Capítulo 6: Variable Aleatoria Bidimensional

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Capítulo 6: Variable Aleatoria Bidimensional"

Transcripción

1 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 conjunto de los números reales. Sin embargo, en muchas ocasiones, los resultados de un experimento aleatorio no pueden expresarse mediante una única cantidad, se requiere una variable aleatoria multidimensional. Nos centramos en este capítulo en el estudio de una variable aleatoria bidimensional. 6.1 Concepto de variable aleatoria bidimensional Una variable aleatoria bidimensional (X, Y ) es una aplicación del espacio muestral Ω en R = RxR Ω XxY RxR ω (X(ω),Y(ω)) Por lo tanto, cada componente de la variable aleatoria bidimensional es una variable aleatoria unidimensional. Ejemplo 6.1: Consideremos el experimento aleatorio de lanzar una moneda tres veces, al que tenemos asociado el siguiente espacio muestral: Ω = {(c, c, c), (c, c, +), (c, +,c), (+,c,c), (c, +, +), (+,c,+), (+, +,c), (+, +, +)} Se define la v.a. bidimensional Z = (X,Y ), donde X(ω) ="Número de caras en ω, e Y (ω) ="Diferencia en valor absoluto entre el número de caras el número de cruces en ω. Entonces: Z(+, +, +) = (, 3) Z(c, +, +) = Z(+,c,+) = Z(+, +,c)=(1, 1) Z(c, c, +) = Z(c, +,c)=z(+,c,c)=(, 1) Z(c, c, c) = (3, 3) 1

2 6. Distribución de probabilidad inducida. Función de distribución conjunta Vamos a asociar a cada v.a. bidimensional un espacio probabilístico definido en R. 6..1Casodiscreto Sean X e Y variables aleatorias unidimensionales de tipo discreto, que toman un número finitooinfinitonumerabledevalores{x 1, x,...}, { 1,,...}, respectivamente. Se define la función masa de probabilidad conjunta de (X, Y ) como: verificando: i) p ij 1, i, j ii) X X p ij =1 i j p ij = P (X = x i,y = j ), i, j La función de distribución conjunta de (X, Y ) viene dada por: F (x, ) =P (X x, Y ) = X X P (X = x i,y = j ), (x, ) R x i x j Ejemplo 6.: La v.a. Z =(X, Y ) del ejemplo 5.1 tiene función masa de probabilidad dada por: X\Y 1 3 1/8 1 3/8 3/8 3 1/8 su función de distribución es: F (x, ) =P (X x, Y ) = si x<, <1 si x<1, 1 <3 1/8 si x<1, 3 4/8 si 1 x<, 1 7/8 si x<3, 1 6/8 si x 3, 1 <3 1 si x 3, 3,

3 6..Casocontinuo Sean X e Y dos v.a. continuas definidas en R. Se define la función de densidad conjunta de (X, Y ) como una función f : R R que verifica: i) f(x, ) (x, ) ii) R + R + f(x, )dxd =1 En este caso, la función de distribución conjunta de (X, Y ) vendrádadapor: F (x, ) =P (X x, Y ) = Z x Z f(u, v)dvdu, (x, ) R La función de densidad conjunta se obtiene a partir de la de distribución según la siguiente expresión: f(x, ) = F (x, ) x Ejemplo 6.3: Sea (X, Y ) una v.a. bidimensional continua con función de densidad: ½ x x, 1 f(x, ) = en otro caso Obtenemos su función de distribucion: + Z x Z F (x, ) = Z x Z f(u, v)dvdu = Z uvdvdu = (x), x, 1 4 Z dvdu + Z x Z Ejemplo 6.4: Sea (X, Y ) una v.a. bidimensional con la siguiente función de distribución: F (x, ) =1 e x e + e (x+),x>, > donde X ="Duración de llamadas comerciales" e Y = Duración de llamadas personales". a. Calcular P (X 1,Y ). P (X 1,Y ) = F (1, ) = 1 e e + e 3 b. Determinar la función de densidad conjunta. f(x, ) = F (x, ) x = e x,x>, > dvdu + 3

