Unidad Temática 3: Probabilidad y Variables Aleatorias
|
|
- Esther Belmonte Alvarado
- hace 7 años
- Vistas:
Transcripción
1 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 se dice aleatorio si no es posible conocer su resultado con anticipación a la ocurrencia del mismo. Resultado o muestra: Es el resultado final de un experimento aleatorio. Evento aleatorio: Es el resultado o conjunto de resultados de un experimento aleatorio. Espacio muestral (S): Es el conjunto de todos los resultados posibles de un experimento aleatorio. Eventos mutuamente excluyentes: Dos eventos se dicen mutuamente excluyentes si no poseen elementos (resultados) en común. Probabilidades Asociadas a Eventos Aleatorios Frecuencia relativa: Supongamos que repetimos un experimento aleatorio n veces. Si el evento A ocurre n A veces, entonces la probabilidad P(A) es definida como el límite de la frecuencia relativa, es decir: Definición clásica: Si N es el número total de resultados posibles de un experimento aleatorio, y N A es el numero de resultados favorables al evento A, entonces: Probabilidad conjunta: Supongamos tener un experimento formado por dos subexperimentos (Ej.; la observación simultánea de la entrada y la salida de un sistema digital de comunicaciones). Sean A 1 ; A 2 ;... ; A n n eventos asociados al primer subexperimento (observación de la entrada al sistema) y B 1 ; B 2 ;... ; B m m eventos del segundo subexperimento (observación de la salida del sistema). Entonces podemos definir el evento A i B j del experimento total y asociarles una probabilidad P(A i B j ) denominada probabilidad conjunta. Probabilidad marginal: Si los eventos anteriores A 1 ; A 2 ;... ; A n asociados al primer subexperimento son mutuamente excluyentes y completos, entonces: Como B j es un evento asociado al segundo subexperimento, P(B j ) es la probabilidad marginal. Unidad Temática 3 Probabilidad y Variables Aleatorias 1
2 2) Defina lo que es la probabilidad condicional y la independencia estadística. Proporcione ejemplos de cada una de ellas. Probabilidad condicional: La probabilidad de ocurrencia del evento B j puede depender de la ocurrencia de un evento relativo A i. Una expresión para la probabilidad P(B/A) en términos de la probabilidad conjunta P(AB) y las probabilidades marginales P(A) y P(B) puede ser: Sea N A, N B y N AB los numero de resultados favorables a los eventos A, B y AB respectivamente, y N el número de resultados del espacio muestreal, entonces: Como el evento A ha ocurrido, sabemos que el resultado pertenecerá a A. Para que ocurra B, habiendo ocurrido A, el resultado deberá pertenecer a A y B, por lo tanto: Independencia estadística: Supongamos que A i y B j son eventos asociados con los resultados de dos experimentos. El evento B j es independiente de A i, es decir, que la ocurrencia de A i no influye en la ocurrencia de B j y viceversa, entonces podemos afirmar que los eventos son estadísticamente independientes y que se cumple la siguiente relación: 3) Qué es una Variable Aleatoria (V.A.)? Qué tipos conoce? La regla o relación funcional, que asigna números reales X(λ) a cada resultado posible λ de un experimento aleatorio, es llamada variable aleatoria. Los números X(λ) se llaman valores de la variable aleatoria. Una variable aleatoria puede ser discreta o continua. Será discreta si en un intervalo acotado puede tomar solamente un número finito de valores. Será continua cuando pueda asumir algún valor dentro de uno o más intervalos en el eje real. 4) Defina función de distribución acumulativa (f.d.a.). Ejemplifique el concepto con alguna señal. Variables Aleatorias Discretas: A cada valor de la variable aleatoria X se asigna también una probabilidad. Por lo tanto, P X (x i ) es la probabilidad del resultado o suceso al cual fue asignado el valor x i. En esta notación el subíndice se refiere a la V.A. X y el argumento es el valor particular de la VA. Nótese que si en el experimento hay un total de n resultados xi disjuntos y exhaustivos, entonces: Una VA discreta se puede describir entonces mediante la llamada función de frecuencia donde x i son los valores que X puede tomar y P(X=x i ) su probabilidad correspondiente. Unidad Temática 3 Probabilidad y Variables Aleatorias 2
