ESTADÍSTICA INFERENCIAL

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

Download "ESTADÍSTICA INFERENCIAL"

Transcripción

1 ESTADÍSTICA INFERENCIAL

2 ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas que toman estrictamente valores enteros, por lo que generalmente se aplican en procesos probabilísticos de conteo. Por su parte, las variables aleatorias continuas no se restringen a valores enteros, sino que pueden asumir, además de éstos, valores decimales comprendidos entre valores enteros, es decir, pueden tomar cualquier valor de manera continua que se encuentre entre valores discretos. En términos matemáticos, los valores discretos se denominan numerables, mientras que a los valores continuos se les conoce como no numerables.

3 ESTADÍSTICA INFERENCIAL 2 Introducción al Tema En esta sesión se estudiarán distribuciones de probabilidad de variables aleatorias continuas, específicamente la distribución normal, así como su aproximación a la distribución binomial, dando el conocimiento del uso de sus formulas y las diferencias que caracterizas a cada una de estas, sabiendo como y donde se pueden aplicar para tener un resultado mas preciso. Al conocer estos elementos también podrás apreciar la forma en que se grafican éstas y los atributos con los que cuenta cada una de estas representaciones, es importante tener nociones de bases matemáticas para determinar un conocimiento completo sobre la estadística y la forma en que se explotan los datos que encontramos presentes.

4 ESTADÍSTICA INFERENCIAL 3 Explicación Variables aleatorias continuas. Definición de variable aleatoria continua Sea ε un experimento y Ώ su respectivo espacio muestral asociado. A la función (o relación) X, que asigna un número real X(ω) a cada elemento ω (letra griega omega, en minúscula) que pertenece a Ώ, se le denomina variable aleatoria continua si X(ω) puede tomar valores continuos, es decir, valores decimales que se encuentran entre valores discretos o enteros a, b. En este sentido, el conjunto {a X b} es un suceso o evento de Ώ. Si la distribución de probabilidad de la variable aleatoria se rige por una función f, 1 entonces la probabilidad de que la variable aleatoria X tome un valor entre los números a y b se denota como P(a X b) y equivale al área bajo la curva de f entre x = a y x = b. Área que puede obtenerse mediante el cálculo de la siguiente integral: P(a X b)= Este concepto se explicará más adelante en esta misma sesión, sin embargo, cabe aclarar que no es necesario tener conocimientos de cálculo integral para su manejo pues existen tablas que permiten realizar cálculos de probabilidad sin tener que desarrollar una integral. Al igual que las variables aleatorias discretas, las continuas cumplen con dos características fundamentales: (x) 0 La probabilidad de ocurrencia de un evento en particular es mayor o igual que cero. x)dx=1 La suma de las probabilidades de ocurrencia de todos los posibles eventos del espacio muestral es igual a la unidad o al cien por ciento.

5 ESTADÍSTICA INFERENCIAL 4 Distribución normal de probabilidad Al estudiar alguna característica particular de diversos fenómenos naturales y sociales, se dice que asumen un comportamiento normal aquellos que concentran la mayoría de las observaciones cercanas a un valor promedio y la minoría en valores extremos. Por ejemplo: Al medir la estatura de un grupo de personas de la misma edad, la mayoría de ellas tiene una estatura muy cercana a un cierto valor promedio. Al pesar a un grupo de personas de la misma edad, la mayoría de ellas tienen un peso muy cercano a un cierto valor promedio. Si se mide el coeficiente intelectual de un grupo de personas de la misma edad, la mayoría de ellas tienen un coeficiente muy cercano a un cierto valor promedio. La distribución normal tiene una representación gráfica en forma de campana, frecuentemente denominada campana de Gauss en honor al célebre matemático alemán Karl F. Gauss, quien realizó importantes aportaciones al estudio de la distribución normal. Esta representación gráfica se caracteriza por ser una curva simétrica respecto al eje y. En la gráfica se observa que los valores de una distribución normal tienden a acumularse en el centro y a disminuir en los extremos. La función de distribución de probabilidad normal está dada por:

