
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesUNIDAD 4 MODELOS PROBABILÍSTICOS
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Frontera
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada
Más detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
Más detallesOPCIÓN A EJERCICIO 1 (A) -5 0
IES Fco Ayala de Graada Sobrates 014 (Modelo 1 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 1 OPCIÓN A EJERCICIO 1 (A) -5 0-1 -8-1 Sea las matrices B =
Más detalles3.2. Teoremas de Dini
3.2. TEOREMAS DE DINI 63 3.2. Teoremas de Dii Defiició 3.11. Sea X u espacio métrico y {f } ua sucesió e C(X). Decimos que la sucesió {f } es moótoa e si para todo x X se cumple f (x) f +1 (x), 1, o bie
Más detallesMétodo de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Método de máxima verosimilitud Curso de Estadística TAE,2005 J.J. Gómez Cadeas Muestras Cosiderar ua variable aleatoria x descrita por la pdf f(x). El espacio de muestras está costituido por todos los
Más detalles( ) ( )( )( ) ( ) ( )( )
Algebra uiversitaria UNIDAD III. POLINOMIOS 3.. Técicas elemetales para buscar raíces Recordado la defiició de raíz U poliomio P(x) tiee ua raíz r si y solo si P(r) = 0. Recordar el teorema de factorizació
Más detallesSOLUCIÓN EXAMEN I PARTE II
Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes
Más detallesMétodos Numéricos. La solución es una relación funcional entre dos variables. No todas las ecuaciones diferenciales tienen solución analítica.
Métodos Numéricos Métodos aalíticos Solució de ecuacioes difereciales Métodos Numéricos Métodos aalíticos: La solució es ua relació fucioal etre dos variables. No todas las ecuacioes difereciales tiee
Más detallesUnidad 1: Números Complejos
Uidad 1: Números Complejos 11 Itroducció Además de los cojutos de úmeros aturales, eteros, racioales y reales existe el cojuto de úmeros complejos que juega u rol importate o solo e matemáticas sio e las
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más detallesTEMA 6.- INTERVALOS DE CONFIANZA
TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método
Más detallesESTUDIO DEL PÉNDULO FÍSICO PARA INTRODUCIR MÉTODOS NUMÉRICOS DE RESOLUCIÓN DE ECUACIONES DIFERENCIALES NO LINEALES
ESTUDIO DEL PÉNDULO FÍSICO PARA INTRODUCIR MÉTODOS NUMÉRICOS DE RESOLUCIÓN DE ECUACIONES DIFERENCIALES NO LINEALES Atoio Herádez, Cristia Neipp, Augusto Belédez Departameto de Física, Igeiería de Sistemas
Más detallesDERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:
DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesSeries de números reales
Tema 6 Series de úmeros reales 6. Series de úmeros reales. Defiició 6. Sea {a } ua sucesió de úmeros reales y cosideremos la sucesió {S }, defiida por S = a + a + + a, para cada IN, que llamaremos sucesió
Más detallesIES Fco Ayala de Granada Modelo 6 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 6 DEL 2015 OPCIÓN A
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 6 DEL 015 OPCIÓN A EJERCICIO 1 (A) 1 (1 5 putos) Resuelva la ecuació matricial 1 X + 1-1 0 = I. 0 1 a b (1 puto) Dadas las matrices M = y A =, calcule los
Más detallesProblema 34. Evaluar lim(2x. Solución: Problema 35. Calcular lim. lim x x. Solución: Problema 36. Determinar lim. lim 5 4(2)
Si la fució f es u poliomio o ua fució racioal y a perteece al domiio de f, etoces f ( ) f( a) siempre que el valor del deomiador para a o sea cero, e el a caso de ua fució racioal Problema. Evaluar (
Más detallesProbabilidades y Estadística (M) Práctica 8 1 cuatrimestre 2012 Convergencias - Ley de los Grandes Números
robabilidades y Estadística (M) ráctica 8 cuatrimestre 22 Covergecias - Ley de los Grades Números. Ua máquia produce artículos de 3 clases: A, B y C e proporcioes 25 %, 25 % y 5 % respectivamete. Las logitudes
Más detallesCAPÍTULO XIII. SUCESIONES
CAPÍTULO XIII SUCESIONES NUMÉRICAS SECCIONES A Sucesioes covergetes y límites de oscilació Sucesioes moótoas y acotadas B Sucesioes recurretes C Ejercicios propuestos 59 A SUCESIONES CONVERGENTES Y LÍMITES
Más detallesEjercicios de preparación para olimpiadas. Funciones
Ejercicios de preparació para olimpiadas. Fucioes 5 de diciembre de 04. Fucioes covexas Comezamos estas otas hablado de fucioes covexas. Auque la covexidad de ua fució se puede estudiar por técicas de
Más detallesEcuaciones diferenciales lineales de orden
607 Aálisis matemático para Igeiería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 0. Ecuacioes difereciales lieales de orde superior E este capítulo se estudia las ecuacioes difereciales
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detallesSeñales en Tiempo Discreto
Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales
Más detallesCálculo de límites. 8.1. Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesNotas de clase 2 Distribucion normal y teorema del limite central
Notas de clase Distribucio ormal y teorema del limite cetral Willie Heradez 05-I Motivació: La distribució ormal es, como mucho, la más importate de todas las distribucioes de probabilidad. Es ua distribució
Más detallesSolución: Se observa que en su perímetro e interior, el primer cuadrilátero tiene cinco puntos y además 5 = 1+
Problema. E el diagrama se preseta los tres primeros cuadriláteros de ua secuecia que iicia e u puto e el cetro del tablero crece desde ese puto hacia fuera, cuál es el úmero de putos que está e el perímetro
Más detallesFigura 8.1: Ejemplos de conjuntos de índices.
Capítulo 8 Cojuto de ídices Defiició 8.1 (Cojuto de ídices) Sea I u cojuto, tal que para cada i I se tiee u cojuto A i U. El cojuto I se deomia cojuto de ídices y cada i I es u ídice. (a) Los ídices so
Más detallesSumatoria, Progresiones y Teorema del Binomio
Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega
Más detallesTema 7: Estimación por intervalos de confianza.
Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores
Más detallesDe esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)
MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que
Más detallesMATE1214 -Calculo Integral Parcial -3
MATE114 -Calculo Itegral Parcial -3 Duració: 60 miutos 1. Cosidere la curva paramétrica descrita por = te t, y = 1 + t. Halle la pediete de la recta tagete a esta curva cuado t = 0.. Calcular la logitud
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
Más detallesSucesiones y series de números reales
38 Matemáticas : Cálculo diferecial e IR Capítulo Sucesioes y series de úmeros reales Sucesioes Defiició 37- Llamaremos sucesió de úmeros reales a cualquier aplicació f: N R y la represetaremos por { a,
Más detallesAPLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.
APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de
Más detallesTema 2: Diagonalización de matrices cuadradas
Departameto de Aálisis Ecoómico UNIVERSIDAD DE ZARAGOZA Tema : Diagoalizació de matrices cuadradas.1. El cojuto R Defiició: Dados úmeros reales x 1, x,..., x R, se llama -tupla ordeada a x = ( x 1,, x,...,
Más detalles1.- Nociones de los Procesos Estocásticos.
Capítulo 1. 1.- Nocioes de los Procesos Estocásticos. 1.1. Procesos Estocásticos. La palabra estocástico es sióimo de aleatorio, los procesos estocásticos so modelos matemáticos que estudia los feómeos
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detalles