Variables aleatorias

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Variables aleatorias"

Transcripción

1 Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales, tal que para cada intervalo en los reales, la probabilidad de que X tome un valor en el intervalo es igual a la integral sobre ese mismo intervalo

2 Por ejemplo: A la función f se le llama función de densidad de probabilidad o simplemente densidad de probabilidad

3 Alternativamente: Se define la función de densidad de probabilidad (pdf), f(x), de una variable aleatoria continua X como aquella que satisface: es decir, la probabilidad de que x caiga entre x y x+dx,

4 La densidad de probabilidad, f(x), debe satisfacer que:

5 Comentario: las distribuciones continuas asignan probabilidad cero a valores individuales, es decir, si X es una variable continua Pr(X=a)=0 Esto no implica el evento X=a sea imposible!

6 Ejemplo: Distribución uniforme

7 Comentario: La densidad de probabilidad NO es la probabilidad de X cerca de x. Es la integral de f la que da la probabilidad

8 Ejemplo: Suponga que la función de densidad de probabilidad (pdf) está dada por: Cuál es el valor de c? Determine :

9 Similarmente al caso discreto, se define la función de distribución cumulativa (cdf) F(x): De modo que Además:,

10 Comentarios: Variables aleatorias - La función de distribución cumulativa F(x) Es una función no decreciente con x - Una función de distribución cumulativa es siempre continua por la derecha: para cada valor de x

11 Ejemplo: Sea X una variable aleatoria con distribución uniforme en el intervalo [a,b]. Cuál es la función de distribución cumulativa

12 Comentario: Una variable aleatoria discreta puede tratarse como una variable aleatoria continua y asignarse la correspondiente densidad de probabilidad. Si X es una variable discreta que toma los valores x 1,...,x n con probabilidades p 1,...,p n, entonces la densidad de probabilidad continua puede escribirse como

13 Varias variables aleatorias Es común encontrar problemas que dependen de más de una variable aleatoria. Los resultados que hemos visto pueden extenderse a dos o más variables aleatorias. Veamos el caso de dos variables.

14 Varias variables aleatorias Distribucion conjunta discreta. Sean X y Y dos variables aleatorias y consideremos el par ordenado (X,Y). Si existe un número contable de diferentes valores (x i,y i ) para el par (X,Y), entonces X, Y tienen una distribución discreta. Definición: La función de probabilidad conjunta de X,Y se define como la función f tal que para cada punto (x i,y i ) en el plano xy,

15 Varias variables aleatorias Con Si (x i,y i ) NO es uno de los valores posibles del par (X,Y) entonces f(x i,y i ) = 0. Además,

16 Varias variables aleatorias Similarmente al caso continuo para una variable tenemos ahora que: donde f(x,y) es la función de densidad de probabilidad conjunta que satisface: y

17 Varias variables aleatorias

18 Varias variables aleatorias Caso especial: variables independientes. Es frecuente encontrar casos donde las variables aleatorias X, Y no dependen una de otra. En este caso la densidad de probabilidad puede escribirse como Pr(X=x i,y=y i )=g(x i )h(y i ), donde g(x i ) y h(y i ) son las densidades de probabilidad de X y Y. Similarmente para el caso continuo:

19 Varias variables aleatorias Sobre el tema de variables aleatorias independientes, supongamos que nos interesa saber la densidad de probabilidad de la suma de variables independientes. Sea Y = X 1 + X 2, donde X 1, X 2 son variables aleatorias independientes con densidades de probabilidad f 1 y f 2. La densidad de probabilidad de Y está dada por (convolución)

20 Varias variables aleatorias

21 Varias variables aleatorias

22 Varias variables aleatorias

23 Varias variables aleatorias

24 Varias variables aleatorias Distribución cumulativa conjunta La distribución cumulativa conjunta para dos variables aleatorias X y Y está definida como la función F tal que para todos los valores de x e y de modo que

