GRADO en INGENIERIA de TELECOMUNICACION (Sistemas de comunicaciones, audiovisuales y telemática)
|
|
- Carlos Correa Cruz
- hace 7 años
- Vistas:
Transcripción
1 GRADO en INGENIERIA de TELECOMUNICACION (Sistemas de comunicaciones, audiovisuales y telemática) ESTADISTICA PRACTICA 2. VARIABLES ALEATORIAS OBJETIVOS: Introducción a las variables aleatorias: generación de variables aleatorias. Método de la transformación inversa. 1. Variables aleatorias La siguienta tabla resume algunas de las funciones más importantes para la generación de números aleatorios en MATLAB/Octave: Función Descripción Sintaxis rand n o aleatorios [0, 1] rand(m,n) unifrnd n o aleatorios [a, b] unifrnd(a,b,m,n) unidrnd n o aleatorios discretos {1, 2,..., N} unidrnd(n,m,n) donde m y n, son respectivamente en n o de filas y columnas a generar Funciones preliminares útiles 1. Genera 100 datos de la distribución uniforme contínua U(0, 1). >> x=rand(100,1) % ó x=unifrnd(0,1,100,1) 2. Genera con MATLAB/Octave, 5 lanzamientos de un dado. >> x=unidrnd(6,5,1) % generamos los 5 lanzamientos % a partir de una uniforme discreta entre 1 y 6 % otra manera: >> u=rand(6,1) >> x=floor(6*u+1) Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 1
2 3. Genera con MATLAB/Octave, 5 lanzamientos de 3 dados. >> x=unidrnd(6,5,3) % generamos los 5 lanzamientos de los 3 dados % a partir de una uniforme discreta entre 1 y 6 % otra manera: >> u=rand(5,3) >> x=floor(6*u+1) 4. Comenta el siguiente código de MATLAB/Octave: 1:>> n= ; 2:>> x=rand(n,1); y=rand(n,1); 3:>> c=sum(x.^2+y.^2<=1) 4:>> a=(4/n)*c; El código está generando n pares de puntos (x, y) en el cuadrado unidad (ĺıneas 1 y 2). La ĺınea 3, nos indica cuántos de éstos pares están dentro del círculo unidad, definido por la ecuación x 2 + y 2 1. Finalmente, por un razonamiento de áreas proporcionales en la ĺınea 4, se obtiene a como una aproximación al número π. 5. Calcular mediante simulación la integral dada por: 3 2 x 2 dx Dado que la función f (x) = x 2 en el intevalo [2, 3] verifica que su valor está entre 0 y 9. Generaremos puntos aleatorios en el rectángulo [2, 3] [0, 9] y veremos la proporción de estos puntos que caen por debajo de la gráfica. El código en MATLAB/Octave es: % creamos la función f(x) en un fichero *.m function f = f(x) f = x.^2; % En el Command Window: >> n= ; >> x=unifrnd(2,3,n,1); y=unifrnd(0,9,n,1); >> area=9*sum(y<f(x))/n >> area= % podemos compararlo con el valor teórico: >> int( x^2, x,2,3) ans= 19/3 Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 2
3 1.2. Generación de variables aleatorias 1. Supongamos el experimento del lanzamiento de dos monedas. Sea X, la variable aleatoria número de cruces. Determina con MATLAB/Octave la función de probabilidad de X. >> n=10000; >> u1=rand(n,1); >> u2=rand(n,1); >> m1=1*(u1<=1/2)+0*(u1>1/2); % generamos los n lanzamientos de las >> m2=1*(u2<=1/2)+0*(u2>1/2); % monedas 1 y 2, con probabilidad % 1/2 de cruz (=1) y de cara (=0) >> x=m1+m2; % x es la suma de las cruces de ambas monedas >> tabulate(x) % con tabulate, obtenemos la tabla de frecuencias % absoluta y relativa Value Count Percent % % % De este modo hemos aproximado la función de probabilidad teórica: p(x) = P (X = x) >> tab=tabulate(x) % guardamos la tabla en una matriz tab >> bar(tab(:,3)) % representamos el diagrama de barras de las % frecuencias relativas X p(x) 0 1/4 1 1/2 2 1/ Dada la variable aleatoria X, del ejercicio anterior, comprueba los valores teóricos E[X] y Var[X]. Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 3