6 ESTADÍSTICA INFERENCIAL 5 Definición de distribución normal Sea X una variable aleatoria. La expresión: Significa que X se distribuye como una normal, con parámetros μ (letra griega mu) y σ (letra griega sigma), donde: X=Variable aleatoria. μ=media poblacional. σ=desviación estándar poblacional. Una vez que se sabe que un fenómeno tiene una distribución normal y se conoce la media y la desviación estándar poblacionales, puede entonces calcularse la probabilidad de ocurrencia de ciertos eventos; por ejemplo, la probabilidad de que al seleccionar a una persona de un grupo de individuos de la misma edad: Su estatura sea menor que un valor dado. Su estatura sea mayor que un valor dado. Su estatura se encuentre entre dos valores determinados. Área bajo la curva de una distribución normal Como ya se mencionó, el cálculo de probabilidad de ocurrencia de eventos asociados a una variable aleatoria con distribución normal equivale a calcular el área bajo la curva normal delimitada por ciertos valores. Por ejemplo, la Secretaría de la Defensa Nacional lleva un registro de todos los jóvenes que prestan su servicio militar. Considerando que sus edades son muy similares, puede resultar de interés que al seleccionar a uno de ellos: Su estatura sea menor que un valor x1, lo que se denota como P( X x 1 ) Su estatura sea mayor que un valor x2, lo que se denota como P( X x 2 )

7 ESTADÍSTICA INFERENCIAL 6 Su estatura se encuentre entre los valores x 1 y x 2, lo que se denota como P(x 1 X x 2 ). Esto significaría calcular el área bajo la curva mediante las siguientes integrales: Por la complejidad de estos cálculos, se ha optado por desarrollar tablas de distribución normal de las cuales podrían tomarse directamente los valores de estas integrales.

8 ESTADÍSTICA INFERENCIAL 7 Conclusión Con la representación grafica se puede conocer de una forma mas precisa el actuar de los elementos que se estudian, es decir, con las áreas sombreadas dentro de una grafica se puede conocer lo que abarca o lo que no, dando la oportunidad de conocer los elementos que se buscan o a los que se desea dar una presencia mas amplia. Para lograr graficar se tiene que conocer la forma de resolver integrales y los elementos que pueden determinarse con estas operaciones. Se requiere del conocimiento de la prioridad de elementos para que los resultados no se alteren, es decir, saber si primero se multiplica, se suma, se resta o multiplica, y tener los conocimientos necesarios en los despejes de ecuaciones para facilitar la resolución y graficación de los mismos.

9 ESTADÍSTICA INFERENCIAL 8 Normalización y cálculo de probabilidad Para calcular probabilidades de ocurrencia de eventos asociados a una distribución normal es importante considerar dos propiedades fundamentales: El área total bajo la curva normal es igual a uno. La curva es simétrica respecto a la media, por lo que el área de cada mitad corresponde al cincuenta por ciento. Para realizar el cálculo de probabilidades con una distribución normal es necesario trasladar los datos originales del fenómeno objeto de estudio a una escala común o estándar. Una variable aleatoria estandarizada se denota con la literal z y se obtiene mediante la siguiente operación de estandarización o normalización: Donde: z = Variable aleatoria estandarizada. x = Valor de la variable aleatoria a estandarizar. μ = Media poblacional. σ = Desviación estándar poblacional. El valor de z obtenido en el paso anterior se distribuye como una normal con media μ=0 y σ=1, es decir, X =N(0,1), con lo que ya es posible utilizar las tablas de distribución normal para calcular la probabilidad de ocurrencia de eventos que pueden manifestarse de la siguiente forma:

10 ESTADÍSTICA INFERENCIAL 9 Que corresponden siguientes expresiones: Probabilidad de que un valor a sea menor o igual que le valor z. Donde a, z, z 1 y z 2 son variables estandarizadas. Asimismo, por simetría, se tienen las siguientes equivalencias:

11 ESTADÍSTICA INFERENCIAL 10 Que corresponden a las siguientes expresiones: Donde a, z, z 1 y z 2 son variables estandarizadas. Ejemplos El coeficiente intelectual (IQ) es un valor obtenido a partir de una prueba que mide las habilidades cognitivas o inteligencia de una persona en relación a su grupo de edad, el cual se expresa en una escala estándar para que el valor promedio de un grupo sea igual a 100. Esto significa que una persona con un IQ de 115 puntos está por encima del promedio de las personas de su edad, mientras que otra con un IQ de 65 está por debajo del promedio. Dado que el IQ se distribuye como una normal, pueden calcularse algunas probabilidades de interés. Supóngase que X es una variable aleatoria asociada al iq de alumnos de una universidad. Si X se distribuye como una normal con media μ=100 y desviación estándar σ= 16, es decir, XN(100,16),, calcular mediante tablas de distribución normal las siguientes probabilidades: 1. Probabilidad de que el iq de un alumno sea mayor a 80 puntos, es decir, P(80 x).

12 ESTADÍSTICA INFERENCIAL Probabilidad de que el iq de un alumno sea mayor a 105 puntos, es decir, P(105 x). 3. Probabilidad de que el iq de un alumno sea menor que 80 puntos, es decir, P(x 80). 4. Probabilidad de que el iq de un alumno sea menor que 105 puntos, es decir, P(x 105). Soluciones 1. De acuerdo a los datos del problema, se tiene que μ=100, σ=16 y x=80. Entonces se procede a normalizar el valor de x: Este valor transforma la expresión P(80 x) a su equivalente normalizada P(z a),en donde z= 1.25.Esto significa que se debe calcular P( 1.25 a). Entonces:

13 ESTADÍSTICA INFERENCIAL Normalizando los datos tenemos que: Que puede redondearse a Este valor transforma la expresión P (105 x) a su equivalente normalizada: P(z r, se debe calcular P(0.31 a). Entonces, P(0.31 a)=0.5 P(0 a 0.31). Utilizando las tablas de distribución normal se obtiene que P(0 a 0.31)=0.1217,por lo que P(0.3 1a)= = que equivale a 37.83% de probabilidad. 3. Normalizando datos se tiene que:

14 ESTADÍSTICA INFERENCIAL 13 Este valor se transforma en la expresión P(x 80) a su equivalente normalizada P(a z), donde z= 1.25, es decir, se procede a calcular P(a 1.25). En consecuencia, P(a 1.25)=0.5 P(0 a 1.25). A través de las tablas de distribución normal se obtiene que P(a =0.1056,entonces P(a 1.25)=0.5 P(0 a 1.25) que equivale a 10.56% de probabilidad. 4. Al normalizar los datos obtenemos que: Que puede redondearse a Este valor permite transformar la expresión P(x 105) a su equivalente normalizada P(a z), donde Z= Esto significa que se debe calcular P(a 0.31). Consecuentemente, P(a 0.31)=0.5+P(0 a 0.31). Utilizando las tablas de distribución normal, se tiene que P(0 a 0.31)=0.1217, por lo que P(a 0.31)= = que equivale a 62.17% de probabilidad. Aproximación normal de probabilidades binomiales La distribución binomial P(X= k)= b(k;n,p) puede acercarse notablemente a la distribución normal cuando n es grande y ni p ni q tienen valores cercanos a cero, donde: n=número de ensayos o repeticiones del experimento. k = Número de éxitos. p= Probabilidad de éxito.

15 ESTADÍSTICA INFERENCIAL 14 q= Probabilidad de fracaso. Para calcular probabilidades aproximando la distribución normal a la binomial se tiene que: µ = np Por ejemplo, si se lanza una moneda 14 veces, calcular la probabilidad P de que el número de águilas que aparezcan se encuentre entre tres y seis. De los datos del ejemplo tenemos que: Si X representa el número de águilas, se debe calcular P (3 X 6). Dado que la distribución normal se define sobre variables aleatorias continuas, debemos expresar los valores discretos, esto es, enteros, en una forma continua o decimal, con lo que la expresión discreta P(3 X 6) puede transformarse en la expresión continua P(2.5 X 6.5). Entonces, se procede a estandarizar los valores 2.5 y 6.5: En consecuencia, P(2.5 x 6.5) se transforma en su equivalente normalizada P( 2.41 a 0.27)= = ó 59.84%.