25 Varias variables aleatorias Si X e Y tienen una densidad de probabilidad conjunta f(x,y) entonces De aquí que

26 Varias variables aleatorias Distribución marginal Frecuentemente en un problema de varias variables, digamos 2 variables, estamos interesados en la distribución de una sóla de las variables. Dicha distribución se obtiene a través de la distribución conjunta y se le llama distribución marginal. Por ejemplo, para el caso discreto, si X e Y son variables aleatorias con función de distribución conjunta f(x,y), entonces la distribución marginal f 1 está dada por

27 Varias variables aleatorias Por ejemplo, para el caso discreto, si X y Y son variables aleatorias con distribución conjunta f(x,y), entonces la distribución marginal f 1 está dada por Similarmente para el caso continuo:

28 Varias variables aleatorias Distribución condicional Así como en el cálculo de probabilidades era de interés conocer la probabilidad de un evento dado que otro había sucedido, ahora nos preguntamos por la distribución de una variable X dado que otra, Y, ha tomado un valor Y=y. La distribución de la probabilidad condicional viene dada por:

29 Varias variables aleatorias Distribución condicional Para n variables: donde f 2 es la distribución marginal de X 1,... X k

30 Varias variables aleatorias Ley de la probabilidad total y teorema de Bayes Para n variables: donde Y el teorema de Bayes para variables aleatorias es: y

31 Funciones de variables aleatorias Frecuentemente se requiere la distribución de una función de las variables aleatorias. Por ejemplo, si X es una variable aleatoria, quisieramos saber la distribución de 1/X, o bien para dos variables X 1,X 2, cuál es la probabilididad de exp(x 1 +X 2 )?

32 Varias variables aleatorias Funciones de variables aleatorias o bien

33 Algunas propiedades de las distribuciones Las distribuciones de probabilidad tienen toda la información estadística de las variables aleatorias en cuestión. En muchas ocasiones algunas propiedades de las distribuciones nos dan suficiente información estadística de las variables aleatorias. Los llamados valores esperados (o promedios o momentos) son cantidades estadísticas simples que nos dan información de las variables aleatorias.

34 Valor esperado, valor promedio, promedio, valor medio, media, o primer momento La propiedad más utilizada para caracterizar una distribución de variables aleatorias es el llamado valor medio. Si X es una variable aleatoria el valor esperado E[X] está definido como f(x) es la función de probabilidad (discreto) o densidad de probabilidad (continuo)

35 En general, para una función de variables aleatorias, tenemos

36 Una propiedad: Variables aleatorias También, si f(x) y g(x) son funciones de probabilidad discretas (o bien, continuas) tenemos que: donde a y b son constantes (números reales)

37 Varianza (que tan dispersos son los valores de una variable aleatoria respecto al valor medio) Sea X es una variable aleatoria, su varianza está dada por: donde

38 Se pueden demostrar las siguientes igualdades para la varianza (a y b constantes):

39 Generalización: k-ésimo momento Este se define como: donde

40 Similarmente, el k-ésimo momento central viene definido por

41 Comentario: Los momentos centrales y tienen nombre: skewness y kurtosis

42 Función generadora (generatriz) de probabilidad donde f n =Pr(X=x n ) y x n toma valores enteros no negativos

43 de modo que, por ejemplo, el primer momento está dado por

44

45 Otro tipo de función generadora (generatriz) es la función generadora de momentos Para una variable aleatoria X y un número real t, esta función se define como: La función generadora existe para todo valor de t siempre que X esté acotada y M X (t=0)=e(1)=1

46 Entonces, el n-ésimo momento de X está dado por: De esta forma, por ejemplo,

47 Ejemplo: función generadora de una densidad de distribución Gaussiana está dada por:

48 Caso especial: suma de variables independientes Si X 1,...,X n son variables independientes y S n =X X n, entonces

49 Un poco más general: si ahora S n está dada por la suma de variables independientes de la forma: S n =c 1 X c n X n, entonces la función generatriz viene dada por:

50 Covarianza y correlación Estas dos cantidades nos dicen que tanto están relacionadas/(dependen entre sí) dos variables aleatorias. Covarianza: sean X e Y variables aleatorias con valores bien definidos y La covarianza se define como