4 6.3 Distribuciones marginales condicionadas Distribuciones marginales En general, se definen las distribuciones marginales como las distribuciones por separado de cada una de las componentes de la v.a. bidimensional. Dada la función de distribución conjunta de (X, Y ), F(x, ), se define la función de distribución marginal de X como: F X (x) =P (X x) =F (x, + ) =P (X x, Y + ), x R Análogamente, la función de distribución marginal de Y viene dada por: F Y () =P (Y ) =F (+,)=P (X +,Y ), R Caso discreto: Dada una v.a. bidimensional (X, Y ) con función masa de probabilidad conjunta p ij = P (X = x i,y = j ), se define la función masa de probabilidad marginal de X como: P X (x i )=P (X = x i )= X j P (X = x i,y = j )= X j p ij = p i. Análogamente, la función masa de probabilidad marginal de Y es: P Y ( j )=P (Y = j )= X i P (X = x i,y = j )= X i p ij = p.j Entonces, las funciones de distribución marginales resultan: F X (x) =P (X x) = X x i x P (X = x i,y = j )= X x i x p i.,x R F Y () =P (Y ) = X j P (X = x i,y = j )= X j p.j, R Caso continuo: Sea una v.a. bidimensional (X, Y ) con función de densidad conjunta f(x, ), con x, R. Las funciones de densidad marginales están dadas por: f X (x) = f () = Z + Z + f(x, )d, x R f(x, )dx, R 4

5 Las correspondientes funciones de distribución marginales resultan: F X (x) =P (X x) =P (X x, Y R) = F Y () =P (Y ) =P (X R,Y ) = Z x Z + Z + Z f(u, v)dudv, x R f(u, v)dudv, R Ejemplo 6.5: Sea (X, Y ) una v.a. bidimensional discreta con función masa de probabilidad dada por: X\Y 1 3 p i. 1 1/14 /14 1/14 4/14 1/14 3/14 1/14 5/14 3 /14 1/14 /14 5/14 p.j 3/14 /14 5/14 4/14 La función masa de probabilidad de X es: La de Y : P X (1) = P (X =1)= P X () = P (X =)= P X (3) = P (X =3)= 3X P (X =1,Y = j) =p 1. =4/14 j= 3X P (X =,Y = j) =p. =5/14 j= 3X P (X =3,Y = j) =p 3. =5/14 j= P Y () = P (Y =)=p.1 =3/14 P Y (1) = P (Y =1)=p. =/14 P Y () = P (Y =)=p.3 =5/14 P Y (3) = P (Y =3)=p.4 =4/14 La función de distribución marginal de X es: si x<1 4/14 si 1 x< F X (x) =P (X x) = 9/14 si x<3 1 si x 3 F Y () =P (Y ) = si < 3/14 si <1 5/14 si 1 < 1/14 si <3 1 si 3 5

6 Ejemplo 6.6: Sea (X, Y ) una v.a. bidimensional con función de densidad conjunta: ½ 3x(1 x) si x 1, 1 f(x, ) = Entonces, las funciones de densidad marginales vienen dadas por: f X (x) = 3x(1 x)d =3 µx x 1 ³ =3x 1 x, x 1 µ x 1 f Y () = 3x(1 x)dx =3 x3 = 3, 1 3 La función de distribución conjunta resulta: Z x Z Z x F (x, ) = 3u(1 uv)dvdu =3 µuv u v du = = x (3 x), x 1, 1 Y las funciones de distribución marginales son: F X (x) = F (x, 1) = x (3 x), x 1 (3 ) F Y () = F (1,)=, Distribuciones condicionadas Como a sabemos, la probabilidad de un suceso condicionada a la ocurrencia de otro suceso viene dada por: P (A B) P (A/B) =,P(B) 6= P (B) Ahora, el condicionamiento tendrá lugar entre variables. Caso discreto: Sea (X, Y ) una v.a. bidimensional discreta. Se define la función masa de probabilidad de X condicionada al valor j de Y como: P X/Y (x i / j ) = p i/j = P (X = x i /Y = j )= = P (X = x i Y = j ) P (Y = j ) = p ij p.j Análogamente, la función masa de probabilidad de Y condicionada al valor x i de X viene dada por: P Y/X ( j /x i ) = p j/i = P (Y = j /X = x i )= = P (X = x i Y = j ) P (X = x i ) = p ij p i. 6