16 ESTADÍSTICA INFERENCIAL 15 Actividad de Aprendizaje Instrucciones: en base a lo visto anteriormente, resuelve los siguientes elementos. Supóngase que X es una variable aleatoria asociada al IQ de alumnos de una universidad. Si X se distribuye como una normal con media µ= 100 y desviación estándar =10, es decir, X N(100,10), calcula mediante tablas de distribución normal las siguientes probabilidades: 1. Probabilidad de que el IQ de un alumno sea mayor a 80 puntos, es decir, P(80 x). 2. Probabilidad de que el IQ de un alumno sea mayor a 105 puntos, es decir, P(105 x). 3. Probabilidad de que el IQ de un alumno sea menor a 80 puntos, es decir, P(x 80). 4. Probabilidad de que el IQ de un alumno sea menor a 105 puntos, es decir, P(x 105). 5. Probabilidad de que el IQ de un alumno se encuentre entre 105 y 110 puntos, es decir, P(105 x 110).

17 ESTADÍSTICA INFERENCIAL 16 Bibliografía García, M. (2005). Introducción a la teoría de la probabilidad. México: Fondo de Cultura Económica. Hernández, A. y O. Hernández (2003). Elementos de probabilidad y estadística. México: Sociedad Matemática Mexicana. Meyer, P. (1986). Probabilidad y aplicaciones estadísticas. E.U.: Addison-Wesley Iberoamericana. Ulloa, V. y V. Quijada (2006). Estadística aplicada a la comunicación. México: UNAM. (2007). Estadística básica con Excel. México: UNAM. Lipschutz, S. (1988). Probabilidad. México: McGraw-Hill.

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria

Más detalles

1. La Distribución Normal

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

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 2 Nombre: Probabilidad Contextualización En la sesión anterior analizamos cómo a largo plazo un fenómeno aleatorio o probabilístico posee un

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

LECTURA 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 detalles

Formas de una Curva de Frecuencias

Formas de una Curva de Frecuencias Formas de una Curva de Frecuencias Cuando se tiene una muestra de las observaciones de una variable, éstas se pueden graficar a través de un polígono de frecuencias relativas. Cuando este polígono es suavizado,

Más detalles

Definición de probabilidad

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

Más detalles

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL 1 Sesión No. 8 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Las pruebas de hipótesis son uno de los métodos generales que se emplean para llevar a cabo

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6) TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

Prof. Eliana Guzmán U. Semestre A-2015

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

Más detalles

Teorema del límite central

Teorema del límite central TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución

Más detalles

5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD

5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina

Más detalles

Distribución normal. Resumen. Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 5, Mayo Open Access, Creative Commons.

Distribución normal. Resumen. Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 5, Mayo Open Access, Creative Commons. Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 5, Mayo 2011. Open Access, Creative Commons. Distribución normal Autor: Fernando Quevedo Ricardi (1) Filiación: (1) Departamento de

Más detalles

Distribuciones Paramétricas

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

Más detalles

DISTRIBUCIÓN NORMAL. Modelo matemático: f ( x ) = σ 2 π

DISTRIBUCIÓN NORMAL. Modelo matemático: f ( x ) = σ 2 π DISTRIBUCIÓN NORMAL. Es la más importante de las distribuciones teóricas, es también conocida con los nombres de curva normal y curva de Gauss. De Moivre publico en 1773 su trabajo sobre la curva normal

Más detalles

Distribuciones Continuas

Distribuciones Continuas Capítulo 5 Distribuciones Continuas Las distribuciones continuas mas comunes son: 1. Distribución Uniforme 2. Distribución Normal 3. Distribución Eponencial 4. Distribución Gamma 5. Distribución Beta 6.