4 La esperanza de X es: µ = E[X] = n x i P (X = x i ) = = 1 i=1 Y la varianza: σ 2 = Var[X] = n (x i µ) 2 P (X = x i ) i=1 = (0 1) (2 1)2 1 2 = 1 2 Recuerda: Var[X] = E[X 2 ] (E[X]) 2 >> mean(x) % es aproximadamente 1 >> var(x) % es aproximadamente El método de la inversa 1 de la función de distribución, F X (x), afirma que si una variable aleatoria X tiene una función de distribución F X (x) que admite inversa, entonces se verifica que la variable transformada U = F X (X) sigue siempre una distribución uniforme continua U. Este resultado se aplica en la vida real considerando la igualdad u = F X (x) y despejando x en función de u, que vendrá dado por x = F 1 X (u), con lo que si se genera u U(0, 1) se tiene que x = F 1 X (u) sigue la distribución de X. Para generar u U con MATLAB/Octave podemos utilizar rand ó unifrnd. a) Sea X una variable aleatoria con función de distribución F X (x), dada por: { 0 x < 0 F X (x) = 1 e 2x 0 x Cómo simularías valores de la v.a. X? b) Comprueba con MATLAB/Octave los valores de E[X] y de Var[X]. a) Por el método de la inversa tenemos que considerando la igualdad u = F X (x), tenemos que para 0 x, se verifica que: 1 Para más detalles: link 1 e 2x = u 1 u = e 2x 1 log(1 u) = x 2 Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 4
5 Con lo que si generamos u U(0, 1), obtendremos que x f(x). El pseudocódigo sería: 1: Fijar n = 100 2: Generar n datos u U(0, 1) 3: Aplicar transformación inversa (x = 1 2 4: Tenemos que x f(x) log(1 u)) En MATLAB, sobre el Command Window: >> n=100000; >> u=rand(n,1); >> x = (-1/2)*log(1-u); >> hist(x) NOTA: El método de la inversa permite simular variables aleatorias de manera sencilla a partir de v.a. s uniformes. En este ejercicio se han simulado v.a. s Exponenciales de parámetro λ = 2. b) Dada la función de distribución de X, F X (x), podemos obtener la función de densidad f(x), sabiendo que f(x) = df X(x) dx y por tanto: { 2e 2x x 0 f(x) = 0 en otro caso µ = E[X] = σ 2 = Var[X] = xf(x)dx = 1 2 (x µ) 2 f(x)dx = >> mean(x) % es aprox. 0.5 >> var(x) % es aprox ( x 1 ) 2 f(x)dx = NOTA: como se indicó en el apartado anterior, X Exp(λ = 2), donde E[X] = 1/λ y Var[X] = 1/λ Sea X una variable aleatoria Rayleigh de parámetro cuya función de densidad f (x) viene dada por { ( x exp f(x) = 2 x2) x > 0 0 resto Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 5
6 con media y varianza dadas por µ = E [X] = π 2 σ 2 = V [X] = 4 π 2 a) Cuál sería el código para generar 50 valores X con = 0, 17? b) Qué procedimientos numéricos se podría usar para ver que se ha generado de forma correcta la v.a. X en el apartado anterior? a) La forma de generar X es a través del método de la función inversa de la función de distribución. Para ello en primer lugar hay que calcular la función de distribución. { x F (x) = 0dt = 0 x 0 x t exp ( 2 t2) dt = x 0 t exp ( 2 t2) dt x > 0 con lo que { F (x) = [ ( x 0 ) ( exp 2 t2)] t = ( exp ( 0 2 x2) 1 ) = 1 exp ( 2 x2) x > 0 que cumple las cuatro propiedades para ser función de distribución (F ( ) = 0, F (+ ) = 1, monótona no decreciente y continua por la derecha). En segundo lugar se utiliza el resultado teórico de que Y = F (X) sigue, siempre que F admita inversa, una U (0, 1). A efectos prácticos este resultado se utiliza generando una u según una U (0, 1) igualando a F (x) y despejando x en función de u. Dado que u > 0 se invierte F según la expresión: ( 1 exp 2 x2) = u 1 u = exp ( 2 x2) x 2 = 2 Ln (1 u) 2 x = ± Ln (1 u) De la expresión anterior se toma la raíz positiva para que x > 0 que es donde se ha invertido F. El pseudocódigo sería: - Generar u según una U (0, 1). 2 - Concluir que x = Ln (1 u) sigue la v.a. requerida (en este caso Rayleigh). >> y=rand(50,1); >> alpha=0.17; >> x=sqrt((-2/alpha)*log(1-y)); Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 6