3 A menudo es conveniente describir en forma gráfica las probabilidades asignadas en relación con los valores de la V.A. asignados. Esto nos lleva al concepto de función de distribución de probabilidad de X. En efecto, la función de distribución acumulativa de una V.A. X, se define en la forma: Como F X (x) está basada directamente en el concepto de probabilidad, ella tiene las siguientes propiedades: Variables Aleatorias Continuas: Si el espacio de las muestras es continuo, entonces la respectiva VA, definida en este espacio, será una variable aleatoria continua. Un espacio de muestras continuo contiene infinitos puntos (no contables) y es evidente que la probabilidad de observar un punto dado es cero. Para este caso, lo que se tiene en cuenta es la probabilidad de que la V.A. X tome valores iguales o menores que cierto valor x. Es conveniente definir una función cuya área sea la probabilidad de ocurrencia dentro de una gama dada. Como se está igualando un área con probabilidad, la función en cuestión se denomina función de densidad de probabilidad. La función de densidad de probabilidad, p X (x) de una V.A. X se define en la forma: La probabilidad de observar la V.A. X en el intervalo (x, x + dx) es igual a p X (x) x cuando x 0. Esta probabilidad es simplemente el área encerrada por la curva p X (x) en el respectivo intervalo. Integrando: Podemos demostrar también que Unidad Temática 3 Probabilidad y Variables Aleatorias 3
4 La probabilidad de observar X en cualquier intervalo (x 1, x 2 ) viene dada por el área bajo dicho intervalo. Puesto que F X (+ ) = 1, entonces Como la probabilidad es una magnitud positiva, la densidad de probabilidad deberá ser siempre positiva; la función de densidad de probabilidad deberá cumplir entonces con las condiciones: 5) Defina función de distribución de probabilidad (f.d.p.). Qué relación encuentra con la f.d.a.? Ejemplifique el concepto con alguna señal. Función densidad de probabilidad y promedios estadísticos: Una variable aleatoria continua se caracterizada por una función densidad de probabilidad f x (x), la cual posee las siguientes propiedades: a F x (x) se la denomina función de probabilidad acumulada o simplemente función distribución de X. Un proceso aleatorio puede incluir dos o más variables aleatorias continuas y por lo tanto definimos la función densidad de probabilidad conjunta f xy (x,y) y a partir de ella podemos obtener las funciones densidad marginal de probabilidad como: Y las funciones densidad de probabilidad condicional: Finalmente, las variables aleatorias X y Y se dicen estadísticamente independientes si: Unidad Temática 3 Probabilidad y Variables Aleatorias 4
5 Los valores esperados de funciones que involucran variables aleatorias continuas están definidos según: 6) Qué es un Proceso Aleatorio (P.A.)? Qué correspondencia posee con una V.A.? Explique y ejemplifique. Variable aleatoria: Si asociamos un punto de muestra con cada resultado de un experimento, la colección de todos los puntos de muestra se llama espacio de las muestras del experimento. Para cada punto de muestra en el espacio de las muestras se asigna un número real X de acuerdo con alguna regla, y una probabilidad de ocurrencia P x (x). Proceso aleatorio: A cada punto de muestra que distinguiremos con la notación, se asigna una forma de onda (que es función del tiempo t), de acuerdo con alguna regla x(t, ). Por lo tanto, el espacio de las muestras tendrá asociada una cierta colección de formas de onda y cada una de ellas corresponde a un punto de muestra. Esta colección de formas de onda se conoce con el nombre de conjunto aleatorio (CA) y las formas de onda individuales como funciones de muestra. La distribución de la probabilidad de los puntos de muestra determina la distribución de probabilidad de las funciones de muestra del CA. El sistema de probabilidades, que comprende el espacio de las muestras, el CA o conjunto de formas de onda y las funciones de probabilidad, constituyen el proceso aleatorio (PA). A los PA se les conoce también con el nombre de Procesos Estocásticos. La notación X(t, ) representará el PA; sin embargo, generalmente se omite y el PA simplemente se representa con X(t), cuyo significado es una colección de formas de onda que ocurren con una cierta medida de probabilidad. Una función de muestra individual se representará simplemente con x(t). 7) Cuándo un P.A. es ergódico? Y estacionario? Proceso Aleatorio Estacionario: Estacionaridad en el Sentido Estricto Se dice que un proceso aleatorio X(t, ) es estrictamente estacionario si todas sus estadísticas conjunto son invariantes en el tiempo; en otras palabras, un proceso aleatorio es estrictamente estacionario si ninguna de sus estadísticas conjunto es afectada por un desplazamiento del origen del tiempo, es decir, si: Unidad Temática 3 Probabilidad y Variables Aleatorias 5