Más detalles

Estadística para la toma de decisiones

Estadística para la toma de decisiones Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante

Más detalles

Tema 4: Variables Aleatorias

Tema 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 detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva 1 Sesión No. 6 Nombre: Estadística descriptiva Contextualización Las representaciones graficas tienen una gran importancia para la comprensión de los diferentes tipos de datos utilizados

Más detalles

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Estadistica 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 detalles

Estadística Aplicada

Estadística Aplicada Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.

Más detalles

VARIABLES ALEATORIAS CONTINUAS

VARIABLES 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 detalles

TEMA 3: Probabilidad. Modelos. Probabilidad

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

Más detalles

Variable Aleatoria Continua. Principales Distribuciones

Variable 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 detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9) PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12

Más detalles

Unidad IV: Distribuciones muestrales

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

Más detalles

conocida comúnmente, como la Campana de Gauss ".

conocida comúnmente, como la Campana de Gauss . CURSO DE ESTADÍSTICA INFERENCIAL EJERCICIOS Y PROBLEMAS RESUELTOS DE DISTRIBUCIÓN NORMAL Prof.:MSc. Julio R. Vargas A. La Distribución Normal: La distribución normal N (μ, σ): es un modelo matemático que

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El 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 detalles

Tema 13: Distribuciones de probabilidad. Estadística

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

Más detalles

EXPERIMENTO ALEATORIO

EXPERIMENTO ALEATORIO EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,

Más detalles

3 PROBABILIDAD Y DISTRIBUCION NORMAL

3 PROBABILIDAD Y DISTRIBUCION NORMAL 3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder

Más detalles

Tema 6. Variables aleatorias continuas

Tema 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 detalles

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

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

Más detalles

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES 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 detalles

GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD

GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD Prof. Rosario Martínez Verdú TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD 1. Nociones básicas de teoría de la probabilidad. 2. Variable

Más detalles

Distribuciones de Probabilidad para Variables Aleatorias Discretas 1

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

Más detalles

Algunas 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 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

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación

Más detalles

DISTRIBUCIÓN PROBABILÍSTICA BINOMIAL APROXIMACIÓN LA CURVA NORMAL. Juan José Hernández Ocaña

DISTRIBUCIÓN PROBABILÍSTICA BINOMIAL APROXIMACIÓN LA CURVA NORMAL. Juan José Hernández Ocaña DISTRIBUCIÓN PROBABILÍSTICA BINOMIAL APROXIMACIÓN LA CURVA NORMAL Juan José Hernández Ocaña DISTRIBUCIÓN PROBABILÍSTICA BINOMIAL Variable discreta.- Es aquella que casi siempre asume solamente un conjunto

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución

Más detalles

La probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda es. 2) (2) (2) "it^g) = 64

La probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda es. 2) (2) (2) it^g) = 64 Las distribuciones binomial, normal y de Poisson CAPITULO 7 Wmmr LA DISTRIBUCION B I N O M I A L Si p es la probabilidad de que cualquier evento ocurra en un solo ensayo (denominada probabilidad de éxito)

Más detalles

Discretas. Continuas

Discretas. Continuas UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill. GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos

Más detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO 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 detalles

Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números

Definición 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 detalles

Distribución normal estándar. Juan José Hernández Ocaña

Distribución normal estándar. Juan José Hernández Ocaña Distribución normal estándar Juan José Hernández Ocaña Tipos de variables jujo386@hotmail.com Tipos de variables Cualitativas Son las variables que expresan distintas cualidades, características o modalidades.

Más detalles

CUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE?

CUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE? TEOREMA DE BAYES Explica como considerar matemáticamente la nueva información en la toma de decisiones. P( AΙB) = P( A B) P( B) = P( A) P( BΙA) P( B) PROBLEMA: En cierto lugar llueve el 40% de los días

Más detalles

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de

Más detalles

T1. Distribuciones de probabilidad discretas

T1. 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 detalles

DISTRIBUCIÓN N BINOMIAL

DISTRIBUCIÓN 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 detalles

PROBABILIDAD Y ESTADÍSTICA

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

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo 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 detalles

Estadística Inferencial

Estadística Inferencial Estadística Inferencial 1 Sesión No.2 Nombre: Distribuciones muestrales Contetualización Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico

Más detalles

Variables aleatorias

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

Más detalles

Tema 5. Variables Aleatorias

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

Más detalles

PROBABILIDAD. Unidad I Ordenamiento de la Información

PROBABILIDAD. Unidad I Ordenamiento de la Información 1 PROBABILIDAD Unidad I Ordenamiento de la Información 2 Captura de datos muestrales Conceptos básicos de la estadística 3 Población (o universo): Totalidad de elementos o cosas bajo consideración Muestra:

Más detalles

Fundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero

Fundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero Fundamentos de la Teoría de la Probabilidad Ing. Eduardo Cruz Romero www.tics-tlapa.com Teoría elemental de la probabilidad (1/3) El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Al igual que la distribución binomial, la distribución

Más detalles

PLANES CURRICULARES GRADO9º/ 01 PERIODO

PLANES CURRICULARES GRADO9º/ 01 PERIODO PLANES CURRICULARES GRADO9º/ 01 PERIODO Grado: 9º Periodo: 01 PRIMERO Aprobado por: G. Watson - Jefe Sección Asignatura: MATEMATICAS Profesor: Gloria rueda y Jesús Vargas ESTANDARES P.A.I. I.B. A. Conocimiento

Más detalles

Tema 7. Variables Aleatorias Continuas

Tema 7. Variables Aleatorias Continuas Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de

Más detalles

Variables aleatorias

Variables 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 detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS 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 detalles

DISTRIBUCION NORMAL ESTANDAR

DISTRIBUCION NORMAL ESTANDAR Probabilidad Cap 6 DISTRIBUCION NORMAL ESTANDAR Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 La distribución normal estándar 2 Variable aleatoria normal estandarizada Podemos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva ESTADÍSTICA DESCRIPTIVA 1 Sesión No. 9 Nombre: Medidas de centralización Contextualización En la sesión anterior has aprendido acerca de una de las medidas de tendencia central

Más detalles

Tema 6. Variables Aleatorias Discretas

Tema 6. Variables Aleatorias Discretas Presentación y Objetivos. Tema 6. Variables Aleatorias Discretas En esta unidad se presentan algunos ejemplos estándar de variables aleatorias discretas relacionadas de diversas formas dependiendo de su

Más detalles

1. Experimentos aleatorios

1. Experimentos aleatorios 1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,

Más detalles

TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD

TEMA 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 detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Otras Publicaciones del mismo autor en Repositorio ESPOL Fabrizio Marcillo Morla

Más detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 12 LA DISTRIBUCIÓN BINOMIAL SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:

Más detalles

Unidad II: Fundamentos de la teoría de probabilidad

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

Más detalles

TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES

TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número

Más detalles

Tema 13. Distribuciones de Probabilidad Problemas Resueltos

Tema 13. Distribuciones de Probabilidad Problemas Resueltos Tema 3. Distribuciones de Probabilidad Problemas Resueltos Distribución de Probabilidad. Una variable aleatoria discreta, X, se distribuye como se indica en la siguiente tabla: ( ) a) Halla el valor de

Más detalles

METODOS ESTADÍSTICOS

METODOS 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 detalles

Nº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00

Nº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00 U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria

Más detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

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

Más detalles

CORRELACIÓN Y REGRESIÓN. Raúl David Katz

CORRELACIÓN Y REGRESIÓN. Raúl David Katz CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable

Más detalles

ESTADISTICA DESCRIPTIVA Y PROBABILIDAD

ESTADISTICA DESCRIPTIVA Y PROBABILIDAD ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE

Más detalles

CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA

CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA 1 (4.1) DISTRIBUCIÓN NORMAL 2 4.1.1- ASPECTOS GENERALES: Al graficarse los diferentes valores obtenidos de una variable X se obtiene una distribución

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.

