MODELACIÓN ESTADÍSTICA DE RIESGOS EN COMPETENCIA PARA EVENTOS RECURRENTES. Carlos M. Martínez M. (
|
|
- Luis Juan de la Cruz Escobar
- hace 7 años
- Vistas:
Transcripción
1 MODELACIÓN ESTADÍSTICA DE RIESGOS EN COMPETENCIA PARA EVENTOS RECURRENTES Carlos M. Martínez M. ( Universidad de Carabobo Valencia, República Bolivariana de Venezuela Guillermo J. Ramírez N. ( Universidad Central de Venezuela Caracas, República Bolivariana de Venezuela Carlos M. Martínez M. ( LXV Convención Anual de AsoVAC, 2015
2 OBJETIVO Proponer modelos estadísticos para estimar funciones de riesgos en individuos que manifiestan un evento recurrente producido por diferentes causas.
3 INTRODUCCIÓN El Análisis de Supervivencia es un campo de estadística donde se disponen de herramientas para estudiar y modelar el tiempo de ocurrencia de eventos predefinidos. Riesgos en competencia se presenta cuando existen al menos dos posibles causas que originan la ocurrencia del o los eventos. Ejemplos: Fallas en máquinas o equipos, fiebres en pacientes con portadores del VIH, alumnos reprobados en exámenes de algunas asignaturas, entre otros. En este trabajo se utilizan herramientas computarizadas en lenguaje R para realizar simulaciones, estimaciones y cálculos de las funciones relacionadas con los riesgos.
4 INTRODUCCIÓN Para el análisis de supervivencia se usan varios programas con licencias gratuitas, como los programas en línea de R-CRAN survival, survrec y TestSurvRec. Para el análisis de riesgos en competencia se disponen de otros programas de R-CRAN, entre ellos: mstate, y cmprsk. Se muestran algunos ejemplos y cálculos de los procesos contadores para dos modelos no paramétricos del análisis de supervivencia con eventos recurrentes.
5 BASES TEÓRICAS MODELACIÓN DEL CLÁSICO ANÁLISIS DE SUPERVIVENCIA Modelos Paramétricos Procesos homogéneos de Poisson: Variable T,... IID EXP(λ). Modelos IID: digamos, weibull; gamma; etc. Modelos no Paramétricos Modelos actuariales, Modelo de Kaplan-Meier (1958) y el modelo de Nelson-Aalen (1972) Modelos Semi-Paramétricos Modelo de Cox (1972)
6 BASES TEÓRICAS NOTACIÓN DEL ANÁLISIS DE SUPERVIVENCIA TRADICIONAL Sea T una v.a. continua representa el tiempo de supervivencia. La función de riesgo instantáneo está dado por: A partir de aquí se demuestra que, = Función de riesgo instantáneo = Función de riesgo acumulado = Función de supervivencia = Función de densidad de probabilidades
7 BASES TEÓRICAS MODELACIÓN DE RIESGOS EN COMPETENCIA ANÁLISIS CLÁSICO La figura muestra una representación de un modelo gráfico de los riesgos en competencia. Gray (1988) y Fine-Gray (1999) desarrollaron modelos para estudios de riesgos en competencia. En ambos casos, se asume que las causas que originan el evento de estudio son mutuamente excluyentes.
8 BASES TEÓRICAS NOTACIÓN DEL ANÁLISIS DE RIESGOS EN COMPETENCIAS Sea T una v.a. continua que representa el tiempo de supervivencia. La función de riesgo instantáneo está dado por: Suponemos que cuando se produce un evento, esto se debe a una de las k distintas tipos de causas indexada por la letra j = 1, 2,..., k, y donde J es una v.a. que representa la causa de ocurrencia del evento. El riesgo instantáneo por el tipo de causa se define como: Por la ley de probabilidades, el riesgo total instantáneo está dado por:
9 BASES TEÓRICAS NOTACIÓN DEL ANÁLISIS DE RIESGOS EN COMPETENCIA Modelos clásicos de riesgos en competencia Tipo Kaplan-Meier Tipo Nelson-Aalen Tipo Cox
10 BASES TEÓRICAS MODELACIÓN DEL ANÁLISIS DE SUPERVIVENCIA CON EVENTOS RECURRENTES El Análisis de Supervivencia es ampliamente utilizado en investigaciones médicas y en estudios de confiabilidad. Los fenómenos con eventos recurrentes son muy frecuentes en muchas áreas. Ejemplos Aparición de enfermedades virales, como: Gripes, rubeolas, hepatitis, entre otras. Ataques de epilepsias. Fallas de máquinas o equipos. Re-hospitalización de pacientes. Aparición de tumores en pacientes enfermos con cáncer. Adicción a las drogas. Sinusitis, entre otras.