51 Covarianza y correlación Se puede mostrar que la covarianza se puede escribir como: De aquí que, si X e Y son variables independientes por lo que

52 Covarianza y correlación En cuanto a la correlación, ésta se define como Se puede demostra que: y

53 Si hay una dependencia lineal entre las variables X e Y, digamos Y=aX + b, tenemos que Corr[X,Y] =1, si a es una constante positiva y Corr[X,Y]=-1, si a es una constante negativa

54 Comentarios: Variables aleatorias a) El hecho de que haya una relación entre dos variables aleatorias, digamos Y=X*X, no implica que ambas variables esten correlacionadas b) Si las variables son independientes => pero no en el otro sentido, i.e, si no implica que las variables sean independientes

55 Si X e Y son variables aleatorias con varianza finita entonces Si las variables son independientes tenemos que es un caso particular de

56 Teorema del límite central Sean X 1,...,X n n variables aleatorias independientes cada una descrita (estadísticamente) por funciones de probabilidad f i (x) con valores medios y varianzas. Entonces la variable Tiene las siguientes propiedades

57 1-El valor esperado está dado por 2-La varianza viende dada por 3-Para la función de probabilidad de Z tiene a una distribución normal (Gaussiana) con media y varianza dada en 1 y 2. Nota:las funciones f i (x) pueden ser todas distintas

58 Comentarios: 1) Si las X i siguen la misma distribución, para la distribución de Z se aproxima a una distribución normal con valor medio y varianza 2) Si una variable aleatoria está dada por podemos hacer entonces ln(y) sigue una distribución log-normal

Distribuciones de probabilidad bidimensionales o conjuntas

Distribuciones de probabilidad bidimensionales o conjuntas Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso

Más detalles

Distribuciones de Probabilidad

Distribuciones de Probabilidad Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica

Más detalles

Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias

Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................

Más detalles

Unidad 1: Espacio de Probabilidad

Unidad 1: Espacio de Probabilidad Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar

Más detalles

Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B

Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................

Más detalles

8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV

8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV 8.4. CRITERIO DE ESTAB.: METODO DE LIAPUNOV 309 8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV Consideremos el sistema autónomo dx = F (x, y) dt (8.32) dt = G(x, y), y supongamos que tiene

Más detalles

Prueba Integral Lapso /6

Prueba Integral Lapso /6 Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,

Más detalles

Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro

Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad

Más detalles

Variables aleatorias unidimensionales

Variables aleatorias unidimensionales Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen

Más detalles

Generación de variables aleatorias continuas Método de la transformada inversa

Generación de variables aleatorias continuas Método de la transformada inversa Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:

Más detalles

El espacio n Consideremos el conjunto de todas las n adas ordenadas de números reales, denotado por n : 8. 1(x 1, x 2,, x n ) = (x 1, x 2,, x n )

El espacio n Consideremos el conjunto de todas las n adas ordenadas de números reales, denotado por n : 8. 1(x 1, x 2,, x n ) = (x 1, x 2,, x n ) El espacio n Consideremos el conjunto de todas las n adas ordenadas de números reales, denotado por n : n = {(x 1,x,, x n ) / x 1,x,, x n } A cada uno de los números reales x 1,x,, x n que conforman la

Más detalles

RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO

RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

Probabilidad Condicional

Probabilidad Condicional Cómo actualizar la probabilidad de un evento dado que ha sucedido otro? o Cómo cambia la probabilidad de un evento cuando se sabe que otro evento ha ocurrido? Ejemplo: Una persona tiene un billete de lotería

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Cálculo de Probabilidades II Preguntas Tema 1

Cálculo de Probabilidades II Preguntas Tema 1 Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga

Más detalles

VARIABLES ALEATORIAS DISCRETAS

VARIABLES ALEATORIAS DISCRETAS VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:

Más detalles

Aversión al riesgo, equivalente cierto y precios de reserva

Aversión al riesgo, equivalente cierto y precios de reserva Aversión al riesgo, equivalente cierto y precios de reserva Ricard Torres ITAM Economía Financiera, 2015 Ricard Torres (ITAM) Aversión al riesgo, equivalente cierto y precios de reserva Economía Financiera

Más detalles

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido

Más detalles

Capítulo 6: Variable Aleatoria Bidimensional

Capítulo 6: Variable Aleatoria Bidimensional Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el

Más detalles

Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad

Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.