7 b) Podemos comprobar que la media observada y la desviación típica obervada para los x generados son parecidos a los valores teóricos: >> media_teorica = sqrt(pi/(2*alpha)); >> media_teorica = >> var_teorica = (4-pi)/(2*alpha); >> var_teorica = >> mean(x) % aprox >> var(x) % aprox Decir si es verdadera o falsa la siguiente afirmación. En caso de que sea verdadera demostrarlo y en caso de que sea falsa dar un contraejemplo o su valor correcto: El código en MATLAB/Octave para generar 100 valores de una v.a Gompertz generalizada con función de distribución { 1 exp ( exp (x)) 0 < x F (x) = 0 resto es >> x=rand(100,1); >> g=-log(1-x); % log es logaritmo neperiano Es falsa. Para generar una v.a. continua cuya función de distribución admita inversa, se considera F (x) = u con u U (0, 1) y se despeja la x. Por lo que Por tanto el código en MATLAB sería: >> u=rand(1000,1); >> x=log(-log(1-u)); F (x) = 1 exp ( exp (x)) = u 1 u = exp ( exp (x)) ln (1 u) = exp (x) x = ln ( ln (1 u)) Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 7
8 6. En una caseta de una feria se nos propone el siguiente juego. Hay que elegir un número del 1 al 6. El feriante lanzará tres dados. Si sale el número elegido en los tres dados recibiremos 3 euros, si sale en dos recibiremos 2 euros, si sale en uno recibiremos 1 euro y si no sale en ninguno, pagaremos 1 euro. Es ventajoso el juego para nosotros? Resolverlo con una función MATLAB/Octave. Creamos la función juego3dados.m: %%% *.m file function esperanza = juego3dados(n,k) u=unidrnd(6,n,3); a=(u==k); s=sum(a,2); g=-1*(s==0)+1*(s==1)+2*(s==2)+3*(s==3); esperanza=sum(g)/n; %%% Utilizando esta la función juego3dados.m, observamos que para cualquier valor de k, la esperanza es negativa, y por tanto el juego no es ventajoso. Se puede observar que el valor obtenido es aproximadamente el valor teórico 0,08. >> esperanza = juego3dados(1000,k) 1.3. Ejercicios propuestos 1. a) Indicar el código MATLAB para resolver el problema Ex. JUN 2007 ITTel, C1b (link). b) En el apartado a), comprueba gráficamente mediante un diagrama de barras, que la generación de X 1 y X 2 es correcta. PISTA: Recordar Ejercicio de la práctica Utiliza el método de la transformación inversa de la función de distribución para generar una variable aleatoria continua cuya función de densidad sea { 0 resto f(x) = 1 18 x 0 < x < 6 a) Calcular E [X]. b) Aplicar el método de la transformación inversa para generar valores de la v.a. X. PISTA: determinar en primer lugar la función de distribución F X (x). c) Escribir el PSEUDOCÓDIGO para generar valores de la v.a. X. d) Escribir el código MATLAB/Octave para genera valores de la v.a. X. e) Dada la v.a. Y = 1/X, determinar f Y (y) por el teorema de la transformación. Verificar que f Y (y) cumple las dos propiedades para ser función de densidad. Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 8
9 f ) Determinar F Y (y) a partir de f Y (y) y directamente a partir de la definición F Y (y) = P (Y y). Verificar que F Y (y) cumple las cuatro propiedades para ser función de distribución. g) Calcular E [Y ] a través de f Y (y) y directamente a través de f X (x). h) Comprobar con MATLAB/Octave el valor teórico de E [Y ] por el método de la inversa aplicado a F Y (y). i) Comprobar con MATLAB/Octave el valor teórico de E [Y ] generando directamente Y = 1/X, con valores X a partir del apartado d). j ) Comprobar con MATLAB/Octave, utilizando las v.a. X e Y anteriores que [ ] 1 E 1 X E [X] (es decir que la esperanza no es un operador no lineal). Grado en Ing. de Telecomunicación - Estadística ( ), PRÁCTICA 2. VARIABLES ALEATORIAS 9
INGENIERÍA de TELECOMUNICACIONES
INGENIERÍA de TELECOMUNICACIONES ESTADÍSTICA 2015-2016 PRÁCTICA 2: PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad mediante experimentos aleatorios. Introducción a las variables
Más detallesINGENIERIA de TELECOMUNICACION
INGENIERIA de TELECOMUNICACION ESTADISTICA 2010-2011 PRACTICA 2. PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad mediante experimentos aleatorios. Introducción a las variables
Más detallesGRADO de TELECOMUNICACIONES
GRADO de TELECOMUNICACIONES ESTADISTICA 2009-2010 PRACTICA 2. PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad y a las variables aleatorias 1. Probabilidad 1. Simular 1000
Más detallesOBJETIVOS: Simular en MATLAB/Octave procesos estocásticos sencillos.