11 BASES TEÓRICAS MODELACIÓN DE UN EVENTO RECURRENTE Ki = Número total de ocurrencias en la i-ésima unidad i = Unidad de estudio j = Número of ocurrencia Tij = Tiempo de inter-ocurrencia Sij = Tiempo calendario τi Siki = Tiempo de censura τi = Tiempo de observación en la i-ésima unidad
12 BASES TEÓRICAS ALGUNOS ASPECTOS A CONSIDERAR PARA DATOS CON RECURRENCIAS Longitud de monitoreo aleatorio para la unidad i, (τi ). Número de eventos aleatorios en la unidad i, (Ki) Vector de datos observable: (Ki, τi,ti1,ti2,...,tki, τi SiKi) Observaciones censuradas por la derecha.
13 BASES TEÓRICAS MODELOS DEL ANÁLISIS DE SUPERVIVENCIA CON EVENTOS RECURRENTES Modelos Paramétricos Procesos homogéneos de Poisson: Ti1,Ti2,Ti3,... IID EXP(λ). Modelos de renovación con IID: digamos, weibull; gamma; etc. Modelos no Paramétricos El modelo de WC (1999) y el modelo de PSH (2001): Son modelos tipos KM Modelos Semi_Paramétricos Modelo de Andersen-Gill (1982), modelos de PWP (1981) y el modelo de WLW (1989); Son modelos tipo Cox. Modelos de fragilidad Cada unidad o individuo i, tiene una probabilidad no observable Zi con una distribución conocida y donde los (Ti1,Ti2,Ti3,...) son IID.
14 BASES TEÓRICAS MODELOS NO PARAMETRICOS PARA EL ANÁLISIS DE SUPERVIVENCIA CON EVENTOS RECURRENTES Modelos No Paramétricos Modelo de WC (1999) Modelo de PSH (2001) d*(t) = Representa la suma de las proporciones del número de tiempos de inter-ocurrencias que son iguales a t en individuos que experimentaron al menos un evento. R*(t) = Representa la media del número de veces que los individuos estuvieron a riesgo en el tiempo t. Un individuo estuvo en riesgo si su tiempo de inter-ocurrencias o censura es mayor o igual al tiempo t. N(s, t) = Número de eventos en el tiempo calendario [0,s] cuyos tiempos de interocurrencia son menores o iguales a t. Y(s, t) = Número de eventos en el tiempo calendario [0,s] cuyos tiempos de interocurrencia son mayores o iguales a t. ΔN(s, t)=n(s, t + Δt) - N(s, t)
15 PROPUESTA MODELACIÓN CON DOS CAUSAS NO EXCLUYENTES E INDEPENDIENTES PARA RIESGOS EN COMPETENCIA Por Leyes de probabilidades 1 2 P(1U2) = P(1) + P(2) - P(1 2) Si las causas son excluyentes P(1U2) = P(1) + P(2) con P(1 2)=0 Si las causas del eventos son independientes y no excluyentes P(1U2) = P(1) + P(2) - P(1)P(2)
16 PROPUESTA MODELACIÓN TRES CAUSAS NO EXCLUYENTES DE RIESGOS EN COMPETENCIA EN EL ANÁLISIS DE SUPERVIVENCIA CLÁSICO. Por leyes de probabilidades P(1U2U3)=P(1)+P(2)+P(3)-P(1 2)-P(1 3)-P(2 3) +P(1 2 3). Si las causas del eventos son excluyentes P(1U2U3)=P(1)+P(2)+P(3) con P(1 2)=0,P(1 3)=0, P(2 3)=0 y P(1 2 3)=0. Si las causas del eventos son independientes y no excluyentes P(1U2U3)=P(1)+P(2)+P(3)-P(1)P(2)-P(1)P(3)-P(2)P(3) +P(1)P(2)P(3).