7 Caso continuo: Sea (X, Y ) una v.a. bidimensional continua. Se define la función de densidad de X dado que Y vale como: f(x/) = f(x, ) f Y (),x R Análogamente, la función de densidad de Y dado que X vale x se define como: f(x, ) f(/x) = f X (x), R Las funciones de distribución asociadas son: F (x/) = P (X x/y = ) = F (/x) = P (Y /X = x) = Z x Z f(x, ) f Y () dx, x R f(x, ) f X (x) d, R Ejemplo 6.7: Sea (X, Y ) una v.a. bidimensional con función de densidad ½ x si x 1, f(x, ) = Las funciones de densidad marginales son: ½ x si x 1 f X (x) = ½ / si f Y () = Las densidades condicionadas vienen dadas por: f(x/) = ½ x si x 1 ½ / si f(/x) = Observamos que en este caso las densidades marginales condicionadas coinciden. 7

8 6.4 Independencia de variables aleatorias Sabemos que dos sucesos A B son independientes si se cumple que: P (A/B) = P (A) P (B/A) = P (B) en consecuencia: P (A B) =P (A)P (B) Análogamente, diremos que dos variables aleatorias X e Y son independientes si se verifica: P (X = x i,y = j )=p ij = p i. p.j en el caso discreto. f(x, ) =f X (x)f Y () en el caso continuo. Equivalentemente, F (x, ) =F X (x)f Y (). Por lo tanto, si las variables X e Y son independientes, se cumple que: P (a X b, c Y d) =P (a X b)p (c Y d) Ejemplo 6.8: Las variables dadas en el ejemplo 5.7 son independientes, a que las densidades condicionadas coinciden con las marginales. 6.5 Esperanza matemática Sea (X, Y ) una v.a. bidimensional. Se define el valor esperado o esperanza matemática de una función g(x, Y ) como: En caso discreto: E [g(x, Y )] = X i X g(x i, j )p ij j En caso continuo: E [g(x, Y )] = Z + Z + Algunas propiedades de la esperanza son: i) E [ax + by + c] =ae[x]+be[y ]+c g(x, )f(x, )ddx ii) Si X e Y son independientes, entonces E [g(x)g(y )] = E [g(x)]e[g(y )]. En particular, E [XY ]=E [X]E[Y ]. 8

9 Ejemplo 6.8: Sea (X, Y ) una v.a. bidimensional discreta con f.m.p. conjunta: X\Y 1 1/4 1/4 4 3/8 1/8 La esperanza matemática de g(x, Y )=X + Y es: E X + Y = (+ )1/4+(1+ )1/4+(+4 )3/8+(1+4 )1/8 =73/8 = E X]+E[Y 6.6 Momentos bidimensionales Dada una v.a. bidimensional (X,Y ), definimos los siguientes momentos: Momento no centrado de orden (r, s) : m rs = E[X r Y s ] Momentocentradodeorden(r, s) : µ rs = E[(X E[X]) r (Y E[Y ]) s ] Al momento centrado de orden (1,1) se le llama covarianza, se suele notar por Cov(X, Y ) o σ X,Y. Su expresión es: Cov(X, Y )=E[(X E[X]) (Y E[Y ])] = E[XY ] E[X]E[Y ] Diremos que dos variables son incorreladas si su covarianza es. Claramente, si dos variables son independientes, también son incorreladas. Ejemplo 6.9: Sea (X, Y ) una v.a. bidimensional con función de densidad: f(x, ) = 1 4 (1 + x(x )), 1 x 1, 1 a. Son X e Y independientes?. Comprobamos para ello si f(x, ) =f X (x)f Y (). Las funciones de densidad marginales resultan: f X (x) = f () = 1 4 (1 + x(x ))d =1/, 1 x (1 + x(x ))dx =1/, 1 1 Como f(x, ) 6= 1, las variables no son independientes. 4 9