GRADO en INGENIERIA de TELECOMUNICACION (Sistemas de comunicaciones, audiovisuales y telemática) ESTADISTICA 8-9 PRACTICA 5. PROCESOS ESTOCÁSTICOS OBJETIVOS: Simular en MATLAB/Octave procesos estocásticos
Más detalles1. Algunos comandos de Estadística
Departamento de Matemática Aplicada MÉTODOS ESTADÍSTICOS. Ingeniería Química (Curso 2008-09) Estadística Descriptiva. Práctica. Algunos comandos de Estadística Describimos a continuacion algunos de los
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesExamen de Estadística Grado en Ingeniería de Telecomunicación
Cuestiones Examen de Estadística Grado en Ingeniería de Telecomunicación 3 de Junio de 5 solución h 45m C (.5 puntos). Una multinacional realiza operaciones comerciales en 3 mercados (A, B y C). El % de
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
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 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 detallesTema 3: Funcio n de Variable Aleatoria
Tema 3: Funcio n de Variable Aleatoria Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Función de una Variable Aleatoria 2 3 Cálculo de la fdp 4 Generación de Números Aleatorios 5 Momentos de una
Más detallesSimulación III. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación III Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Comentario: generación de v.a. exponenciales Generación de v.a. normales Método de convolución:
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
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 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 detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesEstadística. Soluciones ejercicios: Variables aleatorias. Versión 8. Emilio Letón
Estadística Soluciones ejercicios: Variables aleatorias Versión 8 Emilio Letón. Nivel. Enunciar las dos propiedades que debe cumplir p) para ser función de probabilidad. Las dos propiedades para ser función
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
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 detallesMétodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del
Métodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del Límite Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón
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 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 detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesLa función exponencial se define con una base constante cuyo exponente es el valor variable, es decir:
Función Exponencial La función exponencial se define con una base constante cuyo exponente es el valor variable, es decir: Con Gráfica función exponencial a) Si la función es creciente en. b) Si la función
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 detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación
Más detallesRepaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
Más detallesEstadística Descriptiva 1 con MATLAB/Octave
Estadística Descriptiva 1 con MATLAB/Octave Ingeniería de Telecomunicaciones Departamento de Estadística Universidad Carlos III de Madrid Curso 2009/2010 1 Consultar ficheros Descriptiva 1 y Descriptiva
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 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 detallesCap. 3 : Variables aleatorias
Cap. 3 : Variables aleatorias Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 16 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesEjercicios 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 detalles4.1. Definición de variable aleatoria. Clasificación.
Capítulo 4 Variable aleatoria Una variable aleatoria es un valor numérico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: número de caras obtenidas al lanzar seis veces
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Patricia Kisbye FaMAF 15 de abril, 2010 Generación de variables aleatorias continuas Decimos que X es una v.a. continua si
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 6 Teoremas ĺımite Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST. Tema
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Otoño 3 Duración: 3 horas FECHA: 9 de Enero de 4 Fecha publicación notas: 6--4 Fecha revisión
Más detallesFigura 1. Generación de variables aleatorias.
PRÁCTICA 3. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Generación de variables aleatorias. El programa nos permite generar variables aleatorias especificando
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesCálculo 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 detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detalles. Luego, para el período n + 1 los resultados estarán, en cualquier caso, en el conjunto {λ k n 0 } n+1. k= (n+1). Consideremos Y = λ U n
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Probabilidades MA, /5/9, Prof. Raúl Gouet Solución Control #. Considere una colonia de bacterias con población inicial
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 5 Esperanza y momentos Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesDOCUMENTO 2: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: LA DISTRIBUCIÓN BINOMIAL
DOCUMENTO 2: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: LA DISTRIBUCIÓN BINOMIAL Como recordarás una variable aleatoria discreta es aquella que sólo puede tomar valores enteros. Ejemplos: puntuación obtenida
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
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 detallesPráctica 4: Variables Aleatorias y Simulación
Práctica 4: Variables Aleatorias y Simulación Objetivos específicos Al finalizar esta práctica deberás ser capaz de: Calcular las funciones de probabilidad y distribución de las variables discretas Bernoulli,