17 PROPUESTA MODELACIÓN DE RIESGOS EN COMPETENCIA CON UN EVENTO RECURRENTE SIN PRESENCIA DE UN EVENTO TERMINAL Se asume que las causas que originan el evento de estudio son mutuamente excluyentes e independientes con tasas riesgos específicos constante en el tiempo. Ejemplo: Proceso de renovación para fallas de máquinas y equipos.
18 PROPUESTA RIESGOS EN COMPETENCIA PARA EVENTOS RECURRENTES Modelos de riesgos en competencia con causas no excluyentes e independientes para un evento recurrente Modelo tipo PSH
19 PROPUESTA RIESGOS EN COMPETENCIA PARA EVENTOS RECURRENTES Modelos de riesgos en competencia con causas excluyentes e independientes para un evento recurrente. Tipo Wang-Chang Tipo PSH c c
20 EJEMPLO DATOS REALES. EVENTO: TUMOR RECURRENTE EN PACIENTES CON CÁNCER DE VEJIGA
21 EJEMPLO GRÁFICA ILUSTRATIVA PARA LA BASE DE DATOS PARA EVENTOS RECURRENTES Sin discriminar las causas Discriminando las causas
22 EJEMPLO ESCOGENCIA DE LOS GAPTIMES PARA EL ANÁLISIS DE RIESGOS EN COMPETENCIA PARA UN EVENTO RECURRENTE CON DOS TIPOS DE CAUSAS Sin discriminar la causa X X X X X X X Es un error Discriminando la causa Ti1 Ti2 Ti3 Ti4 Ti5 Ti6 Ti7 Ci X X X X X X X Proceso de Renovación Discriminando la causa Causa 1 Causa 2 Ti1 Ti2 + Ti3 Ti4 Ti5+ Ti6 Ti7 Ci X X X X X Ti1+ Ti2 Ti3+ Ti4+Ti5 X X Ti6+ Ti7+Ci Es un error
23 EJEMPLO ESTRUCTURA DE LA BASE DE DATOS PARA EL ANÁLISIS DE RIESGOS EN COMPETENCIAS CON K CAUSAS EXCLUYENTES E INDEPENDIENTES
24 EJEMPLO DATOS SIMULADOS DATOS SIMULADOS CON RUTINAS R PARA EL ANÁLISIS DE RIESGOS EN COMPETENCIA Simulación de la data cada individuo experimenta el evento por dos causas excluyentes e independientes Para ilustrar el modelo de riesgos en competencia con eventos recurrentes, se simularon datos usando rutinas en R. En el caso, se asumió la presencia de dos causas excluyentes e independientes que ocasionan el evento recurrente. Se asume que la unidad puede experimentar ambos tipos de eventos a la vez. La data arrojó 539 unidades para un período de simulación de 30 unidades de tiempo.
25 RESULTADOS RESULTADOS DEL ANÁLISIS DE RIESGOS EN COMPETENCIA Cada individuo experimenta el evento debido a dos causas
26 Probabilidad de Surpervivancia Probabilidad de Surpervivancia Probabilidad de Surpervivancia SALIDA DE RUTINAS R CURVA DE SUPERVIVENCIA: MODELO PSH Research Group: AVANCE USE R! CURVA DE SUPERVIVENCIA: MODELO PSH Research Author: Carlos Group: M. Martinez AVANCE M. USE R! Author: Carlos M. Martinez M. CURVAS DE SUPERVIVENCIA: MODELO TIPO PSH Research Group: AVANCE USE R! RIESGOS EN COMPETENCIA S1(t) Causa 1 S2(t) Causa 2 S*(t) Tiempo Tiempo Tiempo
27 RESULTADOS y CONCLUSIONES CONCLUSIONES DE INTERÉS La función de supervivencia global es el producto de las funciones de supervivencia de las causas específicas del análisis de riesgos en competencia. La función de supervivencia global es subestimada si no se consideran o discriminan las causas que originan el evento recurrente. Si se discriminan las causas se puede determinar aquella que tiene mayor impacto en la ocurrencia del evento.