6 En este caso el proceso aleatorio X(t, ) se denota simplemente como X. Los dos primeros momentos de primer orden serán: Y en general: Estacionaridad en el Sentido Amplio Se dice que un proceso aleatorio X(t, ) es estacionario en el sentido amplio o débilmente estacionario, sí; a) Su valor promedio conjunto E{X(t 1, )}=E{X(t 2, )}=constante para todo t b) Su promedio conjunto de segundo orden E{X(t 1, ) X(t 2, )}=E{X(t) X(t + )} donde es la diferencia absoluta = t 2 t 1. Un proceso es débilmente estacionario cuando su valor promedio conjunto es constante para todo t, y su promedio conjunto de segundo orden depende solamente de la diferencia absoluta = t 2 t1. Nótese que un proceso aleatorio estrictamente estacionario es también débilmente estacionario, pero lo contrario no necesariamente es cierto. Ergodicidad: La propiedad de estacionaridad estricta o amplia no asegura que los promedios conjunto y los promedios tiempo sean iguales. Puede suceder que aún cuando las estadísticas conjunto son estacionarias, las señales de muestra individuales pueden diferir estadísticamente una de la otra. En este caso los promedio tiempo dependerán de la señal de muestra utilizada, pues se verifica que: Cuando la naturaleza de un proceso aleatorio es tal que los promedios conjunto y los promedios tiempo son iguales, se dice entonces que el proceso aleatorio es ergódico. Por lo tanto, si el proceso representado por X(t, ) es ergódico, entonces todas las estadísticas se pueden determinar a partir de una sola señal de muestra x(t). Nótese que un proceso ergódico es estacionario o por lo menos débilmente estacionario, pero un proceso estacionario o por lo menos débilmente estacionario no necesariamente es ergódico. Puesto que todas las estadísticas se pueden determinar a partir de una sola señal de muestra, la ergodicidad implica también que: Las estadísticas de un proceso aleatorio ergódico se escriben entonces en la forma Unidad Temática 3 Probabilidad y Variables Aleatorias 6
7 En la práctica generalmente se conoce x(t) durante un intervalo (-T/2, T/2), de modo que se puede escribir (suponiendo que x(t) es una señal de potencia): En el proceso ergódico los momentos conjunto y los momentos tiempo son iguales: Para los dos primeros momentos de primer orden: Las estadísticas de primer orden E{X} y E{X 2 } de un proceso ergódico nos permiten hacer las siguientes observaciones: a. E{X} = <x(t)>, es el valor promedio de la señal x(t); es simplemente el valor de la componente continua de x(t). b. [E{X}] 2 =[< x(t)>] 2, es la potencia de la componente continua de x(t) disipada en una resistencia de 1 Ohm. c. E{X 2 }=< x 2 (t)>, es la potencia promedio de la señal x(t), normalizada para una resistencia de 1 Ohm. d. E{X } = < x (t) >, es el valor eficaz (RMS) de la señal x(t). e. La varianza σ es igual a la potencia promedio de la componente alterna de x(t), normalizada para una resistencia de 1 Ohm. f. La desviación estándar x es el valor eficaz de la componente alterna de la señal x(t). g. Si E{X} =< x(t) >= 0, entonces x es el valor eficaz de la señal x(t). h. Si x(t) contiene una componente continua x o y una componente alterna, la potencia promedio de x(t) será igual a (σ +x ), normalizada para una resistencia de 1Ohm. 8) Qué distribuciones de probabilidad conoce? Describa brevemente c/u de ellas. a) Distribución Normal o Gaussiana: Se dice que una V.A. X está distribuida normalmente o en forma gaussiana, si su función de densidad de probabilidad es la curva de Gauss, es decir: donde es la desviación de la V.A. X. En este caso se conoce con el nombre de desviación normal, mientras que 2 en la varianza o valor eficaz de la V.A. X. Unidad Temática 3 Probabilidad y Variables Aleatorias 7
8 En las distribuciones no centradas p X (x) y F X (x) están desplazadas a lo largo del eje x en una cantidad x o ; en este caso: También, por definición: La distribución gaussiana se determina completamente a partir de su valor promedio x 0 y la desviación estándar. b) Distribución de Poisson Si una V.A. X es de tipo discreto y toma valores en los puntos k = 0, 1, 2, 3,..., n con probabilidades entonces se dice que la V.A. X tiene una distribución de Poisson, cuyo parámetro es la constante positiva. La correspondiente densidad de probabilidad es una secuencia de impulsos de la forma: Unidad Temática 3 Probabilidad y Variables Aleatorias 8
9 Si < 1, entonces P k ( ) es máxima para k = 0. Si > 1, pero no es un número entero, entonces P X ( ) es máxima para k =. Si es un número entero, entonces P X ( ) tiene dos puntos máximos para k = y k = -1. c) Distribución Binomial Si una V.A. X es de tipo discreto y toma valores en los puntos k = 0, 1, 2,..., n con probabilidades definidas mediante la expresión: se dice que tiene una Distribución Binomial. La densidad de probabilidad de la distribución binomial es: donde, por definición: d) Distribución Uniforme Si la densidad de probabilidad de una V.A. X es una función rectangular de la forma: donde x o =(x 2 +x 1 )/2, se dice entonces que la V.A. X está distribuida uniformemente en el intervalo (x 1, x 2 ) con x 2 > x 1, Fig. a. En este caso la V.A. X es de tipo continuo y su función de distribución será una rampa de la forma dada en la Fig. b. Unidad Temática 3 Probabilidad y Variables Aleatorias 9