Más detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

Introducción al Tema 9

Introducción al Tema 9 Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables

Más detalles

Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez

Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como

Más detalles

2. Continuidad y derivabilidad. Aplicaciones

2. Continuidad y derivabilidad. Aplicaciones Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 7 2. Continuidad y derivabilidad. Aplicaciones Límite de una función en un punto Sea una función f(x) definida en el entorno de un punto

Más detalles

Teoremas de Convergencia

Teoremas de Convergencia Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y

Más detalles

DERIVADAS PARCIALES Y APLICACIONES

DERIVADAS PARCIALES Y APLICACIONES CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras

Más detalles

Distribución binomial

Distribución binomial Distribución binomial Cuando la Distribución de Benoulli se preguntaba Que pasara si sucede un único evento? la binomial esta asociada a la pregunta " Cuantas veces hay que realizar la prueba para que

Más detalles

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.

Más detalles

Espacios conexos. Capítulo Conexidad

Espacios conexos. Capítulo Conexidad Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio

Más detalles

b) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A

b) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:

Más detalles

Teoría de la Probabilidad Tema 2: Teorema de Extensión

Teoría de la Probabilidad Tema 2: Teorema de Extensión Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada

Más detalles

UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA

UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN Tema: LA INTEGRAL DEFINIDA La integral definida Anteriormente se mencionó que la Integral Indefinida da como resultado una familia de funciones

Más detalles

Definición de probabilidad

Definición de probabilidad Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total

Más detalles

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 2. Descripción Conjunta de Varias Variables Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

* e e Propiedades de la potenciación.

* e e Propiedades de la potenciación. ECUACIONES DIFERENCIALES 1 REPASO DE ALGUNOS CONCEPTOS PREVIOS AL ESTUDIO DE LAS ECUACIONES DIFERENCIALES 1. Cuando hablamos de una función en una variable escribíamos esta relación como y = f(x), esta

Más detalles

Variables aleatorias

Variables aleatorias Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando

Más detalles

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría

Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana

Más detalles

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación

Más detalles

Forma binomial de números complejos (ejercicios)

Forma binomial de números complejos (ejercicios) Forma binomial de números complejos (ejercicios) Objetivos. Mostrar que los números reales x se pueden identificar con números complejos de la forma (x, 0), y cada número complejo (x, y) se puede escribir

Más detalles

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21 Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)

Más detalles

Matemáticas Universitarias

Matemáticas Universitarias Matemáticas Universitarias 1 Sesión No. 5 Nombre: Desigualdades lineales, cuadráticas y valor absoluto Objetivo de la asignatura: En esta sesión el estudiante conocerá las características y métodos de

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: ALGEBRA y ALGEBRA LINEAL 520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Notas sobre el teorema minimax

Notas sobre el teorema minimax Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8) PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua

Más detalles

CÁLCULO DE PROBABILIDADES

CÁLCULO DE PROBABILIDADES CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.

Más detalles

Repaso de Matemáticas

Repaso de Matemáticas Repaso de Matemáticas Teoría Macroeconomica III Marcel Jansen Universidad Autónoma de Madrid En estas notas resumiremos algunas de las herramientas matemáticas que pueden encontrar útiles para este curso.

Más detalles

Generación de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Generación de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones

Más detalles

Introducción. Flujo Eléctrico.

Introducción. Flujo Eléctrico. Introducción La descripción cualitativa del campo eléctrico mediante las líneas de fuerza, está relacionada con una ecuación matemática llamada Ley de Gauss, que relaciona el campo eléctrico sobre una

Más detalles

Unidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.

Unidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos

Más detalles

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos: 15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo

Más detalles

Curso de nivelación Estadística y Matemática

Curso de nivelación Estadística y Matemática Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad

Más detalles

Derivada de la función compuesta. Regla de la cadena

Derivada de la función compuesta. Regla de la cadena Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de

Más detalles

Unidad II: Fundamentos de la teoría de probabilidad

Unidad II: Fundamentos de la teoría de probabilidad Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

4. NÚMEROS PSEUDOALEATORIOS.

4. NÚMEROS PSEUDOALEATORIOS. 4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar

Más detalles

Distribuciones de probabilidad multivariadas

Distribuciones de probabilidad multivariadas Capítulo 3 Distribuciones de probabilidad multivariadas Sobre un dado espacio muestral podemos definir diferentes variables aleatorias. Por ejemplo, en un experimento binomial, X 1 podría ser la variable

Más detalles

2 x

2 x FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 08-2 Importante: Visita regularmente ttp://www.dim.ucile.cl/~calculo. Aí encontrarás las guías de ejercicios

Más detalles

Se desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico.

Se desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico. Tema: Límites de las funciones Objetivos: Comprender el concepto de límite de una función y las propiedades de los límites. Calcular el límite de una función algebraica utilizando las propiedades de los

Más detalles

03 Variables aleatorias y distribuciones de probabilidad

03 Variables aleatorias y distribuciones de probabilidad 03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: función

Más detalles

Unidad III Variables Aleatorias Unidimensionales

Unidad III Variables Aleatorias Unidimensionales Unidad III Variables Aleatorias Unidimensionales En el capítulo anterior se examinaron los conceptos básicos de probabilidad con respecto a eventos que se encuentran en un espacio muestral. Los experimentos

Más detalles

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos Coordinación de Matemática I (MAT01) 1 er Semestre de 013 Semana 7: Lunes - Viernes 7 de Abril Cálculo Contenidos Clase 1: Álgebra de límites. Teorema del Sandwich. Cálculo de límites. Límites trigonométricos.

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un

Más detalles

GUIA DE CATEDRA Matemática Empresarial Guía N.3 F. Elaboración 09 abril /11 F. 1 Revisión 09/04/11 Pagina 1 de 8

GUIA DE CATEDRA Matemática Empresarial Guía N.3 F. Elaboración 09 abril /11 F. 1 Revisión 09/04/11 Pagina 1 de 8 Plan de Estudios: Semestre 1 Área: Matemática 1 Nº Créditos: Intensidad horaria semanal: 3 Hrs T Hrs P Total horas: 6 Tema: Desigualdades 1. OBJETIVO Apropiar los conceptos de desigualdades y establecer

Más detalles

UNIDAD 8: SUCESIONES Y SERIES

UNIDAD 8: SUCESIONES Y SERIES UNIDAD 8: SUCESIONES Y SERIES Llegamos a la última unidad de la asignatura correspondiente a Sucesiones y Series, recuerde mantener la motivación hasta el final, el tema que vamos a tratar aquí es de especial

Más detalles

Teorema de Bayes. mientras que B tiene una tasa de defectos del 4%.

Teorema de Bayes. mientras que B tiene una tasa de defectos del 4%. Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,

Más detalles

Continuidad. 5.1 Continuidad en un punto

Continuidad. 5.1 Continuidad en un punto Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos

Más detalles

06 Variables aleatorias conjuntas. Contenido. Variables aleatorias conjuntas. Objetivo

06 Variables aleatorias conjuntas. Contenido. Variables aleatorias conjuntas. Objetivo 6 Variables aleatorias conjuntas Contenido Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales Variables aleatorias conjuntas Funciones de masa de probabilidad

Más detalles

Terminaremos el capítulo con una breve referencia a la teoría de cardinales.