Más detallesEstadística. 2 o examen parcial
Apellidos: Nombre: Computadores Software Estadística. 2 o examen parcial. 14-11-2013 Test (20 % de la nota del examen) Tiempo para esta parte del examen: 1 hora y 10 minutos. El test y la teoría se recogerán
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
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 detallesPráctica 4 TEOREMA CENTRAL DEL LÍMITE
Práctica 4. Teorema Central del Límite 1 Práctica 4 TEOREMA CENTRAL DEL LÍMITE Objetivos: En esta práctica utilizaremos el paquete SPSS para ilustrar el Teorema Central del Límite. Además calcularemos
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesEjercicios de Simulación
Ejercicios de Simulación Investigación Operativa Ingeniería Informática, UC3M Curso 07/08 1. Escribe un código (por ejemplo en Matlab, Fortran, C,... ) que genere m secuencias de n números Bernoulli con
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 detallesDefinición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
Más detallesDistribuciones 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 detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 201 Capítulo 4 Año 200 4.1. Modelo 200 - Opción A Problema 4.1.1 2 puntos Determinar los valores
Más detallesTema 4: VARIABLES ALEATORIAS BIDIMENSIONALES
Tema 4: VAIABLES ALEATOIAS BIDIMENSIONALES 1 Concepto de variable aleatoria bidimensional Sea Ω el espacio muestral de un experimento aleatorio. Definimos variable aleatoria bidimensional, como una aplicación
Más detallesMétodos 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 detallesMaterial introductorio
Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detalles5 Variables aleatorias contínuas
5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua
Más detallesVariable 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 detallesVariables aleatorias
Capítulo 5 Variables aleatorias 5.1. Introducción Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son valores numéricos. Por ejemplo, si el experimento consiste
Más detallesCapítulo 2. Métodos estadísticos Simulación estadística. Simulación univariante
Capítulo 2 Métodos estadísticos 21 Simulación estadística La simulación estadística consiste en generar realizaciones de variables aleatorias que siguen unas distribuciones concretas Si esas variables
Más detallesFunciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
Más detallesObjetivos. 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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
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 detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesESTADISTICA MANEJO BÁSICO DE MATLAB/Octave. OBJETIVOS: Manejo básico del entorno de trabajo de MATLAB/Octave. 2 >> 2*sin(2*pi)^2
GRADO en INGENIERIA de TELECOMUNICACION (Sistemas de comunicaciones, audiovisuales, telemática y Técnicas de Telecomunicación) ESTADISTICA 2012-2013 MANEJO BÁSICO DE MATLAB/Octave OBJETIVOS: Manejo básico
Más detallesSolución. Como f(2) = 0, tenemos 0 = -3/(2+1) + K = -3/3 + K = -1 + K, de donde K = 1, y la función es
Ejercicio n º 1 de la opción A de junio de 2004 (Modelo 6) De la función f : (-1,+ ) R se sabe que f '(x) = 3/(x +1) 2 y que f(2) = 0. (a) [1'25 puntos] Determina f. [1'25 puntos] Halla la primitiva de
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás de mayo de 13 Capítulo 6 Año 5 6.1. Modelo 5 - Opción A Problema 6.1.1 ( puntos) Justificar razonadamente
Más detallesIntroducción al cálculo
Pág. N. 1 Introducción al cálculo Familia: Editorial: Autor: Ciencias Básicas Macro César Javier Piedra Vilchez ISBN: 978-612-304-289-9 N. de páginas: 400 Edición: 1. a 2015 Medida: 17.5 x 24.8 Colores:
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más detallesIG23 Ampliació d Estadística. ETIG. Curs 2005/06 1
IG23 Ampliació d Estadística. ETIG. Curs 2005/06 1 1.0 Software de las prácticas : Usaremos R, versión de libre disposición del lenguaje SPLUS. Es un intérprete de comandos con una gran cantidad de funciones
Más detallesCLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA
1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática
Más detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
Más detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
Más detalles1. 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 detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesEjercicio 2 opción A, modelo 5 Septiembre 2010
Opción A Ejercicio 1 opción A, modelo 5 Septiembre 2010 [2 5 puntos] Una hoja de papel tiene que contener 18 cm 2 de texto Los márgenes superior e inferior han de ser de 2 cm cada uno y los laterales 1
Más detallesSimulación 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 detalles2 Modelos de probabilidad discretos sobre R
UN CATÁLOGO DE MODELOS DE POBABILIDAD Julián de la Horra Departamento de Matemáticas U.A.M. Introducción En este capítulo vamos a dar un catálogo de algunos de los modelos de probabilidad más utilizados,
Más detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
Más detallesSoluciones a los ejercicios propuestos del Tema 2
Soluciones a los ejercicios propuestos del Tema 2 1 Soluciones a los ejercicios propuestos del Tema 2 2.1. Sea X es la variable número de crías vivas de una hembra de esta especie. X es una variable discreta
Más detalles6.3. Distribuciones continuas
144 Bioestadística: Métodos y Aplicaciones Solución: Si consideramos la v.a. X que contabiliza el número de personas que padecen la enfermedad, es claro que sigue un modelo binomial, pero que puede ser
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 detalles