10 Por inspección de la Fig. b, aplicando la función rampa r(x), e) Distribución de Laplace La función de densidad de probabilidad de Laplace de una V.A. X es: donde es el parámetro de la distribución. La correspondiente función de distribución es: f) Distribución de Cauchy La función de densidad de Cauchy es: donde es el parámetro de la distribución. La correspondiente función de distribución es: g) Distribución de Raleigh La función de densidad de Raleigh de una V.A. X es: El valor máximo de p X (x) ocurre cuando x =. es el parámetro de la distribución Unidad Temática 3 Probabilidad y Variables Aleatorias 10
11 La correspondiente función de distribución es: h) Distribución de Maxwell La función de densidad de Maxwell de una V.A. X es: El valor máximo de p X (x) ocurre cuando es el parámetro de la distribución. La correspondiente función de distribución es: Unidad Temática 3 Probabilidad y Variables Aleatorias 11
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 detallesDefinición: 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 detallesRepaso 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 detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesVariables 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 detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesFACULTAD 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 detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
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 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 detallesTema 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 detallesUnidad 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 detallesVariables 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 detallesMaestría 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 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 detallesDistribuciones 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 detalles4. 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 detallesRESUMEN 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 detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesIntroducción. 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 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 detallesCONTENIDOS. 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 detallesSISTEMA DE NUMEROS REALES
SISTEMA DE NUMEROS REALES 1.1 Conjuntos Es una agrupación de objetos distintos (pero con algunas características en común), los que reciben el nombre de elementos. Generalmente se nombra a un conjunto
Más detallesANEXO 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 detallesPROBABILIDADES 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 detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesTeorema 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 detallesCapítulo 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 detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detalles2. 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 detalles7. Distribución normal
7. Distribución normal Sin duda, la distribución continua de probabilidad más importante, por la frecuencia con que se encuentra y por sus aplicaciones teóricas, es la distribución normal, gaussiana o
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 detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesDr. 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 detallesCALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)
CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto
Más detallesAversión 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 detallesCurso 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 detallesDistribuciones 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 detallesProbabilidad 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 detallesIntroducción 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 detallesProbabilidad 3/1/2010. EVSC 5020: Bioestadística. Qué es probabilidad? Prof. Rafael R. Canales-Pastrana. EVSC 5020: Bioestadística
Probabilidad Prof. Rafael R. Canales-Pastrana 2 Qué es probabilidad? 3 1 Definiciones de Probabilidad La medida del grado de confianza que uno tiene, en que ocurra el acontecimiento. Método axiomático:
Más detallesVARIABLES 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 detallesDistribuciones 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 detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesOPCIÓN 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 detalles6. 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 detallesAlgebra 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 detallesGeneración 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 detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesVariables 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 detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detallesDistribuciones 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 detallesPROBABILIDAD 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 detallesNOCIONES 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 detallesdt Podemos verificar que la velocidad definida de esta forma no transforma como un vector bajo una T.L. En clases mostramos que el intervalo