28 REFERENCIAS
29 Programas de R-CRAN para el Análisis de Supervivencia
30 Programas de R-CRAN para el Análisis de Riesgos en competencia
31 AGRADECIMIENTOS GRACIAS A LOS INTEGRANTES DE LOS ESTUDIOS DEL PRIMER POSTDOCTORADO DE ESTADÍSTICA DE LA UCV, POR SU COLABORACIÓN, RECOMENDACIONES Y COMENTARIOS DE AYUDA EN LA REVISIÓN DEL TRABAJO. EQUIPO DE LOS ESTUDIOS POSTDOCTORALES DE ESTADÍSTICA DE LA UCV 1. Dr. Guillermo Ramírez. Coordinador del postgrado de estadística de la UCV. 2. Dra. Maura Vásquez. Profesora del postgrado de la UCV 3. Dra. Dulce Mesa. Profesora del postgrado de la UCV 4. Dr. Carlos Martínez. Profesor de la Universidad de Carabobo. 5. Dr. Teodoro García. Prof. de la Universidad de Carabobo.
32 Gracias! Gracias por su atención Denme una nueva dirección y les trazaré un horizonte C.M.M.M. Asovac 2015
Modelos de riesgos en competencia para el análisis de supervivencia con eventos recurrentes
Revista Ingeniería UC, Vol. 23, No. 3, Diciembre 2016 280-289 Competing risk models for survival analysis with recurrent events Carlos Martínez,a, Guillermo Ramírez b a Departamento de Investigación Operativa,
Más detallesSimulación y evaluación de la confiabilidad de un proceso de sistema de producción
Simulación y evaluación de la confiabilidad de un proceso de sistema de producción Jorge Loor Quevedo 1, Fernando Sandoya 2 1 Ingeniero en Estadística Informática 2003 2 Director de Tesis. Matemático.
Más detallesAnálisis de supervivencia: el estimador de Kaplan-Meier. Miguel Rodríguez Barranco Granada, 27 de marzo de 2017
Análisis de supervivencia: el estimador de Kaplan-Meier Miguel Rodríguez Barranco Granada, 27 de marzo de 2017 INTRODUCCIÓN Survival analysis Time-to-event data analysis Lifetime data analysis Reliability
Más detallesMANTENIMIENTO INDUSTRIAL.
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesCI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA
CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA alcantarilla Puente? Badén http://www.disasternews.net/multimedia/files/drought5_9412.jpg Fenómenos en Ingeniería (según certeza de ocurrencia) determinísticos
Más detallesIII 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 detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesCarrera: Integrantes de la Academia de Ingeniería Industrial: M.C. Ramón García González. Integrantes de la
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Ingeniería de calidad Licenciatura en Ingeniería Industrial Clave de la asignatura: Horas teoría horas práctica - créditos 4-0 - 8 2.- HISTORIA
Más detallesIntroducción a Modelos de Recompensas en Sistemas semi-marko. aplicación a las Ciencias Actuariales
Introducción a Modelos de Recompensas en Sistemas semi-markovianos No Homogéneos, Una aplicación a las Ciencias Actuariales Universidad Autónoma de Chiapas, Facultad de Ciencias en Física y Matemáticas
Más detallesSEMINARIO DE PENSIONES Act. Carlos Lozano Nathal, FCA Abril 8, 2011.