Terminaremos el capítulo con una breve referencia a la teoría de cardinales. TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto

Más detalles

2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria

2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria 2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un

Más detalles

Estadística aplicada a la comunicación

Estadística aplicada a la comunicación Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2

Más detalles

Números Complejos. Números naturales: útiles para contar cosas N={ 0, 1, 2, } Pero con ellos no podemos resolver la ecuación: X+5=2

Números Complejos. Números naturales: útiles para contar cosas N={ 0, 1, 2, } Pero con ellos no podemos resolver la ecuación: X+5=2 Números Complejos Números naturales: útiles para contar cosas N={ 0, 1, 2, } Pero con ellos no podemos resolver la ecuación: X+5=2 Números Complejos Entonces inventamos los números enteros: Z = { -2, -1,

Más detalles

SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES

SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES RELACIONES BINARIAS PAR ORDENADO Es un arreglo de dos elementos que tienen un orden determinado donde a es llamada al primera componente y b es llamada la

Más detalles

Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes

Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

6.1. Anillos de polinomios.

6.1. Anillos de polinomios. 1 Tema 6.-. Anillo de polinomios. División y factorización. Lema de Gauss. 6.1. Anillos de polinomios. Definición 6.1.1. Sea A un anillo. El anillo de polinomios en la indeterminada X con coeficientes

Más detalles

FUNCIONES EXPONENCIAL Y LOGARÍTMICA

FUNCIONES EXPONENCIAL Y LOGARÍTMICA FUNCIONES EXPONENCIAL Y LOGARÍTMICA 1. Crecimiento exponencial. La función exponencial. 1.1 La Función Exponencial. Una función exponencial es una expresión de la forma siguiente:,,. Donde es una constante

Más detalles

NOCIONES PRELIMINARES (*) 1

NOCIONES PRELIMINARES (*) 1 CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras

Más detalles

Semana03[1/17] Funciones. 16 de marzo de Funciones

Semana03[1/17] Funciones. 16 de marzo de Funciones Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,

Más detalles

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos

Más detalles

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo

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

1.1. Distribución exponencial. Definición y propiedades

1.1. Distribución exponencial. Definición y propiedades CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -

Más detalles

Distribución Normal. Universidad Diego Portales Facultad de Economía y Empresa. Estadística I Profesor: Carlos R. Pitta

Distribución Normal. Universidad Diego Portales Facultad de Economía y Empresa. Estadística I Profesor: Carlos R. Pitta Distribución Normal La distribución normal (O Gaussiana) se define como sigue: En donde y >0 son constantes arbitrarias. Esta función es en realidad uno de las más importantes distribuciones de probabilidad

Más detalles

UNIVERSIDAD DEL NORTE

UNIVERSIDAD DEL NORTE UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO

Más detalles

Clase 4 Funciones polinomiales y racionales

Clase 4 Funciones polinomiales y racionales Clase 4 Instituto de Ciencias Básicas Facultad de Ingeniería Universidad Diego Portales Marzo de 2014 Polinomios Definición Se llama polinomio en x a toda expresión de la forma p(x) = a 0 + a 1x+ +a n

Más detalles

Distribuciones de Probabilidad Para Variables Aleatorias Continuas

Distribuciones de Probabilidad Para Variables Aleatorias Continuas Distribuciones de Probabilidad Para Variables Aleatorias Continuas Departamento de Estadística-FACES-ULA 20 de Diciembre de 2013 Introducción Recordemos la definición de Variable Aleatoria Continua. Variable

Más detalles

PATRONES DE DISTRIBUCIÓN ESPACIAL

PATRONES DE DISTRIBUCIÓN ESPACIAL PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de

Más detalles

Álgebra Lineal VII: Independencia Lineal.

Álgebra Lineal VII: Independencia Lineal. Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Programa Probabilidad Teoría de conjuntos Diagramas de Venn Permutaciones y combinaciones Variables aleatorias y distribuciones Propiedades de distribuciones Funciones generadoras

Más detalles

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua. Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,

Más detalles

Espacios Normados (Normas en R n )

Espacios Normados (Normas en R n ) Espacios Normados (Normas en R n ) Uno de los conceptos más importantes del cálculo y del analisis matemático es el de métrica o distancia. En R n la noción de metrico depende a su vez del concepto de

Más detalles

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

Más detalles