Más detalles

Tema 5 Algunas distribuciones importantes

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

Más detalles

Fundamentos de Estadística y Simulación Básica

Fundamentos de Estadística y Simulación Básica Fundamentos de Estadística y Simulación Básica TEMA 4 Distribución de Probabilidades Distribución de Probabilidades Distribución de Probabilidades Variables Aleatorias: Discreta y Continua Función Densidad

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva 1 Sesión No. 4 Nombre: Estadística descriptiva Contextualización Como se analizó en la sesión anterior, una parte fundamental de la Estadística es la organización de los datos,

Más detalles

PROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III

PROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III PROGRAMA DE ESTUDIO A. Antecedentes Generales - Nombre de la asignatura : ESTADISTICA I - Código : EME 221 - Carácter de la asignatura (obligatoria / electiva) : Obligatoria - Pre requisitos : Matemática

Más detalles

Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2

Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2 Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria

Más detalles

DISTRIBUCIÓN NORMAL. > = P (Z > 0,6) = 0, El 72,58% de las vacas pesa más de 570 kg. Puede esperarse que 73 vacas superen ese peso.

DISTRIBUCIÓN NORMAL. > = P (Z > 0,6) = 0, El 72,58% de las vacas pesa más de 570 kg. Puede esperarse que 73 vacas superen ese peso. DISTRIBUCIÓN NORMAL 1. El peso de las 100 vacas de una ganadería se distribuye según una normal de media 600 kg y una desviación típica de 50 kg. Se pide: Cuántas vacas pesan más de 570 kilos? Cuántas

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Inferencial 1 Sesión No. 5 Nombre: Prueba de hipótesis Contextualización En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales

Más detalles

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

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

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

Estadística. Sesión 4: Medidas de dispersión.

Estadística. Sesión 4: Medidas de dispersión. Estadística Sesión 4: Medidas de dispersión. Contextualización En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal es el caso del rango, la varianza y la desviación estándar,

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

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

Más detalles

DISTRIBUCIÓN NORMAL ESTÁNDAR

DISTRIBUCIÓN NORMAL ESTÁNDAR DISTRIBUCIÓN NORMAL ESTÁNDAR INTRODUCCIÓN Las distribuciones de probabilidad están relacionadas con la distribución de frecuencias. De hecho, podemos pensar en la distribución de probabilidad como una

Más detalles

Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas

Part 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 detalles

Variables aleatorias. Tema Introducción Variable aleatoria. Contenido

Variables 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 detalles

Nombre: Distribuciones de probabilidad discreta. Segunda parte. A qué nos referimos con probabilidad discreta?

Nombre: Distribuciones de probabilidad discreta. Segunda parte. A qué nos referimos con probabilidad discreta? Estadística 1 Sesión No. 9 Nombre: Distribuciones de probabilidad discreta. Segunda parte. Contextualización A qué nos referimos con probabilidad discreta? En la presente sesión analizarás y describirás

Más detalles

Distribuciones de probabilidad

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

Más detalles

4º E.S.O Opción A: DEPARTAMENTO DE MATEMÁTICAS

4º E.S.O Opción A: DEPARTAMENTO DE MATEMÁTICAS 4º E.S.O Opción A: DEPARTAMENTO DE MATEMÁTICAS OBJETIVOS 1. Conocer, diferenciar y operar con cualquier número en cualquiera de sus formatos usando las aproximaciones adecuadas. 2. Conocer la importancia

Más detalles

Distribuciones Discretas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 6.

Distribuciones Discretas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 6. Distribuciones Discretas de Probabilidad 1 Contenido 1. Variables Aleatorias. 2. Distribuciones Discretas de Probabilidad. 3. Valor Esperado y Varianza. Propiedades. 4. Distribución de Probabilidad Binomial.

Más detalles