SEMINARIO DE PENSIONES 2011 Construcción de Tablas de Rotación Mediante Estadística No-Paramétrica Act. Carlos Lozano Nathal, FCA Abril 8, 2011. Puntosdela presentación: Justificación y planteamiento del
Más detallesMétodos estadísticos en estudios de supervivencia
Métodos estadísticos en estudios de supervivencia Belén San José, Elia Pérez y Rosario Madero Sección de Bioestadística. Hospital Universitario La Paz. Madrid. España. bjose.hulp@salud.madrid.org; epefer@gmail.com;
Más detallesMÉTODOS ANALÍTICO- MATRICIALES EN EL AJUSTE DE TIEMPOS OBSERVADOS DE FALLO
MÉTODOS ANALÍTICO- MATRICIALES EN EL AJUSTE DE TIEMPOS OBSERVADOS DE FALLO Rafael Pérez Ocón Catedrático de Universidad Departamento de Estadística e I.O. Universidad de Granada María del Carmen Segovia
Más detallesMANTENIMIENTO CENTRADO EN CONFIABILIDAD (MCC) DR. JORGE ACUÑA 1
MANTENIMIENTO CENTRADO EN CONFIABILIDAD (MCC) 1 ADMINISTRACION DEL news MANTENIMIENTO ( QUE ES? Mantenimiento: operación mediante la cual los sistemas están sometidos a rutinas de revisión, reparación
Más detalles1. Funciones básicas y distribuciones
1. Funciones básicas y distribuciones 1.1 Definición de tiempos de falla Qué es el análisis de supervivencia?. Es el análisis estadístico de datos de tiempo a la ocurrencia de un evento (time to event
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesEl modelo de azar proporcional: la regresión de Cox
El modelo de azar proporcional: la regresión de Cox Alfonso Luis Palmer Pol y Jose Maria Losilla Vidal El Análisis de la Supervivencia (Palmer, 1988) engloba una variedad de técnicas estadísticas que permiten
Más detallesCURSO INTENSIVO #R03-40hrs CONFIABILIDAD Y MANTENIBILIDAD DE PLANTAS. NIVEL II -MODELOS ESTADISTICOS-MATEMATICOS CON APLICACIONES PRACTICAS-
OBJETIVO: Presentar la teoría matemática, modelos estadísticos y aplicaciones prácticas de Confiabilidad y Mantenibilidad en una forma fácil de comprender con el fin de utilizarlas para pronosticar el
Más detallesPérdida Esperada. Pérdida Esperada (PE): Valor esperado de pérdida por riesgo crediticio en un horizonte de tiempo determinado.
Pérdida Esperada Uno de los objetivos de este estudio es construir una función de pérdidas para el portafolio de la cartera de préstamos que ofrece la entidad G&T Continental, basados en el comportamiento
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesTítulo de la acción de capacitación: Ingeniería de Confiabilidad
Ingeniería de Confiabilidad Hoja 1 de 6 Título de la acción de capacitación: Ingeniería de Confiabilidad I.- Introducción: Uno de los retos más importantes para los profesionales de hoy consiste en desarrollar
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: ANALISIS DEL RIESGO ACTUARIAL Y FINANCIERO
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: ESTADÍSTICA ACTUARIAL I Código: 603375 Materia: ESTADÍSTICA ACTUARIAL Módulo: ANALISIS DEL RIESGO ACTUARIAL Y FINANCIERO Carácter:
Más detallesAnálisis de Supervivencia. Con R
Análisis de Supervivencia Con R Estudios Longitudinales Con la finalidad de estudiar la distribución de los tiempos de supervivencia de un conjunto de individuos que estan en el estudio Ámbito médico Confiabilidad
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesConcepto de Probabilidad
Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier
Más detalles13.Teoría de colas y fenómenos de espera
3.Teoría de colas y fenómenos de espera Notación y terminología Modelado del proceso de llegada Modelado del proceso de servicio Notación de Kendall-Lee Procesos de nacimiento y muerte Modelo M/M/. Análisis
Más detallesMedición de frecuencia de enfermedad (evento) Razones, proporciones y tasas
Medición de frecuencia de enfermedad (evento) Razones, proporciones y tasas Razones para realizar medidas de frecuencia de enfermedad Conocer si la enfermedad está o no presente en el una población. Conocer
Más detallesCALCULO DE PROBABILIDADES
CALCULO DE PROBABILIDADES Los experimentos o fenómenos aleatorios son aquellos que al ser repetidos en condiciones uniformes presentan resultados variables de manera que no puede predecirse con exactitud
Más detallesTESIS 2014/1/23 20:15 page v #5
TESIS 2014/1/23 20:15 page v #5 Agradecimientos Resumen XXV XXVII I Introducción 1 1. Introducción 3 1.1. Presas. Seguridad y riesgo................. 4 1.2. Propósito, alcance y estructuración de este
Más detalles1.1. 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 detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesSolución al Primer Parcial de Introducción a la Investigación de Operaciones Fecha: 11 de mayo de 2002
Solución al Primer Parcial de Introducción a la Investigación de Operaciones Fecha: de mayo de 22 INDICACIONES Duración del parcial: 4 hrs. Escribir las hojas de un solo lado. No se permite el uso de material
Más detallesElementos de probabilidad e inferencia estadística en el seguro
Elementos de probabilidad e inferencia estadística en el seguro Instructor: Act. Erick Mier Moreno. Director general y profesor de AMAT- Applied Mathematics and Actuary Training. Profesor de asignatura
Más detallesTema 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 detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesSIMULACION MANUAL PROFESOR: DR. 1 JORGE ACUÑA A.