1 Cuadrivectores Hasta ahora hemos hablado de las transformaciones de Lorentz, y cómo estas afectan tanto a las coordenadas espaciales como al tiempo. El vector que define un punto en el espacio-tiempo
Más detallesDESCRIPCIÓN DE FUNCIONES 1.1.2 y 1.1.3
Capítulo DESCRIPCIÓN DE FUNCIONES..2..3 El objetivo principal de estas lecciones consiste en que los alumnos puedan describir totalmente los elementos esenciales del gráfico de una función. Para describir
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesPercentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple
Percentil q (p q ) Una medida de posición muy útil para describir una población, es la denominada 'percentil'. En forma intuitiva podemos decir que es un valor tal que supera un determinado porcentaje
Más detallesINSTITUTO POLITÉCNICO NACIONAL
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD PROFESIONAL ADOLFO LÓPEZ MATEOS INGENIERÍA EN COMUNICACIONES Y ELECTRÓNICA IMPLEMENTACIÓN DE MODELOS DE RUIDO BLANCO
Más detallesConjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación.
NÚMEROS REALES Conjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación. Un conjunto es una colección bien definida
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detallesMATEMÁTICAS 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 detallesEspacios Topológicos 1. Punto de Acumulación. Al conjunto de puntos de acumulación de A se le denomina el conjunto derivado de A (A a Notación).
Espacios Topológicos 1 Punto de Acumulación Definición: Sea A un subconjunto arbitrario de R n, se dice que x R n es un punto de acumulación de A si toda bola abierta con centro x contiene un punto A distinto
Más detalles1 - TEORIA DE ERRORES : distribución de frecuencias
- TEORIA DE ERRORES : distribución de frecuencias CONTENIDOS Distribución de Frecuencias. Histograma. Errores de Apreciación. Propagación de errores. OBJETIVOS Representar una serie de datos mediante un
Más detallesTema 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 detallesUniversidad del CEMA Prof. José P Dapena Métodos Cuantitativos II - PROBABILIDAD. 2.1 Introducción
II - PROBABILIDAD 2.1 Introducción La herramienta básica sobre la que se basan los métodos cuantitativos es la PROBABILIDAD, por lo que es necesario dedicar cierto tiempo a entender este importante concepto
Más detallesPolinomios y Estadística
Funciones polinomiales Universidad de Concepción, Chile Departamento de Geofísica Programación Científica con Software libre Primavera, 2011 Universidad de Concepción Contenidos Funciones polinomiales
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesDistribución 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 detallesMódulo 1: Electrostática Campo eléctrico
Módulo 1: Electrostática Campo eléctrico 1 Campo eléctrico Cómo puede ejercerse una fuerza a distancia? Para explicarlo se introduce el concepto de campo eléctrico Una carga crea un campo eléctrico E en
Más detallesEjercicios de Ondas Mecánicas y Ondas Electromagnéticas.
Ejercicios de Ondas Mecánicas y Ondas Electromagnéticas. 1.- Determine la velocidad con que se propagación de una onda a través de una cuerda sometida ala tensión F, como muestra la figura. Para ello considere
Más detallesCurva de Lorenz e Indice de Gini Curva de Lorenz
Curva de Lorenz e Indice de Gini Curva de Lorenz La curva de Lorenz es útil para demostrar la diferencia entre dos distribuciones: por ejemplo quantiles de población contra quantiles de ingresos. También
Más detalles5. MODELOS PROBABILISTICOS.
5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesUnidad 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 detallesProbabilidades. Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM
Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM Probabilidades P(A) = Casos favorables Casos posibles Objetivos: Definir el concepto de
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 detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesEl supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo.
El supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo. El supermercado cuenta con 3 departamentos: Abarrotes, Embutidos y. Solamente el Departamento
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 detallesProbabilidad. 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 detallesSESIÓN 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 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 detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detalles