10 b. Son X e Y incorreladas?. Comprobamos si la covarianza es. Cov(X, Y )=E[XY ] E[X]E[Y ] E[XY ] = E[X] = E[Y ] = x 1 4 (1 + x(x ))ddx =, x 1 dx =, 1 d =. Por lo que Cov(X, Y )=enconsecuencia las variables son incorreladas. Con este ejemplo observamos que el que las variables sean incorreladas no implica que sean independientes. Sin embargo, si las variables son independientes sí son incorreladas. 6.7 Ejercicios 1. Se lanzan dos dados simultáneamente. Sea X="número de puntos obtenidos por el primer dado" e Y = el número maor de los puntos obtenidos con los dos dados". Se pide: a. La función masa de probabilidad conjunta. b. Las funciones masa de probabilidad marginales c. La función masa probabilidad de la variable X condicionada a Y =4. d. P (X =,Y =4) P (X =3). e. Son independientes las variables X e Y?. Sea (X, Y ) una v.a. bidimensional con función de densidad conjunta: f(x, ) = ( 1 (x + ) si x, 8 a. Obtener la función de distribución conjunta. b. Obtener las funciones de distribución marginales. c. Obtener las funciones de densidad marginales. d. Calcular P (X <1,Y 1.5), P(X 1), P(X 1.7/Y 1.5). e. Son incorreladas las variables?. 1

11 3. Sea (X, Y ) una v.a. bidimensional con función masa de probabilidad: X\Y /8 3/8 3 1/8 1/8 a. Calcular las funciones de probabilidad marginales. b. Calcular P (Y ), P(X =1 (1 Y )) P (Y =3/X =1). c. Calcular la esperanza matemática de X + Y. d. Son independientes las variables?. 4. Sea (X, Y ) una v.a. bidimensional con función de densidad conjunta: f(x, ) = ( 1 (3x ) si 1 x, 1 3 k a. Calcular el valor de k para que sea función de densidad. b. Obtener las funciones de densidad marginales. c. Obtener la función de densidad de X dado que Y toma el valor. d. Calcular la función de distribución conjunta. e. Calcular P (X < 1.3,Y.5). 5. Sea (X, Y ) una v.a. bidimensional con función de densidad conjunta: ½ e (x+) si x>, > f(x, ) = a. Obtener las funciones de densidad marginales. b. Son independientes las variables? c. Obtener la función de distribución conjunta. d. Calcular P (( <X<1) (1 X<)) e. Obtener la función de densidad de Y condicionada a X =3. f. Calcular la esperanza de X Y g. Calcular Cov(X, Y ). Son incorreladas las variables?. 11

Tema 4: Variables aleatorias multidimensionales

Tema 4: Variables aleatorias multidimensionales Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia

Más detalles

Tema 4: Variables aleatorias multidimensionales

Tema 4: Variables aleatorias multidimensionales 1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica

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

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

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

Tema 5: Vectores aleatorios bidimensionales.

Tema 5: Vectores aleatorios bidimensionales. Estadística 52 Tema 5: Vectores aleatorios bidimensionales. Hasta ahora hemos estudiado las variables aleatorias unidimensionales, es decir, los valores de una característica aleatoria. En muchos casos,

Más detalles

9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES

9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES 9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal

Más detalles

Vectores aleatorios. Estadística I curso 2008 2009

Vectores aleatorios. Estadística I curso 2008 2009 Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a

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

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

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza

Más detalles

Variable Aleatoria. Relación de problemas 6

Variable Aleatoria. Relación de problemas 6 Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es

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

Descriptiva y Probabilidad

Descriptiva y Probabilidad Estadística Descriptiva y Probabilidad (Teoría y problemas) 3 a Edición Autores I. Espejo Miranda F. Fernández Palacín M. A. López Sánchez M. Muñoz Márquez A. M. Rodríguez Chía A. Sánchez Navas C. Valero

Más detalles

Tema 3. VARIABLES ALEATORIAS.