SIMULACION MANUAL La simulación de un sistema solía hacerse en forma manual lo que acarreaba mucho tiempo y paciencia. Esto restringía tremendamente su uso. La computadora era aún mas lenta. PROFESOR:
Más detallesAgro 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 detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesUNIDAD IV PROBABILIDAD
UNIDAD IV PROBABILIDAD Probabilidad de un evento M. en C. Mario Arturo Vilchis Rodríguez EXPERIMENTOS, RESULTADOS Y CONJUNTOS La probabilidad es la posibilidad numérica de que ocurra un evento. La probabilidad
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesAnálisis de estudios de cohortes en Ciencias de la P005/10. Salud (modelos regresión de Poisson y de Cox)
Análisis de estudios de cohortes en Ciencias de la P005/10 Salud (modelos regresión de Poisson y de Cox) Fecha de aprobación de programa: Marzo 2012 Fechas curso: 4 y 5 de Junio de 2012 Horario: Mañana
Más detallesnorma española UNE-EN DOCUMENTO UNE-EN EXTRACTO DEL Análisis de Weibull Diciembre 2012 TÍTULO CORRESPONDENCIA OBSERVACIONES ANTECEDENTES
norma española UNE-EN 61649 Diciembre 2012 TÍTULO Análisis de Weibull Weibull analysis. Analyse de Weibull. CORRESPONDENCIA Esta norma es la versión oficial, en español, de la Norma Europea EN 61649:2008,
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 17 de abril, 2012 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesPrácticas de Fiabilidad
Prácticas de Fiabilidad Práctica 1: Objetivo: En esta práctica se van a analizar una serie de muestras de duración de procesos para ver si corresponden a procesos con Tasa de Fallos (Hazard Rate) creciente,
Más detallesTema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
Más detallesDiseñando un estudio de pronóstico: Estudios de cohortes.
Diseñando un estudio de pronóstico: Estudios de cohortes. Unidad de Epidemiologia Clínica y Bioestadística Complexo Hospitalario Universitario A Coruña Diseñando un estudio de pronóstico: estudios de cohorte
Más detallesLista de Ejercicios (Parte 1)
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando 15 de agosto de 2016 P0 - Preliminar 1. Deriva las expresiones de las funciones de densidad (o masa
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesUnidad 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 detallesGeneración 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 detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesUniversidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales
Universidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales Programa Analítico de la Asignatura: ESTADISTICA I Jefe del Departamento de: Prof.: Jefe de Cátedra: Profesores
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesINSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS
ESCUELA: UPIICSA CARRERA: INGENIERIA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS ASIGNATURA: PROBABILIDAD CLAVE: TMPR SEMESTRE : TERCERO CRÉDITOS :
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesEPIDEMIOLOGÍA. 5. Historia natural de la enfermedad: Formas de establecer el pronóstico.
EPIDEMIOLOGÍA 5. Historia natural de la enfermedad: Formas de establecer el pronóstico. HISTORIA NATURAL DE LA ENFERMEDAD. HISTORIA NATURAL DE LA ENFERMEDAD Tabla 1. Diferencias entre Factores de Riesgo
Más detallesTEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS
TEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS 1 Riesgo e incertidumbre en proyectos mineros Cuantificación de factores de riesgo e incertidumbre Análisis Probabilístico La necesidad surge porque
Más detallesComparación de dos Grupos en Presencia de Riesgos Competitivos María Carolina Paz S. a, Sergio Yanez Canal b Email: mcpazs@unal.edu.co a. Estudiante de Maestría en Ciencias - Estadística, Universidad Nacional
Más detallesUNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO DEPARTAMENTO CIENCIAS BÁSICAS
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO DEPARTAMENTO CIENCIAS BÁSICAS PROGRAMA ANALÍTICO DE LA ASIGNATURA: PROBABILIDAD Y ESTADISTICA RES. 251/96 F.R.R. COORDINADOR: RAÚL DAVID KATZ
Más detallesProbabilidad 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 detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesSemestre II-2007 PROGRAMA DE ESTUDIO ANALÍTICO. Estadística I Código: MAT LICENCIATURA EN ADMINISTRACIÓN Y GESTIÓN MUNICIPAL JULIO 2007
REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA VICERRECTORADO ACADÉMICO Semestre II-2007 PROGRAMA DE ESTUDIO
Más detallesMediciones de ocurrencia: Prevalencia e Incidencia. Dra. M Teresa Valenzuela B. Departamento de Salud Pública y Epidemiología
Mediciones de ocurrencia: Prevalencia e Incidencia Dra. M Teresa Valenzuela B. Departamento de Salud Pública y Epidemiología Cómo medimos los problemas de salud? Enjuiciamiento clínico? Palabras tales
Más detallesResultados estudiantiles universitarios: Modelo de riesgos competitivos Bayesiano
Resultados estudiantiles universitarios: Modelo de riesgos competitivos Bayesiano Erick Saavedra Palacios Maestría en estadística Pontificia Universidad Católica del Perú July 20, 2017 Resumen 1 Introducción
Más detallesMedir la fidelidad mediante el uso del análisis de supervivencia
IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de septiembre de 2005 Medir la fidelidad mediante el uso del análisis de supervivencia Xabier Garamendi Ruiz 1, Patxi Ruiz de Arbulo López 2,Pablo
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesNombre de la materia. Departamento. Academia
Probabilidad Ciencias Aplicadas de la Información Ciencias Básicas Nombre de la materia Departamento Academia Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4862 60 20-80 9 Nivel Carrera
Más detallesTécnicas 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 detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO INGENIERÍA DE SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO INGENIERÍA DE SISTEMAS SEMESTRE ASIGNATURA 7mo PROCESOS ESTOCASTICOS CÓDIGO HORAS MAT-31414
Más detallesPara llevar a cabo una simulación, se requiere implementar las siguientes etapas:
SIMULACIÓN: La simulación se define como una técnica numérica utilizada para representar un proceso o fenómeno mediante otro más simple que permite analizar sus características. Esta técnica emplea relaciones
Más detallesRegresiones por quantiles para un análisis de duración: Desempleo en el Perú
Regresiones por quantiles para un análisis de duración: Desempleo en el Perú Roger Asencios martes, 07 de enero de 2014 1 Motivación Duracion de desempleo 2002-2013 (Semanas promedio) Duración Incompleta
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesCasos de estudio. Clase nro. 9 CURSO Modelo de simulación. Producir un modelo de simulación no es solamente escribir código.
Casos de estudio Clase nro. 9 CURSO 2010 Modelo de simulación Producir un modelo de simulación no es solamente escribir código. La estructura de la simulación y sus distribuciones se derivarán de: OBJETIVOS
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesEstadística y Probabilidad
La universidad Católica de Loja Estadística y Probabilidad ESCUELA DE ELECTRÓNICA Y TELECOMUNICACIONES Paralelo C Nombre: Milner Estalin Cumbicus Jiménez. Docente a Cargo: Ing. Patricio Puchaicela. Ensayo
Más detallesASIGNATURA FÍSICA I. Ing. Danmelys Perozo Blogs:
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL ASIGNATURA FÍSICA I Ing. Danmelys Perozo E-mail: danmelys@gmail.com Blogs: http://danmelysperozo.wordpress.com/
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesPrograma Analítico Plan de estudios Asignatura: Probabilidad y Estadística
Programa Analítico Plan de estudios 2011 Asignatura: Probabilidad y Estadística CARRERA: LICENCIATURA LIC. CIENCIAS EN DE CIENCIAS LA COMPUTACIÓN-LIC. DE LA COMPUTACIÓN EN SISTEMAS DE INFORMACIÓN AÑO:
Más detallesComparación de métodos de estimación en regresión de Cox
Comunicaciones en Estadística Junio 2017, Vol. 10, No. 1, pp. 101 112 Comparación de métodos de estimación en regresión de Cox Comparison of Methods of Estimation in Regression of Cox Javier Ramírez a
Más detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
Más detallesAspectos probabilísticas de la fiabilidad. Modelos de fiabilidad. Análisis de datos de tiempos de fallo. Fiabilidad de sistemas.