Tema 3. VARIABLES ALEATORIAS. 3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable

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

Maestría en Bioinformática Probabilidad y Estadística: Clase 3

Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias

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

Distribuciones de Probabilidad para Variables Aleatorias Discretas 1

Distribuciones de Probabilidad para Variables Aleatorias Discretas 1 Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,

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

Variables Aleatorias. Introducción

Variables Aleatorias. Introducción Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,

Más detalles

MODELO DE RESPUESTAS Objetivos del 1 al 9

MODELO DE RESPUESTAS Objetivos del 1 al 9 PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ

Más detalles

Tema 5. Variables Aleatorias

Tema 5. Variables Aleatorias Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,

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

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

Prof. Eliana Guzmán U. Semestre A-2015

Prof. Eliana Guzmán U. Semestre A-2015 Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos

Más detalles

Variable Estadística Bidimensional

Variable Estadística Bidimensional Capítulo 2 Variable Estadística Bidimensional 21 Distribución de Frecuencias Bidimensional Sea una población de n individuos donde estudiamos, simultáneamente, dos variables X e Y Seanx 1,x 2,,x k las

Más detalles

Ejercicios de Variables Aleatorias

Ejercicios de Variables Aleatorias Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si

Más detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

Unidad Temática 3: Probabilidad y Variables Aleatorias Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento

Más detalles

Variables aleatorias

Variables aleatorias 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,

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

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

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

Modelado de la aleatoriedad: Distribuciones

Modelado de la aleatoriedad: Distribuciones Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:

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

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M. PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta

Más detalles

Tema 4: Variable aleatoria. Métodos Estadísticos

Tema 4: Variable aleatoria. Métodos Estadísticos Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función

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

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

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

Variables aleatorias. Función de distribución y características asociadas

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

Más detalles

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

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

Si quisiéramos estudiar también cuánto distan, es decir a b, tendríamos 6 resultados: 0, 1, 2, 3, 4 ó 5, con distribución de probabilidad dada por:

Si quisiéramos estudiar también cuánto distan, es decir a b, tendríamos 6 resultados: 0, 1, 2, 3, 4 ó 5, con distribución de probabilidad dada por: Capítulo 3 Variables aleatorias 3. Definición, tipos En ocasiones de un experimento aleatorio sólo nos interesará medir ciertas características del mismo. En estos casos nos bastará con conocer la distribución

Más detalles

Variables aleatorias múltiples

Variables aleatorias múltiples Chapter 4 Variables aleatorias múltiples 4.. Distribución conjunta y marginal Definición 4.. Un vector aleatorio n-dimensional es una función que va de un espacio muestral S a un espacio euclediano n-dimensional

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:

Más detalles

Distribuciones Paramétricas

Distribuciones Paramétricas Distribuciones Paramétricas Objetivo: Estudiar el uso de formas matemáticas particulares, llamadas distribuciones paramétricas, para representar las variaciones en los datos. Una distribución paramétrica

Más detalles

2 ln x dx. Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = 1 x dx dv = dx v = x y por tanto

2 ln x dx. Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = 1 x dx dv = dx v = x y por tanto Tema 6 Integración Definida Ejercicios resueltos Ejercicio Calcular la integral definida ln x dx Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = x dx dv

Más detalles

PROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.

PROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado. 1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto

Más detalles

Relación de Problemas. Tema 6

Relación de Problemas. Tema 6 Relación de Problemas. Tema 6 1. En una urna hay 5 bolas blancas y 2 negras y se sacan tres bolas sin reemplazamiento. a) Calcular la distribución conjunta del número de bolas blancas y negras de entre

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro

Más detalles

Probabilidad, Variables aleatorias y Distribuciones

Probabilidad, Variables aleatorias y Distribuciones Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer

Más detalles

En muchos estudios no estamos interesados en saber cual evento ocurrió, sino en

En muchos estudios no estamos interesados en saber cual evento ocurrió, sino en Capítulo 3 Variable Aleatoria 3.. Introducción En muchos estudios no estamos interesados en saber cual evento ocurrió, sino en el número de veces que ha ocurrido un evento. Por ejemplo, al lazar dos monedas,

Más detalles

TEMA 3: Probabilidad. Modelos. Probabilidad

TEMA 3: Probabilidad. Modelos. Probabilidad TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un

Más detalles

MOOC UJI: La Probabilidad en las PAU

MOOC UJI: La Probabilidad en las PAU 4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro

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

Ejercicios de Vectores Aleatorios

Ejercicios de Vectores Aleatorios Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros M2 Calcular la función de densidad conjunta y las marginales

Más detalles

Regresión y Correlación

Regresión y Correlación Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios

Más detalles

Probabilidad PROBABILIDAD

Probabilidad PROBABILIDAD PROBABILIDAD La probabilidad es un método mediante el cual se obtiene la frecuencia de un suceso determinado mediante la realización de un experimento aleatorio, del que se conocen todos los resultados

Más detalles

Fundamentos matemáticos. Tema 8 Ecuaciones diferenciales

Fundamentos matemáticos. Tema 8 Ecuaciones diferenciales Grado en Ingeniería agrícola y del medio rural Tema 8 José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es 2016 Licencia Creative Commons 4.0 Internacional J.

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir

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

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

Introducción a la Probabilidad

Introducción a la Probabilidad Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento

Más detalles

6.1. Esperanza Matemática de Variables Aleatorias Discretas.

6.1. Esperanza Matemática de Variables Aleatorias Discretas. Capítulo 6 Esperanza Matemática 6 Esperanza Matemática de Variables Aleatorias Discretas Recordemos que una variable aleatoria X es discreta, si existe una sucesión (x n ) n de números reales tales que

Más detalles

VARIABLE ALEATORIA. Una variable aleatoria discreta es el modelo teórico de una variable estadística discreta (con valores sin agrupar).

VARIABLE ALEATORIA. Una variable aleatoria discreta es el modelo teórico de una variable estadística discreta (con valores sin agrupar). VARIABLE ALEATORIA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA CONTINUA DISTRIBUCIÓN DE PROBABILIDAD. PROBABILIDAD INDUCIDA. FUNCIÓN DE DISTRIBUCIÓN EN VARIABLE DISCRETA FUNCIÓN DE DISTRIBUCIÓN EN VARIABLE

Más detalles

Tema 4. Probabilidad Condicionada

Tema 4. Probabilidad Condicionada Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello

Más detalles

Análisis de procesos estocásticos en el dominio del tiempo

Análisis de procesos estocásticos en el dominio del tiempo Análisis de procesos estocásticos en el dominio del tiempo F. Javier Cara ETSII-UPM Curso 2012-2013 1 Contenido Introducción Procesos estocásticos Variables aleatorias Una variable aleatoria Dos variables

Más detalles

Tema 2: Magnitudes aleatorias

Tema 2: Magnitudes aleatorias Facultad de Economía y Empresa 1 Prácticas Tema.- Magnitudes aleatorias Tema : Magnitudes aleatorias DEMANDA La demanda de cierto artículo es una variable aleatoria con la siguiente distribución: Número

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 4 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X

Más detalles

Tema 5 Variables aleatorias: distribuciones de probabilidad y características.

Tema 5 Variables aleatorias: distribuciones de probabilidad y características. Tema 5 Variables aleatorias: distribuciones de probabilidad y características. 1. Introducción Según se ha reflejado hasta el momento, el espacio muestral asociado a un experimento aleatorio puede ser

Más detalles

PAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos.

PAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. PAU Madrid. Matemáticas II. Año 22. Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. Se considera una varilla AB de longitud 1. El extremo A de esta varilla recorre completamente la circunferencia

Más detalles

1. La Distribución Normal

1. La Distribución Normal 1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando

Más detalles

MÉTODOS ESTADÍSTICOS APLICADOS

MÉTODOS ESTADÍSTICOS APLICADOS Pedro Sánchez Algarra (autor y coordinador) Xavier Baraza Sánchez Ferran Reverter Comas Esteban Vegas Lozano Departament d Estadística TEXTOS DOCENTS 3 MÉTODOS ESTADÍSTICOS APLICADOS Pedro Sánchez Algarra

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

Tema 13: Distribuciones de probabilidad. Estadística

Tema 13: Distribuciones de probabilidad. Estadística Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número

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

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

OPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.

OPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores. PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:

Más detalles

Problema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y),

Problema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y), Problema. Calcula las derivadas parciales de las siguientes funciones: (a) f(x, y) = x + y cos(xy), (b) f(x, y) = x x + y, (c) f(x, y) = log x + y x y, (d) f(x, y) = arctan x + y x y, (e) f(x, y) = cos(3x)

Más detalles

FACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:

Más detalles

X = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?

X = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo? Ejemplo: el valor esperado y los juegos justos. En los juegos de azar es importante la variable aleatoria X = beneficio del jugador = (ganancia neta) (recursos invertidos) El juego consiste en una caja

Más detalles

Probabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades

Probabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades Experimentos deterministas Probabilidad Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas,

Más detalles

6. VARIABLES ALEATORIAS

6. VARIABLES ALEATORIAS 6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta

Más detalles

5 DISTRIBUCIONES BINOMIAL Y DE POISSON

5 DISTRIBUCIONES BINOMIAL Y DE POISSON 5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria

Más detalles

PROBABILIDAD. Experiencia aleatoria es aquella cuyo resultado depende del azar.

PROBABILIDAD. Experiencia aleatoria es aquella cuyo resultado depende del azar. PROBABILIDAD. 1 EXPERIENCIAS ALEATORIAS. SUCESOS. Experiencia aleatoria es aquella cuyo resultado depende del azar. Suceso aleatorio es un acontecimiento que ocurrirá o no dependiendo del azar. Espacio

Más detalles

2.3 PROPIEDADES DE LA PROBABILIDAD

2.3 PROPIEDADES DE LA PROBABILIDAD 2.3 PROPIEDADES DE LA PROBABILIDAD 1. La probabilidad es positiva y menor o igual que 1. 0 p( 1 2. La probabilidad del suceso seguro es 1. p (E) = 1 3. Si A y B son incompatibles, es decir A B = entonces:

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

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

Al conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:

Al conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos: 1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización

Más detalles

Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.

Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7. Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.

Más detalles

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

Más detalles

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma: TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]

Más detalles

Bioestadística. Curso Capítulo 3

Bioestadística. Curso Capítulo 3 Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................

Más detalles

PROBABILIDAD. Profesor: Rafael Núñez Nogales CÁLCULO DE PROBABILIDADES. Experimentos y sucesos

PROBABILIDAD. Profesor: Rafael Núñez Nogales CÁLCULO DE PROBABILIDADES. Experimentos y sucesos PROBABILIDAD CÁLCULO DE PROBABILIDADES Experimentos y sucesos Experimento aleatorio Es aquel cuyo resultado depende del azar, es decir no se puede predecir de antemano qué resultado se va a obtener aunque

Más detalles

Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto

Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................

Más detalles

Soluciones Examen de Estadística

Soluciones Examen de Estadística Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación 15 de Febrero, 5 Cuestiones horas C1. Un programa se ejecuta desde uno cualquiera de cuatro periféricos A, B, C y D con arreglo

Más detalles