GUÍA DOCENTE DE LA ASIGNATURA TÉCNICAS DE LA FIABILIDAD 1. Descriptores de la asignatura: Aspectos probabilísticas de la fiabilidad. Modelos de fiabilidad. Análisis de datos de tiempos de fallo. Fiabilidad
Más detallesAnálisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
Más detallesGUIA PARA PRIMER EXAMEN PARCIAL DE PROBABILIDAD Y ESTADISTICA
GUIA PARA PRIMER EXAMEN PARCIAL DE PROBABILIDAD Y ESTADISTICA Deberán apoyarse en los ejercicios resueltos en clase marcados con el símbolo E Los conceptos de probabilidad, fenómeno aleatorio, determinista,
Más detallesConsejo de Postgrado de Ingeniería Industrial. IT Culiacán. Dr. José Fernando Hernández Silva Dra. Carmen Guadalupe López Varela
Nombre de la Asignatura: Simulación Línea de Trabajo: Asignatura Optativa (Optimización) Docencia Trabajo de Investigación Supervisado - Trabajo Profesional Supervisado - Horas totales Créditos 48 20 100
Más detallesElementos para la estimación de una tabla de mortalidad de inválidos
Elementos para la estimación de una tabla de mortalidad de inválidos La Superintendencia Financiera de Colombia (SFC) ha presentado para comentarios el proyecto de actualización de la tabla de mortalidad
Más detallesPROCESOS ESTOCÁSTICOS
CURSO: PROCESOS ESTOCÁSTICOS 1 SEMESTRE: VIII 2 CODIGO: 602804 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE APROBACIÓN: 7 NATURALEZA: Teórica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 3 (1-1)
Más detallesSIMULACION MANUAL PROFESOR: DR. JORGE ACUÑA A. 1
SIMULACION MANUAL La simulación de un sistema solía hacerse en forma manual lo que acarreaba mucho tiempo y paciencia. Esto restringía tremendamente su uso. La computadora era aun mas lenta. PROFESOR:
Más detalles11.4 REALIZAR EL ANÁLISIS CUANTITATIVO DE RIESGOS
11.4 REALIZAR EL ANÁLISIS CUANTITATIVO DE RIESGOS Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas 11.4 REALIZAR EL ANÁLISIS CUANTITATIVO
Más detallesPRÁCTICA 2: REPETIDORAS ANALÓGICAS PASABANDA. CARACTERIZACIÓN DEL RUIDO PASABANDA
EC2422. Comunicaciones I Enero Marzo 2006 PRÁCTICA 2: REPETIDORAS ANALÓGICAS PASABANDA. CARACTERIZACIÓN DEL RUIDO PASABANDA 1. Objetivos 1.1) Simular la transmisión de señales moduladas AM y SSB a través
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesPROBABILIDAD Y ESTADISTICAS. Propósito del curso : Ingeniería Ingeniería en Sistemas. Hardware. Clave de la materia: 503
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: PROBABILIDAD Y ESTADISTICAS DES: Ingeniería Ingeniería en Sistemas Programa(s) Educativo(s):
Más detallesLII 09 SIMULACIÓN Créditos: 4 Período: II Modalidad Cuatrimestral Requisitos: BII-33 Investigación de Operaciones II
I LII 09 SIMULACIÓN Créditos: 4 Período: II Modalidad Cuatrimestral Requisitos: BII-33 Investigación de Operaciones II DESCRIPCION DEL CURSO En la actualidad es de suma importancia verificar la efectividad
Más detallesESTANDARES Y TAXONOMIA DE BLOOM COMPONENTE TECNICO CIENTIFICO ÁREA: MATEMÁTICAS
SECRETARIA DE EDUCACION ESTANDARES Y TAXONOMIA DE BLOOM COMPONENTE TECNICO CIENTIFICO ÁREA: MATEMÁTICAS Institución educativa villa del socorro ESTANDARES Y TAXONOMIA DE BLOOM COMPONENTE TECNICO CIENTIFICO
Más detallesJuan Carlos Colonia P. PROBABILIDADES
Juan Carlos Colonia P. PROBABILIDADES EXPERIMENTO ALEATORIO Se conocen todos los resultados posibles antes de realizar el experimento. Antes de realizar el experimento no se puede conocer el resultado
Más detalles